⑴ 高灯科技能够引领财税科技产业的发展趋势吗
2月23日，财税科技明星公司高灯科技发布2020年全年业绩报告。报告显示，截至2020年12月31日，高灯科技累计交易鉴证规模近1000亿元，公司全年业务总GMV超160亿元，同比增长47%。在疫情影响经济大环境的背景下，高灯科技依然实现高速增长。
对高灯科技这个名字，可能大家还有些许陌生，但你很可能使用过其开发的电子发票小程序应用。2017年5月，高灯科技由腾讯投资成立，初衷是解决发票在流转过程的效率问题，让发票电子化进而可以便捷地在各方流转。当时，马化腾在贵阳数博会上和高灯科技董事长兼CEO高峡一起发布了高灯科技首款小程序“发票儿”，高灯科技自此浮出水面。
腾讯董事会主席马化腾与高灯科技董事长兼CEO高峡共同发布“发票儿”小程序
2017年到2020年的三年时间里，高灯科技一方面在电子发票场景深耕，在各地税务单位指导下，与腾讯探索基于区块链技术的新型开票方案，发布了区块链电子发票领域若干个第一：第一张区块链电子发票、第一张商超行业区块链电子发票、第一张区块链电子冠名发票。另一方面，从电子发票切入到财税科技领域，以“交易鉴证”为核心落地财税科技战略，助力企业财务、税务与业务融合发展，面向不同场景，推出“高灯自由薪”、“云票儿”、“超能海豹”等平台。
2020年被业界视作是“财税科技元年”。在产业互联网浪潮下，科技正在“+”各行各业。财税科技正通过数字科技手段赋能财税协同，具体来说，就是基于数据互联技术，解决传统财税管理手段效率低、业财税割裂、信息价值弱与合规风险高等痛点，提高财务、税务与业务的协同效率，倒逼企业管理升级与业务创新。
从2020年财报来看，作为财税科技概念的提出者，高灯科技2020年战略升级效果明显，实现了跨越式发展，让财税科技规模化落地，让财税科技概念出圈，让财税科技生态更完善。
高灯科技2020年成绩单有哪些亮点？
亮点1：2020年GMV超160亿，同比增长47%。
高灯科技定位是以“交易鉴证”为技术核心的财税科技公司，虽然其在零工经济、因公消费等垂直场景深耕，但“交易鉴证”依然是其“大本营”业务。2020年，高灯科技平台交易鉴证次数高达5亿次，交易鉴证规模近千亿元，核心场景优势地位得到进一步巩固。
2020年高灯科技GMV超160亿，同比增长47%。跟传统财税SaaS公司不同，高灯科技在财报中着重强调了“GMV”这一数据。GMV在电商行业较为常见，是平台交易能力的重要体现。高灯科技业务模式不是靠售卖软件服务盈利，而是采取平台模式，在每一笔交易鉴证中获取营收，正因为此，总体交易额即GMV成为最能够说明其发展状况的指标。
亮点2：客户与用户“比翼齐飞”，多边效应凸显。
2020年高灯科技新增企业用户5万，累计同比增长40%；新增个人用户1300万，累计个人用户同比增长63%。强调个人用户，是高灯科技跟传统SaaS服务商的另一大不同，原因在于高灯科技采取的是B（企业侧）、C（用户侧）、R(监管侧)的多边模式。
传统SaaS服务商只负责服务B端客户，与B端客户的C端用户没有联系，这是一种“单边”模式，本质是财税信息化服务商，无法解决不同财税场景的数据孤岛问题，难以实现财务、税务与业务的深度协同，瓶颈明显。
财税科技的主旨则是一边解决C端用户的开票、发票管理、发票流转等需求，一边解决B端客户的财税数字化难题，同时服务监管侧（R）的需求，最终解决交易环节合规这一核心问题，实现财税场景连接、数据流转与场景协同。这样的区别，如同传统金融SaaS服务商与腾讯智慧金融一样，前者高度客户定制，后者以C端支付/理财/借贷等场景撬动B端。
高灯科技采取的多边发展策略，不只是服务企业，而是解决个人、企业与监管侧之间高效连接的问题。在高灯科技联合创始人兼总裁张民遐看来，这是高灯的业务核心，也是其发展的护城河。
高灯科技联合创始人兼总裁张民遐在第二届财税科技产业峰会（TTIS）上发表讲话
亮点3：细分应用高速增长，垂直场景落地扎根。
2020年，高灯旗下数字化人企商业协作服务平台高灯自由薪实现爆发式增长，其面向零工经济场景提供交易鉴证，给用户提供全链条的人企商业互联服务，现已覆盖50+城市，开放零工经济岗位2000余个，交易鉴证笔数超过450万，是去年同期的57倍，KA核心客户企业数量同比增加407%，其中不乏OPPO、美菜网、小电等知名企业。
面向因公消费场景的超能海豹则实现了“从0到1”的增长。在这一平台，企业员工可以获得便捷预订、合并开票、资金垫付、快速报销等服务，2020年平台交易订单量突破100万笔，月复合增长率达49%，累计交易金额超过5亿元。
可以看出高灯科技的发展思路：以交易鉴证这一高度细分能力为支点，撬动不同细分场景，如零工经济、因公消费，在对应场景下提供更多服务，深耕细作，实现规模化落地。长期来看，有交易的场景就有鉴证需求，高灯科技未来推出更多细分应用是可预见的。
亮点4：夯实基础设施，高灯云生态日益成熟。
2020年是高灯科技向财税科技进阶的一年。依托“1云+N平台”战略，高灯科技夯实底层财税科技能力，利用大数据技术形成财税数字化服务平台——高灯云，提供交易鉴证、风险识别、财税组件与企服生态四个核心技术能力。2020年，高灯云已助力全国115座城市19万商家实现业财融合发展，平均每分钟响应3231次开票需求，日均响应服务应答12万次，有效识别风险因子837个，可信存证体量超10亿张。基于底层财税科技服务能力，高灯云可以驱动不同鉴证场景下的垂直平台。
