“与互联网类似，金融大数据企业的边际成本急剧降低、聚集效应明显，这是百融定位科技服务公司的关键原因。”
人工智能+大数据+征信，应用成熟度高于智能投顾
传统征信行业存在“覆盖人群有限、审核周期较长、信息采集面有限”等弊端，而这正是AI、大数据、云计算等新型科技优化、重塑服务链条的发力点。
“其实，人工智能在算法层面并没有本质突破，之所以近两年开始凸显，本质原因是大数据先取得了突破——足够多的数据，让AI机器学习获得了最重要的基础。”
张韶峰指出，人工智能在金融领域的应用主要在于：①智能风险评估和管理；②智能投顾服务。不过，智能投顾的呼声似乎更高，原因之一是投资理财属于高频需求，更贴近普惠大众；而风控服务靠近金融服务链条的后端，且贷款属于低频行为。但事实上，在技术应用层面，后端风险管理的应用成熟度更高。
虽然2者都是通过数据分析、技术模型来评估并服务个人用户，但智能投顾还必须分析投资理财产品，所以短期内真正大规模应用的难度比较大——原因并不在技术本身，而是相对于个人行为，投资理财产品变化趋势更难以预测，尤其是二级市场存在数据透明度低、政策因素强、产品种类少等问题。
“目前，百融金服通过深度学习模型处理50万个基础变量，相较传统方法，整体效率提升了50%-60%。其中营销环节成功率提升30%以上，个人不良率降低7成。”
自上而下，势能传导
在2014年大数据风控创业热潮中成立的企业中，百融、同盾、聚信立等企业在服务体系上多有相似，但具体打法上存在差异。
张韶峰指出，初创企业多采用“自下而上”的方法，针对中小客户，开发单一产品（黑名单、发欺诈等）切入市场，然后丰富产品类型，铺开信贷全流程业务，再向银行、持牌金融机构等高端客户拓展。这种方法前期起量快，能够迅速做大规模和估值，但后劲不足。
与之相反，百融在初期就首先从银行客户入手，设定了“自上而下”的路径：①风控产品采取按月、单项、后付费的方式，创造更多赢利点；②整体解决方案产品的定价高于行业平均水平，聚焦中高端金融机构的客户——以此形成自上而下的势能传导。
对于这一方式造成的前期市场开拓、获客的成本压力，张韶峰坦言，“百融以更高成本聘请高层次的技术开发人员、数据分析与建模师、顾问式的销售人员。这种自上而下的模式前期投入较高，但金融机构天生比较倾向于向比自己大的机构学习，也倾向于选择服务过大机构的服务商，因为大机构对服务商的考核更加严苛。”
“但这种模式的优势在于，一旦形成势能，中后期能迅速占领市场，迅速降低人均成本、提高人均绩效。据了解，目前与同行依靠大规模地推式销售模式，百融的销售人员总占比15%，低于行业平均水平，人均综合产出相比部分同行高出2-3倍。”
经营业绩上，2016年百融营收实现同比15.6倍增长，今年Q1实现了现金流转正。