下载掌阅APP，畅读海量书库
立即打开
信息不对称理论是由2001年获诺贝尔经济学奖的三位美国经济学家——乔治·阿克尔洛夫、迈克尔·斯彭斯、约瑟夫·斯蒂格利茨提出的。该理论认为，在市场经济活动中，由于社会分工和专业化，各类交易主体对有关信息的掌握是有差异的，即信息不对称。信息不对称会使各交易主体处于不平等地位，掌握信息更充分的交易主体在交易中处于比较有利的地位，掌握信息更少的交易主体则处于弱势地位；信息不对称也会导致逆向选择和道德风险。不对称信息是金融风险产生的主要原因。
通常情况下，信息不对称理论被看作小额信贷业务开展的基础。对该理论进行解说，即在市场经济背景下，各市场主体对市场信息的掌控有所差异，区分出信息掌控好的主体与信息掌控弱势群体，信息优势就可显现出来。一般情况下，人们会认为在一个市场中卖方会比买方具有信息优势，对商品的了解更充分，而结果将是信息占优势的群体可以通过向信息不足的群体传递信息而获利。
这种理论体现在我国金融市场上，即为：借款人对自己的资金来源和自己信用情况非常了解，而放款人很难了解到借款人的真实信息，这就产生了逆向选择和道德风险。贷款人往往把资金借给那些本身劣质但更努力争取资金的人，从而把优质但不努力争取资金的客户挤出市场。借款人可借此进一步隐瞒对自己不利的信息，从而导致放款人发生损失，市场也难以为继。
信息不对称是金融中介存在的最重要的原因，解决信息不对称所产生的成本可看作一种交易成本，而交易成本又可分为三个方面：一是交易前搜集相关交易信息而发生的成本；二是交易中支付和结算的成本；三是交易后监督和保证合同实施的成本。现代金融理论认为，金融中介就是单个借贷者在交易中为降低交易成本，寻求规模经济的联合。
商业银行通常在放贷前会花费大量精力搜集并验证借款人的信息，以此确定其还款能力，贷款后也会花费大量成本进行监督和催收——银行贷款存在规模效益，这就是银行不选择从事小额贷款业务的原因。
在互联网金融模式下，互联网金融平台通过互联网的渠道把大量的资金需求者和供给者聚集起来，从而实现了交易之前的信息搜集成本的降低，同时交易后的监督成本也通过与平台合作的第三方担保公司或保险公司而转移，从而实现了投资者参与到投资活动中的总体交易成本的降低，进而导致该金融模式下的最低参与额降低。因而，互联网金融扩展与延伸了金融服务的范围，让很多在传统金融模式下因交易成本太高不能得到满足的中小企业和个人也能获得融资，从而优化了整个社会的资源配置。例如，阿里金融完全形成了自己的一个生态圈，通过十几年的积累，已经形成了自己的数据库与信用评级的模式。而当贷款对象违约时，互联网金融企业可以在自身的系统中调低违约方的信用等级甚至将其归入黑名单或者将其信息发布到网上，对违约企业进行警告或惩罚。
蓝海战略（Blue Ocean Strategy）是由欧洲工商管理学院的W.钱·金和勒妮·莫博涅提出的。如果我们把整个市场想象成海洋，这个海洋由红色海洋和蓝色海洋组成，红海代表现今存在的所有产业，这是我们已知的市场空间；蓝海则代表当今还不存在的产业，这就是未知的市场空间。蓝海战略其实就是企业超越传统产业竞争、开创全新市场的企业战略。
所谓蓝海战略，就是企业突破红海的残酷竞争，主要精力不是放在打败竞争对手上，而是主要放在全力为买方与企业自身创造价值飞跃上，并由此开创新的“无人竞争”的市场空间，彻底摆脱竞争，开创属于自己的一片蓝海。
针对不同类型的企业应采取不同的战略：红海战略，即在现有市场内与已经存在的企业开展竞争，遵循价值与成本互替定律，根据差异化或低成本的战略选择，把企业行为整合成一个体系。蓝海战略，即拓展非竞争性市场空间，规避与现有企业的竞争，打破价值与成本互替定律，同时追求差异化和低成本，把企业行为整合为一个体系。
红海战略和蓝海战略的比较，如表1.2所示。
表1.2 红海战略与蓝海战略的比较