高灯科技2020年财报，既是2020年的成绩单，也反映了其成立三年来的阶段性成绩。经过三年发展，高灯科技让财税科技从0到1，打牢了基础，2020年战略升级成果尤为显着，多边平台模式被验证、核心场景优势巩固、垂直场景渐入佳境、云平台建设初成。与此同时，作为财税科技概念提出者，高灯科技推动财税科技概念出圈，培养企业认知与用户习惯，推动财税科技高速发展。
2021年高灯科技或迎跨越式增长
2020年，疫情围城，线上交易井喷，加速财税科技应用的普及，成为“财税科技元年”，2021年财税科技或将迎来更大规模的爆发。
政策层面，财税改革将步入优化区，财税科技是大势所趋。
2020年4月财政部、国家档案局联合制定发布《关于规范电子会计凭证报销入帐归档的通知》，加速财税行业数字化、信息化与智能化进程。这一年，中国电子发票开具数量预计将达到246亿张，2021年将接近500亿张。2021年是十四五开局，相关规划建议显示，十四五期间，财税改革将步入优化区。将减税降费政策与财税改革结合起来，重视对新经济、新业态的税收优惠，完善有利于创新的税费制度体系，是财税改革的方向，财税科技在其中将发挥助攻作用。
作为高灯科技最早一批投资者之一，鼎晖投资创新与成长基金高级合伙人王明宇认为，财税行业本身就在科技化，我国C端数字化比较超前，如今的各行各业包括财税行业都在做数字化的变迁：“税局提供的电子发票、电子档案的支持，以及整个税局都在提供远程服务和在线化发展。我们看到，财税数字化在不断提速。过去两三年间，金税三期基本完成，现在金税四期已经在路上。”当C端数字化后，撬动B端数字化，拥抱财税科技就成为必然结果。
趋势层面，行业数字化是必然趋势，疫情加速数字化进程。
在产业互联网趋势下，各行各业早已在加速数字化转型与智能化升级，实现降本增效与业务创新的目标。2020年疫情突发，线下产业被逼加速数字化。后疫情时代，数字化与智能化会变得更加重要。作为每家企业都绕不过的商业场景，财税数字化与智能化将成为大势所趋。
不可否认，企业财税场景已有一定程度的信息化，不过更多是“单边模式”，即SaaS服务商给客户定制相关解决方案，未能实现财务、税务与业务的打通，C端用户、B端企业与监管侧（R）未能连接，零工经济、因公消费等场景下的全链路数字化也无从谈起。接下来，财税科技将会基于多边模式，连接商业交易场景的各方参与者，实现财务、税务与业务的深度协同，通数据、通场景、通业务，进而提高各环节效率，激发不同交易场景下的数字化创新。
产业层面，产业互联网大潮汹涌，财税科技是典型的产业互联网应用。
前些年互联网巨头纷纷布局B端业务，腾讯率先提出产业互联网战略。现在行业对产业互联网概念已有共识，与“互联网+”只是存量改善和物理叠加不同，产业互联网更强调重构产业，跟零售、贸易、金融、制造、娱乐等等行业结合，通过化学反应创造增量市场，帮助产业转型升级。传统产业的有识之士均已意识到产业互联网的价值，开始积极利用第三方产业互联网平台提供的工具、能力、方案和服务实现转型升级。
《2020年(上)中国产业互联网市场数据监测报告》显示，2020上半年中国产业互联网市场规模达25.3万亿元，预计2020全年市场规模将达51.5万亿元。正在爆发的AI、大数据、5G、IoT、区块链等新技术，进一步加速产业互联网进程，不同产业都有了更多的“武器”来实现数字化转型与智能化升级。作为产业互联网重要组成部分的财税科技，迎来爆发是挡不住的趋势。
有数据显示，自2016年至2020年，中国财税科技行业发展规模从233亿元上涨到1032亿元，预期2021年行业规模将达1265亿元。千亿级财税科技蛋糕，正在吸引更多玩家蜂拥而至，逐鹿中原。
下一个五年高灯科技如何迎风而立？
在很多行业都发生过“起个大早赶个晚集”的故事，即先行者因为种种原因被后来者超车。高灯科技是财税科技先行者，前三年打基础，接下来同样会面临这一挑战。如何继续保持在财税科技领域的领先地位？高灯科技2020年财报给出了清晰的回答。
高灯科技下一个五年的发展，将以高灯云为财税基础设施，服务前端交易鉴证平台，不断向各领域扩展延伸，筑牢“1云+N平台”的发展模式，同时继续夯实高灯云的基础科技能力，加大研发投入，推动更多场景化应用落地。
上线不到一年的高灯云，是高灯科技三年财税发展成就的核心能力沉淀，也是未来发展的重要基石，它保障了高灯科技前端交易场景下大规模、高并发交易鉴证需求，具有极强的扩展性、高度的安全性，可以适应高灯科技未来版图中的垂直平台，乃至第三方财税科技应用。
随着高灯云技术能力的不断成熟，辅以“1云+N平台”模式，高灯科技可以巩固“交易鉴证”这一核心业务，形成长板优势，在不同垂直场景深耕细作形成护城河。更大的想象空间在于，开放的高灯云，可让财税行业快速接入财税科技能力，实现数字化与智能化转型，开发各种创新应用。
在产业互联网大潮下，云计算已成为跟水电煤一样的社会基础设施，也是国家加速建设的“新基建”的关键组件。作为唯一的具有多边服务能力的财税科技云平台，高灯云则有望成为财税行业的数字化新基建，构建财税科技生态、推动财税科技发展、实现财税科技规模应用，进而以财税科技为支点撬动新商业文明。
⑵ 客观评价一下南京擎天科技,到底值不值得去
千万不要去，技术实力只能说一般般，大家来了都是再现有系统上改改来的，领导原话就是就算你们全离职了都没关系，新人来了照样可以干。
基本上你一个开发啥都要干，要去客户现场和客户PK需求，要给客户培训，要改前端样式，要写后台逻辑，要弄数据库调试，要现场部署。
南京擎天科技有限公司是专业从事软件产品研究开发、推广、运营，IT咨询及服务的软件企业；是国家级软件开发企业、高新技术企业、省重点民营企业、优秀民营企业、骨干民营企业、建设新南京有功单位；是国内首家在英国伦敦上市的软件企业。
