农行某领导问道。
“是真的，领导你请看。”张益达操控手中的控制器，把会议室的巨大ed屏幕点亮了。
一副巨大的中国电子地图出现在了长宽5米x3米的ed屏幕上。
电子屏幕上有很多数据跳动，显示的都是“今日授信额度”，“今日授信人数”，“今日已放款额度”，“今日已借款人数”等数据。
另外，地图颜色深浅不一，体现的是各省份的放款总金额差异。
张益达又接着介绍道“锐向超级大脑，依托整个集团4亿用户数据，以及“绿豆大数据信用分”；
再结合云计算、ai等前沿科技，最快可以3秒钟完成几千个维度的数据比对和反欺诈风控审核。”
几个银行领导目不转睛的盯着大屏幕，就看着上面的数据飞速跳转。
一位中行的领导用手指数了数，忍不住问道“今天就放款532263万了啊放款人数是23141人人均借款2000多”
张益达点点头，说“是的，你所看到的一切都是真实数据。
用呗和贷呗目前一共有超过200万名的授信用户，总授信额度超过了100亿元。
目前我们每个月的放款额超过20亿元，预计15年度总放款量将超过200亿元。
相较于年初，我们的业务增速达到了100以上。
虽然业务增速提升了，但我们的风控质量并没有下降，坏账率一直维持在08以内。”
“张总，这所有的流程都是在线上完成的线下没有一个工作人员”
建行的领导年纪有些大了，感觉这套系统太神奇了，十分好奇的问道。
“是的，全部流程都在线上完成。用户是我们在内部系统按风险系数筛选过后，依次逐批的开放授信额度。
用户获得了授信额度，通过手机a直接就能把借款取出来了。”
张益达不耐其烦的给各位领导讲解起了很多工作原理。
“我们如果采购这一整套解决方案，该如何落地”
工行领导的这一句问到了点子上，其他三大行领导也把目光投向张益达，看他如何回答。
“这个很简单嘛
四大银行引入我们这一整套解决方案，将可以对你们银行体系的全部用户进行信用评估和分级。
再按照不同的信用评级，给予用户不同的授信额度和风险定价。
信用好的，额度给高点，利息给低一点；
信用差一点的，额度就给低一点，利息给高一点。后期再根据用户的履约情况进行二次信用评估和额度授予、利息调整。”
“光这一点的话。我们的信用卡评分模型也可以做到啊”
工行领导连连摇头，他们宇宙行的风控技术也不是盖的，张益达拿出来的这套风控模型，在他看来，也没什么了不起的。
他们工行每年都聘请了很多985院校毕业的后台技术人员，还投入了重金用于研发，风控技术一向不差。
“那贵行的坏账率是多少2还是15
风控模型和风控模型之间也是有差距的。”
张益达的言外之意，在座的人都听懂了，意思是锐向的风控技术比他们四大行的强。
几位领导都笑了，这位张总还真是年轻气盛啊
竟然敢说我们比不上你们锐向
谁给你的勇气梁静茹吗
四大行中，以工行为例，去年用于it技术研发的经费投入不低于50个亿，这还没有算上整个it架构、it团队日