互联网金融是对互联网产业以及金融产业边界的扩展而创造出来的一种新型金融业务模式，具有高需求以及高速增长的机会。蓝海战略对于信息化时代的互联网金融具有极好的启发价值。互联网金融能规避与现有企业的竞争，即规避与银行等传统金融机构的竞争，追求差异化和低成本。互联网金融不同于传统金融机构主要针对大中型企业等大客户，而是主要面向中小企业以及一些散户，推出金融产品。同时，互联网金融推出的产品具有低成本的特性，购买方便快捷。
“大数据”的概念早已有之，1980年美国著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中，将大数据赞颂为“第三次浪潮的华彩乐章”。但是直到近几年，“大数据”才与“云计算”“物联网”一道，成为互联网信息技术行业的流行词汇。2008年，在谷歌成立10周年之际，著名的《自然》杂志出版了一期专刊，专门讨论未来与大数据处理相关的一系列技术问题和挑战，其中就提出了“Big Data”的概念。2011年5月，在以“云计算相遇大数据”为主题的EMC World 2011会议中，EMC也抛出了“Big Data”概念。所以，很多人认为，2011年是大数据元年。
此后，诸多专家、机构从不同角度提出了对大数据的理解。当然，由于大数据本身具有较强的抽象性，国际上尚没有一个统一公认的定义。维基百科认为大数据是超过当前现有的数据库系统或数据库管理工具处理能力，处理时间超过客户能容忍的时间的大规模复杂数据集。全球领先的企业数据集成软件商Informatica认为大数据包括海量数据和复杂数据类型，其规模超过传统数据库系统进行管理和处理的能力。亚马逊网络服务（AWS）大数据科学家John Rauser提出一个简单的定义：大数据就是任何超过了一台计算机处理能力的庞大数据量。百度搜索的定义为：“大数据”是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。互联网周刊的定义为：“大数据”的概念远不止大量的数据（TB级）和处理大量数据的技术，或者所谓的“4个V”之类的简单概念，而是涵盖了人们在大规模数据的基础上可以做的事情，而这些事情在小规模数据的基础上是无法实现的。换句话说，大数据让我们以一种前所未有的方式，通过对海量数据的分析，获得具有巨大价值的产品和服务或深刻的洞见，最终形成变革之力。
综合上述不同的定义，我们认为，大数据是指由数据巨大、结构复杂、类型众多的数据构成的数据集合，无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理。因此，大数据最重要的不是如何定义，而是如何使用。它强调的不仅是数据的规模，更强调从海量数据中快速获得有价值的信息和知识的能力。大数据定义至少应包括以下两个方面：一是数量巨大，二是无法使用传统工具处理。
大数据不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。大数据概念里的“大”是指数据所具有的量级大以及数据的多样化。
大数据的定义体现了大数据的4V特征：数据体量巨大（volume），数据类型繁多（variety），数据、时效性高（velocity）以及数据价值密度低（value）。大数据特征如图1.2所示。
1）体量巨大
大数据的来源广泛，既有来自人类活动的，也有来自计算机和物理世界的。①来自人类活动：人们通过社会网络、互联网、健康、金融、经济、交通等活动过程所产生的各类数据，包括微博、病人医疗记录、文字、图形、视频等信息。②来自计算机：各类计算机信息系统产生的数据，以文件、数据库、多媒体等形式存在，也包括审计、日志等自动生成的信息。③来自物理世界：各类数字设备、科学实验与观察所采集的数据。如摄像头所不断产生的数字信号，医疗物联网不断产生的人的各项特征值，气象业务系统采集设备所收集的海量数据，等等。
图1.2 大数据特征