公司总部设在南京，在南京高新技术开发区建有独立的研发与测试中心，在美国、北京、上海、苏州等地设有分支机构及技术服务中心；公司现有员工高、中级人才比例达到90%以上。
擎天科技始终坚持走自主研发与市场相结合的道路，将新产品、新技术的研究作为公司战略主导目标，通过消化吸收国外最新技术成果，结合国内的实际应用，近年来自主研发了百余项软件产品，已有72项产品获得国家版权局颁发的着作权证书，获得数项国家发明专利。
擎天科技是国家重点高新技术企业、中国软件业务收入百强企业、国家金税三期工程专家组成员单位、国家电子政务标准化总体组成员单位、国家信息技术服务标准工作组成员单位、国家商务部重点支持的“软件出口工程（COSEP）企业”。
江苏省首批国际服务外包重点企业、江苏省重点骨干型服务；通过ISO9001：2000质量管理体系认证、国际软件成熟度模型集成CMMI5级认证、ISO27001信息安全认证；经过多年努力，先后荣获江苏省百强民营科技企业、骨干软件企业、江苏省百家重点培育民营科技企业。
江苏省百家重点培育高成长型企业、江苏省创新型试点企业、南京市百强高成长工业企业等荣誉称号。
多个产品和项目被列为“国家重点火炬计划”、“国家重点新产品”、“国家创新基金项目”、“国家信息安全项目”、“中国优秀软件奖”、“江苏省优秀软件产品奖（金慧奖）”、“南京市优秀软件产品奖”、“省科技进步三等奖”、“市科技进步二、三等奖”等。
⑶ 国内汽车金融的现状和前景是怎样的
金融行业创业接近尾声
2018年的金融创新市场（尤指信贷），基本已经形成了固定的“场景-风控-资金”模式，新的模式几乎被探究完毕。除非有重大的数据上的突破（如金税三期数据源），否则我认为不存在模式创新后一轮轮融资走上资本化的道路。我自己听到VC圈一线的炮火声越来越小，看金融的投资经理已经供大于求。
然而，由于信贷本身的竞争力很大程度上在场景和资金的BD能力，这两个能力未必能规模化赢家通吃，这就使得金融行业不具备投资的机会但具备创业的机会。
从创业而言，2018也未必是一个好的年景，监管太左，既然能将168元的水果卡定性为顶风违纪，就不会在乎为了风险而扼杀掉多如牛毛的创业公司。从具体政策上来看，主要是对资金端的压制。
今天信贷无非两种模式，要么自有放贷主体，要么给其他机构做助贷。
对于自有放贷主体的玩家而言，监管对杠杆率的限制*为致命。过去小贷公司虽然有杠杆率限制，但是通过ABS出表（可以简单理解为债权转让出去），就可规避监管。中国国情潜规则多，监管政策不能看条文，BAT的应对是更关键的指标。2017年12月18日，蚂蚁金服为重庆阿里小贷增资82亿，给整个行业带来致命的负面信号。原本重庆阿里小贷一直违规超杠杆做业务，2017年注册资本是20亿却ABS出表了数千亿的业务，早已违规。
阿里的解决方案是一边增资补足杠杆率，一边将自己放贷改为贷款超市，让银行在背后给消费者通过二类户放贷。对于阿里这样和监管走得很近的机构，尚有沟通的余地，大部分小公司，一旦政策落实下来，可能会因为杠杆率被一帮子打死。
助贷模式也并非一帆风顺，银监发〔2018〕4号是*大的痛。第九条：
违规接受未取得融资担保业务经营许可证的第三方机构提供担保、增信服务以及兜底承诺等变相增信服务。
讲的是，过去往往助贷公司负责获客和风控，银行负责资金。因为前端风控很大程度上是助贷公司做的，所以助贷公司要给银行做担保，银行也更愿意和强担保能力的渠道开展合作，比如万达小贷、360金融、京东金融、小米贷款……
这件事造成的问题就是，银行把风险放在资产负债表外了，某银行从08年做汽车金融至今，未出现一笔坏账，但下属助贷公司实际上承担了大量风险，不爆则已，一旦爆发就是大问题。因此监管要求，如果一家公司要给银行做助贷加增信，要么是融资性担保公司，要么是保险公司。然而前者受到10倍杠杆率限制，后者牌照极难拿。
汽车金融是信贷行业仅剩的创业机会
今天信贷创业要选什么方向，归结了两点：
信贷行业从未出现赛道都赔钱，只有某公司赚钱的情况，更多还是同赔同赚，因此要选择人人赚钱的赛道。
不要烧钱或者负现金流，*后期望通过资本化变现，很难实现；应当做一家一开始就盈利或者正现金流的公司，即便靠分红也能变现。
汽车金融行业完美的符合了这两点：
其一，由于市场处于金融供不应求，渗透率快速提升的阶段，市场利率水平还很高，所有万家利润都非常丰厚。以银行担保系的公司为例，经营得好的，现金流大赚，利润表小赚；经营得不好的，现金流小赚，利润表打平，自己的小金库还贪污一笔钱，总体还是大赚。
其二，汽车金融行业如果通过助贷模式砍3年的头息，会有非常好的现金流。3年期的二手车分期，基本上可以砍头息11%，扣除运营成本和费用，剩下5%问题不大。即便通过融资租赁模式，也有办法把大部分收益前置。
二手车消费贷是汽车金融的先锋队
上图是我归纳的汽车金融的机会分布。简单讲，今天汽车金融行业要么自己做交易场景，要么给交易场景做资金批发。理论上自己做交易场景是*好的，但是：二手车因为收车定价需要老板做，历来小而散；新车4S店长期经营状况并不好，新玩家如果没有明显竞争优势，很难逆转行业的整体颓势。
资金批发中，车抵贷格局完成了，不是个大市场；车商贷本质上是给高杠杆的小微贸易企业放贷，大方向就是不赚钱的；消费贷中新车机会归巨头；二手车消费贷利润高，而且创业公司有机会。
每一个参与汽车金融的玩家，无论从何种赛道切入，都应致力于舔到二手车消费贷这块奶油。以下主要为对二手车消费贷的分析。
消费端利率下行，提出精细化运营要求
