互联网金融发展至今，各大互联网平台之间的竞争已经渐渐转向资产端的竞争，拥有收益稳定，风险可控的优质资产，是互联网金融业务持续快速发展的保证。
在过去的一年里，不少互联网金融平台纷纷转型，开始重视资产端的开发，也有如厚本金融一般，自成立伊始，即牢牢把优质资产的开发作为平台的核心，构建了银行级的资产优势。
瞄准万亿资产
厚本金融对未来的规划，是做成一个广义的消费金融公司。为什么是消费金融？
人口基数大，需求刚性，渗透率低，是厚本金融判断红利市场一个基本的标准。而巨大的市场背后，传统金融机构服务的缺失，传统风控模式的力所不逮，也给了厚本金融竞争的机会。
对于资产端的开发获取，厚本金融并不拘泥于线上，而是线上线下联动。厚本金融建立了完整的自营直销渠道、自营电商渠道及互联网渠道。
直销渠道方面，厚本金融已经在全国70余个城市布局了80多家门店。从地理位置上看，重点布局在华北、西北及西南地区。
之所以选择布局在经济欠发达的地区，是因为与相对较发达的东南沿海地区相比，其经济上升空间较大，且目前受经济周期的影响较小，同时，金融服务的提供商相对较少，市场拓展空间可观。
大局布局线下门店的原因，在于门店可以发挥多个职能，即风险控制、贷后管理、全流程服务等功能。
大数据重构风控模式
尚处于蓝海市场的消费金融、个人信贷市场，由于传统征信数据的缺位，对进入者而言，风控是一个巨大的挑战。
厚本金融对此早有准备，在创立之初，即组建了大数据中心，为平台的大数据模型提供技术支持。
以数据驱动为核心，厚本金融过去一年正在逐步构建自己的资金平台，收集、分析用户数据，并进行精细化的预测和管理。
为了进一步构建动态的反欺诈、机器学习风控模型，厚本金融在近日还与上海交大签署了合作协议，共建大数据实验中心。
机器学习的子总训练和实时性可以大幅度提高预测的准确性。传统的人工建模过程复杂，评分卡更新较慢。但是，信贷人群特征并非一成不变，模型对于欺诈用户的预测准确率随着时间的推移将会逐步下降。举例而言，若用6月用户数据所训练出模型，在应用到7月用户评分时，会出现较大偏差。
加之欺诈用户对模型的不断挑战，反欺诈效率将会逐步降低。
厚本金融对于机器学习建模的研发，正是基于此种考虑。机器学习的好处在于可以在无人工干预之下，自动训练模型，紧跟用户及人群特征的自然变化。
除了利用系统解决问题，厚本金融在信用审核时还加入了人工审核，通过交叉经验来提高风险的管控。
而在后端的在反欺诈和催收方面，厚本金融创新型的将安全调查团队和催收功能合并在一起，大大的提升了欺诈的处理效率。
正是因为对风险的敬畏，对优质资产的追求，让厚本金融在创业不久即获得了红杉资本的投资，也是国内少有的在A轮即获得红杉资本投资的新金融信息服务企业。
未来，厚本金融将进一步夯实自身资产优势，为个人信贷用户及小微企业提供优质的金融信息服务。
答：详情>>