数据集合的规模不断扩大，已经从GB级增加到TB级再增加到PB级。近年来，数据量甚至开始以EB和ZB来计数。例如，一个中型城市的视频监控信息一天就能达到几十TB的数据量。百度首页导航每天需要提供的数据超过1～5PB，如果将这些数据打印出来，会超过5000亿张A4纸。
2）类型繁多
“variety”意味着要在海量、种类繁多的数据间发现其内在关联。在互联网时代，各种设备连成一个整体，个人在这个整体中既是信息的收集者也是信息的传播者，加速了数据量的爆炸式增长和信息多样性。这就必然促使我们要在各种各样的数据中发现数据信息之间的相互关联，把看似无用的信息转变为有效的信息，从而作出正确的判断。
3）时效性高、速度快
Velocity可以理解为更快地满足实时性需求。时效性高主要表现为数据流和大数据的移动性，要求对大数据进行实时分析而非批量式分析，数据的输入、处理与丢弃必须立竿见影而非事后见效，一般要在1秒时间给出分析结果，否则处理结果就是过时和无效的。实时处理的要求是区别大数据应用和传统数据仓库技术、BI技术的关键差别之一。
4）商业价值高、价值密度低
大数据特征里最关键的一点就是“value”，“value”的意思是指大数据的价值密度低。大数据时代，数据的价值就像在一堆沙子里面淘金，数据量越大，里面真正有价值的东西就越少。现在的任务就是在这些ZB、PB级的数据里，利用云计算、智能化开源实现平台等技术，提取出有价值的信息，将信息转化为知识，发现规律，最终用知识促成正确的决策和行动。
大数据的类型有三种，即非结构化数据、半结构化数据和结构化数据。非结构化数据是指没有固定格式的数据，如PDF、E-mail和一般文档。半结构化数据是指类似XML和HTML、有一定加工处理的数据。结构化数据则是指具备一定格式，便于存储、使用，并可从中提取信息的数据，例如，传统的各种事务型数据库中的数据。
虽然大数据目前仍处在发展的起步阶段，尚存在着诸多困难与挑战，但我们相信，随着时间的推移，大数据未来的发展前景非常可观。
1）数据将呈现指数级增长
近年来，随着社交网络、移动互联、电子商务、互联网和云计算的兴起，音频、视频、图像、日志等各类数据正在以指数级增长。2011年，全球数据规模为1.8ZB，可以填满575亿个32GB的iPad平板电脑，这些iPad可以在中国修建两座长城。而在2020年，全球数据量达到了60ZB，如果把它们全部存入蓝光光盘，这些光盘的重量和636艘尼米兹号航母的重量相当。
2）数据将成为最有价值的资源
在大数据时代，数据成为继土地、劳动、资本之后的新要素，构成企业未来发展的核心竞争力。《华尔街日报》在一份题为《大数据，大影响》的报告中宣传，数据已经成为一种新的资产类别，就像货币或黄金一样。IBM执行总裁罗睿兰认为，“数据将成为一切行业当中决定胜负的根本因素，最终数据将成为人类至关重要的自然资源”。随着大数据技术的不断发展，大数据将成为机构和企业的重要资产和争夺的焦点。谷歌、苹果、亚马逊、阿里巴巴、腾讯等互联网巨头运用大数据获得了商业上更大的成功，并且将会继续通过大数据来提升自己的竞争力。
3）大数据和传统行业智能融合
通过对大数据的收集、整理、分析和挖掘，我们不仅可以发现城市治理难题，掌握经济运行趋势，还能够驱动精确设计和精确生产模式，引领服务业的精确化和增值化，创造互动的创意产业新形态。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。百度、阿里、腾讯等通过对海量数据的掌握和分析，为用户提供更加专业化和个性化的服务。在智慧城市建设不断深入的情况下，大数据必将在智慧城市中发挥越来越重要的作用。由城市数字化到智慧城市，关键是要实现对数字信息的智慧处理，其核心是引入大数据处理技术，大数据将成为智慧城市的核心智慧引擎。智慧金融、智慧安防、智慧医疗、智慧教育、智慧交通、智慧城管等，无不是大数据和传统产业融合的重要领域。