2018年市场*大的变化，我认为既不是某些银行的资金政策（因为好资产总有人要），也不是某些浩浩汤汤的汽车新零售（因为想做好太难了），而是大资本进入带来的消费者端利率大幅下降。
以某行卡分期公司在浙江做二手车分期展业为例，利率大约是担保公司收取10%的服务费。之后用户向银行按“本金=贷款额*(1+10%)”偿还，3年等额本息，银行3年共收利息9%，折合年化5.8%。银行利息部分我们不管，金融公司收到手上的砍头息就是11%，包含了运营成本、风险成本、公司利润。
对于运营的不好的公司，运营成本6%，风险成本4%，实际上利润已经是0了。之所以它们仍赚得盆满钵满，原因如下：
西北等偏远地区服务费可达18%，全国平均可达14%，相比于浙江地区，多了4%的净利。
4%坏账为Vintage峰值，但时间上是滞后的，故没有在现金流上体现。
但这两个盈利手段都站不住脚。*个，偏远地区的高息本质上是金融供给不足的结果，但是在如今汽车金融大红大紫的背景下，这个窗口期也就1年时间。第二个，坏账虽然滞后但还是要显露出来的，对于一个正常的经营者，只赚现金流不赚利润表似乎也没什么意义。
挑战的背后是机遇，精耕细作的公司可以抢占粗放经营公司的市场空间。
所谓“大数据风控”
任何技术传到中国都会被神话，每一家放贷公司都不得不假装自己拥有大数据风控技术，来面对资金端的质疑。说者不明白，听者也未必明白，但是似乎挂上了高科技，能解释一些不能用常理解释的坏账率，于是皆大欢喜。
实际上，大数据风控更多的就是回归分析，根据大量的历史数据，系统统计出：这些特点的人不还款，这些特点的人还款。
至于其中需要使用到的服务器技术和数学模型，我们这些技术白痴没必要关心。
根据大数据风控本身的特点，很容易判断，什么类型的贷款可以使用大数据风控：
大量的案例，不仅包括用户提交的变量，而且要有对应的还款情况。因此现金贷这样大量案例的贷款易于做大数据风控，而房抵贷这种期限长金额高的，很难做大数据风控。
需要获取到真实数据，如果获取的数据可以被包装，大数据风控就完全没有用武之地。
让我们把汽车金融的风险做一下拆分，看看哪里有大数据风控的机会，大体风险分三类：
真实购车用户违约，大约Vintage坏账在1%，相比于3C和医美分期，买车（豪车除外）的消费行为本身已经筛选出有一定资信的用户。
车抵贷包装成消费贷的套现单，即车的买方和卖方都是一起的人，通过消费贷的方式借到了相当于车抵贷的钱。由于后续会慢慢还款，套现单短期看不出坏账，但后患无穷。车抵贷用户本身资质差，借来的现金多半是生意周转或还外债，市场上车抵贷的年化利率都在40%以上，消费贷给消费者的年化利率不到20%，中间的差额就是公司的损失。从另一个角度看，虽然做得好的车抵贷公司催回后坏账率可达5%以下，但展期率（另一个角度就是逾期率）却可能高达20%，消费贷公司往往不具备强催收能力，这个问题就会尤其显着。
纯粹诈骗，消费贷购车后将车二抵或者黑车卖掉，一般还款1期以后就再也不还。由于首付比例高，且卖黑车有折价，通过这个方式骗得的金额并不高，而手续却极其繁琐。可以认为，一般不会有人准备一套手续仅为了骗一辆车，多半是车商拉一堆白户骗走金融公司大批量贷款，作案时期可能在数周到一个月。
*种风险是我们可以接受的，由于市场大环境好，不需要太担心，反而是做了风控容易提高拒单率，得不偿失。
第二种风险是*不能接受的，是容易被很多汽车金融公司总部忽视的隐形炸弹。而第二种风险的发生，一定是车商和业务员的一致配合，车商必然知道买家和卖家是一起的，多半情况业务员也会知道，因为需要包装材料并做高评估价。在第二种风险中，大数据风控完全无效，因为传到总部录入系统的数根本就是假的。今天大部分汽车金融公司处理此事的做法是高压线的管理政策，有的直接开除，更有甚者直接让作恶员工吃牢饭。
第三种风险是整体性的风险，不出事则已，一出事可能就是总AUM的2-5%的坏账。由于利益太大，可以骗一票后出国永不回来，对员工高压线的做法也已经不管用了。今天大部分汽车金融公司处理此事就两个方法，一个是总部电核，一个是巡查制度。
讨论一下大数据风控的应用：*个风险可以用大数据风控，但没啥效益。第二个风险都是假资料，根本没法用大数据风控。第三个风险中，大数据风控可以发现一些假单子的聚类，从而给出警告，通知人工核查。但这也属于屠龙之术，出事情之前没人能觉察到效果，也没人会重视。
总结一下，大数据风控*的作用是识别批量造假的单子，但没什么值得神话的。线下放贷的生意，一线的炮火声只有业务员听见，把人管好才是根本。
三种模式：直营、区域代理、商户代理
理论上，和任何消费分期市场一样，二手车分期应该也有三种模式：
直营：自己的业务员在二手车门店蹲着等单子。
区域代理：区域加盟商负责养业务员并且承担风险。
商户代理：二手车商作为代理，给自己的客户附加金融产品，并直接给金融公司总部推单子。
到底哪种方法好，大家一直争论不休。
直营是*原始也是*靠谱的模式，*的缺点就是扩张慢，一旦扩张快就管理事故。
区域代理解决了扩张速度的问题，但由于区域代理的收入取决于业务量，区域代理天然就有放宽风控甚至帮助包装材料的倾向。为了解决这一问题，很多金融公司要求区域代理连带担保，但是代理商实际不具备相匹配的主体资信，*后的结局就是，一旦不小心出了风险，代理商只能不断扩大业务量搏一把，*后不得不跑路。
商户代理貌似比区域代理好一些，商户本身了解业务场景，也具备主体资信可以提供担保。
直营和区域代理相比，毫无疑问，直营更好。但今天二手车消费金融市场做全国展业的公司，没有真正做直营的，直营因为扩张速度的原因顶多做到2-3个省份。大量号称直营的，实则区域代理。这两者本无优劣，无非数量与质量的权衡问题。我相信，小而美的区域性直营公司，大而全的全国区域代理公司，将在很长一段时间内并存。
商户代理模式就有更多可探讨的空间，参考*为成熟的3C分期市场的经验，*大的两家，捷信和买单侠是直营模式。闪银是区域代理模式，是因为当时希望快速占领市场的权益之计，选择的代理商并不要求行业背景，而清一色是当地有水电站、大型超市等产业的老板，主要考虑到代理商的担保能力。在3C分期领域，商户代理模式从来没有成功过，基本以商户骗贷告终。
3C分期中商户代理不可行，对比二手车分期是否也不可行呢，有几个情况差别：
3C市场，风险都集中在用户的还款能力；而二手车市场，风险都是欺诈问题，如果商户配合，可以有效降低二手车分期的风险。
3C市场，都是连锁店面，每个单独店面的员工不具备风控能力；而二手车市场，都是老板常驻一家核心店面，具备风控执行能力。
3C市场，金融收入只占总商户总收入很小比例，商户没有动力管理金融业务；而二手车市场，金融收入占比极高，每一个老板都有兴趣参与金融业务。
总结一下：
从业务扩张速度看，区域代理>商户代理>直营。在2018年，业务扩张速度再怎么强调都不为过。
从风控水平看，直营>区域代理=商户代理。值得一提的是，第二种客户骗贷的风险，商户代理模式或许可以完全杜绝；但对于第三种整体跑路风险，因为商户代理模式给了商户更大的权限，很容易在商户代理模式下出现。
资金从哪里来
今天二手车消费贷公司获取资金主要是银行担保系（助贷）和融资租赁两大模式，具体产业链结构可以见我下图的总结。
一条路是助贷，即银行担保系准入。缺点是资金不稳定，优点是高杠杆率且砍头息。CEO清一色60后和70后，没有80后的。大公司和小公司拿资金的能力不会有特别大的差距，我认为担保系的大公司不应该享受超额溢价。
另一条路是自己放款，理论上可以有融资租赁、保理、小贷、消金等牌照，但由于融资租赁可以占有物权方便催收，且牌照便宜，所以融资租赁成为主流模式。融资租赁先放款，形成资产包后再转让给资金方。优点是鲁棒性更强，不依托任一资金方，而是打包成现金流资产后，可以卖给任何机构。但资金方实际上还是无法看清资产包内的资产，缺点是依然要依靠资产端主体资信来决定融资能力。
曾和一个CEO聊起，什么事情都能靠BD，只有找资金不能靠BD。看的案子越多，这句话我越认同，找资金这件事，不是新经济，而是旧经济，是传统金融。如同某知名汽车金融公司，CEO原本主机厂金融高管出身，一开始做银行助贷，再抱大腿联合成立融资租赁，*通过几轮股权融资，让公司真正具备了主体资信。在做汽车金融早期投资的时候，我们应当致力于发现具备这样潜质的CEO，并给予超额溢价。
车源问题
上面讲的都是资金批发中风控、展业、资金的细节，除此以外，很多人在思考，是否有资金批发以外的方式和车商建立关系？大约探索了如下模式：
SaaS：属于附加物，工具类产品的竞争壁垒是有限的。
保险：属于另一摊生意，不同保险经代在不同时间能拿到不同价格提供给渠道方，有比价和出单平台的机会。车险本身已经是没有利润的生意，除非保险公司违规变相补贴，否则很难有玩家在这个领域具备规模化竞争优势。
车史数据：可以帮助车商提供检车的辅助，有一定价值，但是车商不会为单笔查询付太多钱。
估价数据：用途比较有限，定价是车商的核心能力，估价数据更多的是用于参考，基本低于实际成交价。
销售：小城市的二手车是如何成交的？首先，二手车市场是一个卖方市场，掌握了优质车源的车商是强势方。其次，车商和“拼缝的”（拉客户给车商的中介）一起，一方面找熟人关系杀熟，一方面在58赶集和当地论坛刷帖子，希望碰到肥羊。一般一个车商一个月也就成交2-3台车，都是强销售和信息不透明的路数。为二手车商提供的销售服务无法做到闭环，仅能起导流作用。然而，正如访谈的某车商所说“老子有一辆奔驰在手，城里想买二手奔驰的，无论找到哪个车商都会带到我这里。本来就是我的客户，有没有XX平台都会到我们市场里来。”
车源：非常重要的手段，车源是车商的核心生产资料，谁控制了车源，谁就控制了车商。大部分汽车金融行业的投资人和创业者都认为，车源是颠覆行业的关键。
现有二手车源是怎么来的呢？90%以上都是4S店的置换车。一个车主需要将车子出手，多半是要换新车，于是去4S店买新车的时候，4S店就会找到当地二手车商过来定价收车，车商再返给4S店工作人员一定的好处费。
如何提高车源效率？一个方法是创新性地拿到车源，一个方法是提高车商串货效率。
先讲拿车源问题，需要考虑的两个关键要素分别是“流量”和“定价”。
流量上，从消费者有卖车需求开始，到接触4S店被收车，中间的时间很短，如何在这么短的时间内切入消费者。显然互联网营销是不管用的，因为命中率太低。通过做4S店导流，顺便抓取精准流量，是一个方法，难点在于4S店导流本身是个亏钱买卖，没人做好。和4S店集团合作统一收车，也是一个有效的方法，但如果无法做大蛋糕，仅仅是将员工的灰色收入变为4S店集团的收入，还不如直接让4S店做全员降薪，解决不了根本问题。
定价上，由于“一车一况”，任何数据化的定价方案都只能确定参考价，一旦涉及人来主观定价，委托给任何人都存在权利寻租空间。现有*成熟的方案是优信拍，集中车源在一个场地，买家线下看车线上竞拍，来解决定价问题。但很多时候，优信拍无法做到交易闭环，车商让用户在优信拍上定价后，提高一点儿价格在场外完成交易。