4）数据将越来越开放
大数据是人类的共同资源、共同财富，数据开放共享是不可逆转的历史潮流。随着各国政府和企业对开放数据带来的社会效益和商业价值认识的不断提升，全球必将很快掀起一股数据开放的热潮。事实上，大数据的发展需要全世界、全人类的共同协作，变私有大数据为公共大数据，最终实现私有、企业自有、行业自有的全球性大数据整合，才不至于形成一个个毫无价值的“数据孤岛”。大数据越关联越有价值，越开放越有价值。尤其是公共事业和互联网企业的数据开放，将使数据越来越多。目前，欧美等发达国家和地区的政府都在政府和公共事业的数据上作出了表率。中国政府一方面带头力促数据公开共享；另一方面，还通过推动建设各类大数据服务交易平台，为数据使用者提供丰富的数据来源和数据的应用。
5）大数据安全将越来越受重视
大数据在经济社会中应用日益广泛的同时，其安全也必将受到更多的重视。大数据时代，在我们用数据挖掘和数据分析等大数据技术获取有价值信息的同时，“黑客”也可以利用这些大数据技术最大限度地收集更多的有用信息，对其感兴趣的目标发起更加“精准”的攻击。近年来，个人隐私、企业商业信息甚至国家机密泄露事件时有发生。对此，欧美等发达国家纷纷制定并完善了保护信息安全、防止隐私泄露等相关法律法规。可以预见，在不久的将来，其他国家也会迅速跟进，以更好地保障本国政府、企业乃至居民的数据安全。
6）大数据人才将备受欢迎
随着大数据的不断发展及其应用的日益广泛，包括大数据分析师、数据管理专家、大数据算法工程师、数据产品经理等在内的具有丰富经验的数据分析人员将成为全社会稀缺的资源和各机构争夺的人才。国际咨询公司Gartner资料显示，在2015年，研究表明，美国的数据科学人才非常充足，人才技能供求出现“顺差”，即就业者能够大大满足企业的需求。而截止到2018年的8月，领英的研究数据显示，数据科学领域出现了非常严重的人才短缺，美国数据科学家的人才缺口大约为151717人。美国通过国家科学基金会，鼓励研究型大学设立跨学科的学位项目，为培养下一代数据科学家和工程师做准备，并设立培训基金支持对大学生进行相关技术培训，召集各个学科的研究人员共同探讨大数据如何改变教育和学习等。英国、澳大利亚、法国等国家也对大数据人才的培养作出专项部署。IBM等企业也开始全面推进与高校在大数据领域的合作，力图培养企业发展需要的既懂业务知识又具备分析技能的复合型数据人才。
早在2006年，Thomas就比较研究了大数据在美国和欧洲各行业的发展状况。他认为，企业必须广泛推行以事实为基础的决策方法，大量使用数据分析来优化企业的各个运营环节，通过数据的优化和对接，把业务流程和决策过程当中的每一份潜在价值都挤出来，从而节约成本、战胜对手，在市场上幸存。他从咨询行业的角度，论证了大数据在为企业的发展提供事实依据上有无可比拟的优势。其实，大数据的意义不仅局限于数据的获取与储存，也包含数据挖掘和数据分析。大大小小的公司，其实都收集了大量数据，只不过在过去，这些数据储存在不同的系统当中，如财务系统、人力资源系统和客户管理系统，是信息孤岛。而现在，这些系统彼此相连，通过数据挖掘技术，可以获得一幅关于企业运营的完整图景，从而可以帮助企业提高运营效率和预测未来的能力。
互联网金融对于数据的数量、质量有着很高的要求，因此随着大数据的快速发展，大数据也逐渐应用于互联网金融当中，集中表现为风险管理、金融创新、促进资源优化、打破客户信息垄断4个方面。
1）风险管理