车商串货问题，彼此相识的车商可以直接微信达成交易，互联网改造这个场景的核心在建立车商信用体系。譬如某些城市车管所建立的当地二手车商联盟（商会），先通过担保制度和邀请制度做好车商准入，再建立一系列的信息发布规范，对于不遵守者进行惩罚，久而久之，建立起各车商的信用体系，大大降低了交易的摩擦成本。
综上，汽车新零售是二手车车源端改革的机会，车商联盟是解决车商串货问题的有效手段。
结论
今天二手车消费贷公司获取资金主要是银行担保系（助贷）和融资租赁两大模式，具体产业链结构可以见我下图的总结。
总结前述内容的观点如下：
1.受限于监管和降杠杆周期，金融行业的创业接近尾声
2.但汽车金融仍然处于金融渗透率提升的阶段，至少还有2-3家上市公司的机会
3.二手车消费贷是汽车金融中*肥的肉
4.消费端利率下行，精耕细作的公司可以抢占粗放经营公司的市场
5.大数据风控效果有限，历经时间打磨出来的管理半径是风控核心
6.直营小而美，区域代理大而松，号称全国直营的，大部分都还是区域代理
7.相比区域代理，商户代理可以防止套现单，但是容易整体跑路，并非好模式
8.资金端能力要靠老板背景，具备强资金能力老板的早期公司是投资洼地
9.汽车新零售是二手车车源端改革的机会，车商联盟是解决车商串货问题的有效手段
⑷ AI与HR的未来
AI与HR的未来
AI与HR的未来，AI不是HR的敌人，而是工具。工具不会逼人死，只让不会使用工具的人失业。那么大家知道AI与HR的未来怎么样？接下来就和我一起来看看吧！
AI与HR的未来1
一、“不是人”的时代还有多远？
几个月前，片区的菜鸟驿站跟风了自助取货和自助寄件，物流员工们只管把包裹码上货架，至于怎么把别人寄来的二十斤书从最高层取下来，那是客户的事情。这让我心有余悸，急急的找一线前端的朋友打听，这无人概念是“没有人”呢？还是“不是人”呢？前端朋友说，马老师现在推广的暂时是“没有人”——WHAT！在我看来，“没有人”是素质问题，“不是人”才是科技问题。素质问题很缥缈，科技问题倒是可以期待，那什么时候能实现“不是人”的时代呢？
这不，马上要AI了么？
AI是无限接近于人的“不是人”。小伙子问“不是人”的时代还需要研究人的HR做什么？
存在于虚拟世界的人工智能，想要在现实世界完全替代人，起码需要制造业再一次飞跃。这种飞跃，不是三十年前的效率和量的飞跃，不是十年前的产业升级，而是对设计、生产、精密化整个流程的高度升级。看看现在制造业的哀鸿遍野，就知道“不是人”的时代还远得很。HR在最近的五年，乃至十年，还要管人。即便将来“不是人”的时代到来，这个世界仍然挤满了人，只是工作内容不同。就象《春风沉醉的夜晚》里的纺织女工，其实和坐在电脑前做图的美工并无二致，如今“电脑在手，天下我有”的现代豪情，只是科技工具给人的幻觉。
二、AI与人类智慧的关系
柯洁和阿尔法狗磕上了。一台电脑是怎么在人类发明的古老游戏里赢过人脑的？毕竟人类玩围棋已经近千年。问题就在这里了，阿尔法狗存储了人类千年来的棋谱，它巨大的脑子里有千年来无数棋手无数对阵的经验，而柯洁的人脑里能存储的棋谱必然有限。阿尔法狗还能通过无数棋局的对比，测算出对方下一步落子的概率，迅速得出对策，这也是柯洁无法做到的。可这并不是AI的胜利，恰是它的失败。如果没有千年来棋手们积累出的大数据，阿尔发狗拿什么去测算？阿尔法狗在对阵中的胜利，是千百万个柯洁的胜利。它的每一次加速，每一次落子，都闪耀着人类棋手的智慧。所以，没有人类智慧的不断积累灌输，阿尔法狗只能和古人玩。AI不是洪水猛兽，只是人类为自己创造出的又一伟大工具。人类在不断创造并使用工具，将AI 和人对立起来，是愚昧的。
有人说AI终有一天会自我学习、自我创造，独立于人类智慧而迅速发展。——ROBERT将统治世界。现实世界的问题，必须以现实世界体验中产生的智慧去解决。ROBERT和人组成的现实世界，ROBERT数据分析的速度可能胜过人类，可人类智慧从来不靠速度取胜，而是多元化。多元化不仅意味着人类智慧因文化差异而无可穷尽，还意味着随机与变异，即不按常理出牌才是人类智慧的常态，这是AI所不能的。即便有一种无限接近人类而不是人类的智慧存在并发展，那也是与人类智慧此消彼长。人类与AI的关系，就象数的两极，发于原点，交集于无穷远处。看似南辕北辙，实则互为补益。
三、AI不是HR的危机而是机遇
社会化大生产被科技工具和人本需求从内到外肢解成更小的作业单元，甚至个人都能作为独立的作业单位参与生产。外包作业单元参与流程的案例不甚枚举，大到矿业投资，小到个人理财，事务所和独立咨询师只是壳的不同，业务内质并无差别。科技将时间和空间联接起来，效率甚至高过了流水线作业。这种肢解不仅存在于单一的底层，而是纵穿整个社会生产过程，任何行业都不能幸免，包括HR。
HR本身有事务型和专家型的隐形分层，三支柱理论正是这种分层在企业内部的实现。在以上所述的市场情况下，三支柱理论可以进一步社会化。执行BP留在企业，SSC交给专业流程公司，COE由外部专家完成。事务型HR在现有的从业人员中占有非常大的比例，很多HR知识还在教育人们解决底层事务性问题，一旦强大的AI能够替代这些工作，这些人与知识都将被淘汰，让人产生无上惶恐。实际上，知识在不断的淘汰。如果不坚持学习，五年就会成为新时代文盲，这与AI是否产生没有关系。ERP让管理人员失业了吗？财务软件让会计消亡了吗？EHR让HR濒临死地了吗？AI不是HR的敌人，而是工具。工具不会逼人死，只让不会使用工具的人失业。
展望未来,AI可以帮助BP完成基层事务或咨询，强大的处理器在专业流程公司用于分析归纳大数据，设计性价比最高的路径，同时处理多家公司同类事务。为COE外部专家提供数据和参谋服务。
相应的`，HR将产生更明显的业务分支。
1、在企业内部从事基础事务的HR主要致力于三点：流程、法务、工具的熟练掌握、现场应变能力、沟通协调能力。
如果AI进入量产，依照国情必然预装通用的规则和流程。金融、法务、财务、审计等法规相对完善，关乎国民利益的行业首当其冲，我们在金税三期的设计思路中可知一二。热衷于新概念的HR行业自然不甘落后。企业HR基础事务管理将由粗放型转向标准化、精细化，对理论知识、高效工具及标准流程的熟练程度决定了HR是否能够通过新阶段的考核。
AI与人不同的地方在于AI运用大数据趋势进行决策，而人能根据现场情况应变。当然，AI会将每一次人类的应变场景收入数据库，作为下一次决策的参考，这就是所谓的AI的学习能力。HR对所处的微观环境有着和机器不同的现实体验，因此，只有对人的特性有着理性和感性敏感的HR才能在将来的环境里发挥作用。这需要HR加强心理学的学习和实践。
企业内部HR是一个燃烧情商的岗位，既有服务职能兼有管理职能，面对上下左右的利益冲突、个人情绪，每说一句话都要斟酌再三。察言观色是职业本能，思前想后为形势所逼。这正是AI所不能为之处。AI有着强大的知识存储，与强大的搭档配合需要有强大的知识和能力的储备。
2、专业模块的HR有两条路可走，一是去专业 的SSC企业，从事流程设计和事务代理工作。二是进一步提升成为HR专家，去外部COE咨询公司。
过去，内部SSC中心就象管家部，填报表，跑流程，收发资料，在人事管理时代，占据了人事部最大的工作量。现在，仍然有很多企业以完成流程事务作为HR部门的最大考核指标。企业的流程效益决定了管理成本的效能。SSC工作的外包，可以大大提升企业流程效率和规避风险。
眼下，人力外包业务最多的是招聘外包，而我认为招聘外包是一种伪外包。如今信息传播扁平化和渠道单一化，看似矛盾，其实统一。正如企业生存之道在于某一领域的专业深耕，作为企业重要生产资料的人力必然存在于某一领域，企业自身在领域中的深度决定了招聘有效性，外包公司在行业中的深耕并不能对招聘有效性有多大的提升——找得到人不代表人会来。招聘效率与企业自身质量、在市场上竞争能力成正比，而不是与外包公司的挖掘能力成正比。
将复杂的事做简单，简单的事做优秀，是SSC类企业的重要目标。SSC与AI的结合，大大提升了流程事务处理效率。HR在专业SSC公司要做的，是根据大数据和自身经验，设计、修正流程，为提升AI的效率和精准服务提供指导和支持。这就要求从事SSC工作的HR对基层事务有着从具象到抽象的经验，对流程效率和成本高度敏感，并能提出专业的解决方案，这需要一群专业会做事的人。
3、COE是HR的管理大脑。需要HR具有基层工作经验、强大的数据分析能力和创新研发的能力。挑选 COE的关键，在于数据抽象分析、对宏观劳动市场的敏感度、又能对现实企业问题作出实效方案的能力。
很多HR都想一步到达这个层面，而一个COE专家至少需要十年以上的专业工作经验，具备在某个或多个模块中深耕的能力。有了AI的参与，是不是这个时间可以缩短呢？不一定。AI会促使全行业门槛提高、人员精简，对COE提出更高的要求，很多人可能永远留在了BP或SSC。与过去的企业内部COE有很大不同，专业COE咨询师对数据研究跨度更大，纵向更深、眼光更远，着眼于行业，着手于企业。
我们会不会面对机器人HR？我想不会太快。但是AI与HR的结合，这一天，会有多远，很难讲。各行业都在尝试数据共享和整合，某一天HR数据也上传入云，六大模块将会发生颠覆。基层做账会计被AI替代已在眼前，HR业务的分层也会在最近的三年发生。
实际上，很多一线城市和个人咨询师已给企业做外部HR部门的试点。很多企业家对金钱换效率算得很清楚，与其自己摸索多年，不如外包给专业公司或事务所搭好框架，再做内部填充。对于无力招聘高端HR专家的创新型企业来说，去外包公司众筹一个高效的SSC和永不下线的COE专家组，是更为划算的办法。
罗马城不是一日建成，AI也不会一举歼灭所有岗位。人在，HR就在。不想让科技工具成为我们的敌人，就要充分理解科技工具于HR的意义，找到自己的定位，掌握它，配合它，融合它。
AI与HR的未来2
牛津大学预测，在2025年，47%的工作会被机器人取代，也就是说在这个会议室里的500位HR，将有一半的人的工作会被机器人取代。
在美国加州，谷歌给出一组数据：当人类驾驶时，事故率达到每百万有4.2个，而机器人只有3.2个。很明显，机器人开车比人要安全。
无人驾驶，我们人力资源做什么？
在美国西部，IBM的休斯顿神学医院，沃森机器人看X光时比医生 快30倍 ， 准确率达到99% ，而医生的 出错率是 20%，特别是乳 腺癌，白白地将病人送上手术台。
无人医生，那我们人力资源做什么？
在美国东部的纽约，有一家刚刚创办了只有两年的公司，专注于智能投顾，只有机器人管理，提供24*7的服务，不眨眼不休息，每时每刻为社会服务。这家公司15年成立，第一年只有1.1亿美金，第二年5亿美金，现在500亿，到了20xx年，会达到2500亿的资产管理，而且都是由机器人管理。
机器人比人更赚钱，那我们人力资源做什么？
未来50%的工作会被机器人取代
我们人力资源到底该做什么？
以上是云谷慧商学院及中国HR最强大脑创始人邰宏伟在人博会现场，针对“正在被颠覆的人力资源”做的深入分析与思考，让贝贝印象深刻。
他从趋势、路径、战略和组织四个角度，对人工智能新时代的HR提出了成长路径和AI三角组织变革方案。
人工智能时代的是三个路径： 自动化、数据化、增智化。在未来70%的决策是机器人做的，人需要去做审批的工作。HR需要跳出人力资源，利用组织创新，把整个社会的资源归为己用。