传统金融的风险管理注重的是企业资产规模、财务状况、资金流量和个人的身份地位、收入水平、资产规模等这些硬信息，资产抵押或质押通常也是缓释风险的主要机制。但互联网金融更加注重企业的实际交易行为轨迹。互联网平台所产生的云数据，客观地描述了相关交易主体的履约状况和信用水平，真实展现了他们的商业行为轨迹。大数据技术通过采集更全面、更及时、更真实的数据，快速地找出不同变量之间的相关关系，挖掘数据背后的风险信息，帮助互联网金融机构迅速、准确地识别和监控风险，改善风险决策模式，提高风险管理效率。例如，美国的一家网贷公司采用大数据技术，实时搜集网店店主的销售、顾客流量、商品评价、物流、店主在脸书（Facebook）及推特（Twitter）等社交平台上与客户互动的信息，通过各类信息的交叉验证分析，在数分钟内即可评估店主的信用风险水平，并计算出合适的贷款额度和利率，快速实现放贷。通过将互联网各个角度的信息转化为个体的信用信息，这家网贷公司实现了传统金融机构一般不愿涉足的小微网店贷款业务，这得益于大数据技术迅速采集和处理多渠道、多结构数据的能力。
2）金融创新
大数据的基本特征是数据的收集和信息的处理，而这也是互联网金融模式的核心，数据的收集能力和信息处理能力对金融业务的成本控制、风险控制有很大的影响，大数据的应用能有效地促进互联网金融的创新。大数据能对交易数据进行有效的分析，从而识别出市场交易模式，并帮助决策者制定高效的套利策略。大数据能对微博、Twitter等社交网络市场的信息进行分析，并对搜索引擎中的搜索热点进行重点关注，从而快速、高效地制定投资策略。同时大数据不仅能对中小型企业的日常交易行为数据进行分析，还能判断出财务管理制度不健全企业的经营状况及信用情况。
3）促进资源优化
在互联网金融中应用大数据，能有效地促进资源优化配置。互联网能促进投资和融资双方的信息发布、交流和匹配，不需要银行、证券和基金等部门的参与，例如，美国的Lending Club在为会员提供贷款业务时，是利用P2P网贷平台进行的，并没有利用银行机构；而Google的IPO是采用在线荷兰式的方法进行拍卖，并没有利用传统的投行路演、询价报价进行拍卖。近年来，我国涌现出大量的P2P平台，这些平台既有银行参与的融资项目，也有金融信息服务企业组建的网络贷款平台，这些平台为中小型企业的筹资指明了方向，也为投资人提供了低成本、高收入的投资渠道。可见，大数据能有效地整合互联网金融资源，为金融市场提供快速、高效的运营平台，对互联网金融的发展有十分重要的作用。
4）打破客户信息垄断
随着大数据时代的到来，金融市场变得更加透明。金融客户的信用状况会因其资产以及各类交易状况的差异而不同。为解决信息不对称的问题，传统的商业银行需要投入大量的人力、物力、财力进行信息搜集、分析、整理；而互联网金融平台则能利用自身的优势将交易双方信息收集起来，并建立新的信息来源途径；其他网络平台也会搜集大量的信息，如物流运输公司、网络支付企业等会搜集到大量的运输信息、价格信息、支付信息等，这些信息可以成为衡量客户个人信用的重要依据，这打破了传统的金融机构垄断客户信息的现象。社交网络具有很强大的信息传播功能，云计算具有很强的信息处理能力，搜索引擎具有很强大的信息检索能力，这些技术为创建成本低、更新快、精准度高的信息平台提供了有力的依据。
长尾理论是网络时代出现的一种新理论。长尾（The Long Tail）这一概念是由美国《连线》杂志主编克里斯·安德森（Chris Anderson）于2004年首次提出的。根据克里斯·安德森在其著作《长尾理论》（2012）中对“长尾理论”进行的定义，其可以简单概括为“我们的文化和经济中心正在加速转移，从需求曲线头部的少数大热门（主流产品和市场）转向需求曲线尾部的大量利基产品和市场”。一方面，“长尾理论”基本原理是积少成多，把小市场积累起来的利润累积，最后创造出大的市场规模。安德森同时指出了“长尾理论”与互联网经济的依赖关系，并相信“长尾理论”将指引互联网经济的发展方向并能创造巨大的盈利空间。另一方面，随着互联网技术的进一步成熟，线上财富潜力的进一步挖掘，众多互联网企业开始进军金融业，同时传统金融业也紧随时代脚步开始了互联网金融的征程。