那么，什么行业将会被取代？
人力资源是否会被替代？
案例分享
我在海尔呆了三年，帮助海尔做战略转型。后来收到了一个非常智能的洗衣机，每走一步路，机器人都会提醒我一句话，比如：
“您太太的红色衬衫不能和您的白色衣服放在一起洗。”
“您太太非常喜欢这件衣服。”
原来，在手机的屏幕上显示，这件衣服我太太两周洗了14次，天天穿天天洗。
“今年新款出来，打7折，要不要？”
我一次买了3件，我太太回来可使劲地夸我。
机器人，比我更懂我太太。
也因为人工智能，销售被机器人代替。历来的京东、淘宝都会被这类的机器人代替掉。
总结下，海尔转型是一年两年的探索得来的，工作流程从模块化到无人生产，黑灯工厂，最后是互联工厂。
互联工厂是干什么？
用户交互、众包定制、订单定制、生产可视、交付可视、试用体验……等等
也就是说，只有洗衣机被买回去，它的价值才开始；对于公司来说，真正的赢利模式才开始。
这个才是未来，我叫之为M2C。
人工智能这么重要，这意味着什么？
1、 自动化：无人工厂、黑灯生产
2、 数据化：洗衣机收集数据
3、 增智化：洗衣机帮助购物
这是人类历史上对机器人重新定义： 减少我们的脑力劳动，更加有意义的工作。
实现“智能时代”创新与转型的挑战
海尔当时的问题是，一年内都没有研发出一个颠覆式产品，领导让我去设计组织构架。通过调研，我发现花再多的时间在组织架构，也不能解决这个问题，反而，我帮助海尔搭建Hope这样一个平台-海尔开发合作生态系统。
任何人都可以到这个平台上去，提交你的创意方案，与海尔互动。一旦方案确定，海尔立马注资75%，让你成为老板，合作转化，盈利之后分成。每年这个平台可以孵化200多个产品。
这也是每一位人力资源需要做的事情，跳出人力资源，解决公司最根本的问题。这个平台，组织创新，将把全世界变成了海尔的人力资源部，将把全世界变成了研发部。
AI三角
总结我在海尔5年的工作经验，结合人工智能时代的到来，我得出了一个“AI三角”理论。未来的HR都要了解学习“AI三角”。
AI三角是什么？
首先你需要考虑产品与平台的关系。
红领不仅做了一个智能化的生产线，它现在进入了智能家居、智能灯具，未来还有可能进入私人定制领域等等。它这样就把一个产品公司转向了平台公司，这是未来的管理者和HR都需要考虑的。
第二个就是人思与器思。在未来，70%的决策是机器人做的，不是人做的。机器人做决策更快，看的更多。人只做审批的工作，解放人，人做决策，机器人听话。这时，你就需要思考一个问题，在你组织是人做决策还是机器慢慢代替人或者帮助人做决策。
最后一个，最最最最需要解决的是核心与大众。人力资源招聘了这么多人，还有大量的精力与时间花在培训上面，培养了一群核心力量，可惜这些核心力量基本上都带有偏见。偏见就是过去的成功阻碍了这个公司的发展。那么，真正的多视角的人在哪里？
在社会上！所以，在这个情况下，海尔就解决了核心和大众的问题。
那么未来企业的发展，就在于这三方面，而这三面几乎都是HR需要做的事情。
首先，是要考虑你司到底是做产品的组织结构还是打造平台的组织结构？这两者是完全不一样的，未来，所有做产品的公司慢慢地都会隶属于某一个平台公司。是创建一个平台还是加入其它平台？
再者，人思与器思。决策机制到底是什么？这是HR需要梳理的一个流程。
但最最最需要解决的是，核心力量和社会力量如何平衡，这是人力资源需要跳出人力工作，要解决的最大问题。
因此，我和杨老师（《组织能力的杨三角》一书作者）讨论了下：组织能力的杨三角应该转变成AI三角。
⑸ 金税四期得死多少企业
网络知道
有问题搜一搜
金税四期得死多少企业
北漂的前端
TA获得超过 911 个赞
私信
金税三期，实现了对国税、地税数据的合并及统一，而金税四期，不仅仅是税务方面，还会纳入“非税”业务，实现对业务更全面的监控。更是会充分运用大数据、人工智能等新一代信息技术，实现智慧税务和智慧监管！
拓展资料：随着数据越多，画像越准，涉税风险也越来越明显，比如说稽查，有了数据后，先归集疑点数据，发现风险点，稽查局再“按图索骥”去稽查，实际上就是将稽查过程变成了“查证系统筛查的风险点”的过程！
也就是说一些存在虚假开户、少交个税社保、虚开发票等等情况的企业，将无所遁形！企业的收入、成本费用、利润、库存、税额、银行账户、社保等都将是重点监察对象。而这一切，无一不与我们会计人员息息相关！更重要的是，很多较为“常见”的“小问题”，也可能会出大事！例如——私车公用/公车私用涉税问题企业的往来账户挂账过大同一单位员工同时存在工资薪金所得与劳务报酬所得增值税专用发票用量变动异常企业大量取得未填写纳税人识别号或统一社会信用代码的增值税普通发票。还有诸如买发票、对开发票、用发票抵税等等各种避税手段都会严查必罚！
3.
1、金税四期
在金税三期的基础，纳入“非税”业务，实现对业务更全面地的监控，再加上各部委、人民银行以及银行等参与机构之间信息共享和核查的通道，实现企业相关人员手机号码、企业纳税状态、企业登记注册信息核查三大功能。
这也说明，金税四期的推进将会使得现在的现代化税收征管系统更加强大，实现“税费”全数据、全业务、全流程的“云化”打通，为智能办税、智慧监管提供条件和基础。为更严、更精准，更全方位全智能化税务稽查打下了基础，国家织的“监管天网”越来越严密，企业违法成本越来越高。
金四期=金三期的一平台两级处理四类系统+非税业务（涉税业务全面监控）+信自己共享（打通国家各部委、人行、各银行等所有通道信息共享）+信息核查（企业相关人员手机号、登记注信息、纳税状态）+高端云化打通（税费进入全数据、全业务、全流程、全智能监控）