长尾理论被认为是对传统的“二八定律”的颠覆。“二八定律”即指20%的重要部分会造成80%的重大影响，可以理解为20%的热门产品会创造80%的收入。“二八定律”中被忽略不计的80%就是所谓的“长尾”。而在“长尾”经济理论中，利润将被一分为三：2%的大热门产品、8%的次热门产品以及剩下90%的长尾产品会创造出相等的，也就是33%的利润。克里斯·安德森通过运用大量的数据统计，证明了大热门产品实际上与冷门产品拥有相同的利润创造能力。这也就意味着关注“长尾产品”与继续争夺热门产品可以达到相同的现实意义。长尾理论的一个经典案例是亚马逊网络书店。在亚马逊网络书店的图书销售额中，有1/4来自排10万名以后的书籍。边际成本递增与边际成本递减条件下的供给需求曲线，如图1.3所示。
图1.3 边际成本递增与边际成本递减条件下的供给需求曲线
我国商业银行的经营模式符合“二八定律”理论，不论是在业务品种、利润来源、营业时间等方面，都符合该定律，“二八定律”已经成为商业银行经营决策的指导。互联网金融的出现正是颠覆了所谓的“二八定律”，将目标客户群体定位在被商业银行“放弃”的众多小微企业及广大中小客户，通过个性化的设计激发客户的需求，积少成多，使无数小需求汇聚成显著的长尾效应。
截至2021年年末，全国企业的数量达到4842万户，其中99%以上都是中小企业，从业人数占全部企业从业人数的比例高达80%。量大面广的小微企业构成了信贷市场的潜在“长尾”，这一部分群体虽然单体的贷款需求相对较小，但累积总量其实并不小。但受制于抵、质押物不足和信用信息缺乏等问题，绝大多数的小微企业被排斥于传统的信贷市场之外。据全国工商联调查显示，约90%规模以下小企业无法从金融机构获得贷款。
信贷市场能否变为“长尾”市场，根本在于能否有效降低小微企业的贷款成本，其中最主要的成本是信息成本。借助大数据、云计算等技术，互联网金融能够在一定程度上低成本地解决信贷市场的信息不对称问题，能够为传统信贷市场无暇顾及的“尾部”市场提供碎片化、低门槛的金融服务。一个典型的例子是蚂蚁微贷。蚂蚁微贷采用集中的信贷流水线操作模式，借助大数据的信用评分模型，大大降低了单笔信贷业务的操作时间和操作成本。小微企业及个人可以通过互联网完成贷款的在线申请、在线审批、在线签约、在线放款。据测算，传统信贷模式下单笔信贷操作成本约为2000元，而借助互联网技术的蚂蚁微贷模式操作成本仅可低至2.3元左右。贷款成本的下降，使贷款“尾部”市场得以大大拓展。据了解，蚂蚁微贷的最小单笔贷款低至100元，这在传统的信贷市场是不可想象的。蚂蚁金服2020年招股说明书显示，截止到2020年6月末，蚂蚁集团放贷规模合计达到21537亿元（其中消费信贷17320亿元，小微经营信贷4217亿元），服务约5亿用户和超2000万小微企业。截至2017年、2018年及2019年底的小微经营者贷款的30天+逾期率分别为1.29%、2.17%及2.03%，90天+逾期率分别为1.1%、1.67%及1.57%。传统银行与蚂蚁微贷的比较如表1.3所示。
表1.3 传统银行与蚂蚁微贷的比较
（资料来源：蚂蚁金服）
R. Merton和Z. Bodie（于1993年提出）的金融功能观也为我们提供了一个理解互联网金融的独特视角。该金融功能观认为：①金融功能比金融机构更稳定，即随着时间的推迟和区域的变化，金融功能的变化要小于金融机构的变化；②金融机构的功能比金融机构的组织结构更重要。而金融体系主要提供以下几个功能：首先，为交换提供支付手段；其次，为企业和个人提供融资和投资的机制；最后，提供管理不确定与风险控制的机制。与传统金融相比，互联网金融并不突出金融组织和金融机构，而是基于金融功能更有效的实现而形成的一种新的金融业态，其基础理论仍是金融功能理论。
如今，对金融的核心基本功能，互联网金融在一定程度上都有所涉及和革新。如在支付职能方面，虽然第三方支付并没有创造新的支付工具，仅是在传统的支付方和收款方之间增加了第三方支付的媒介通道而已，但这样的第三方支付媒介在互联网中却是非常必要的。事实上，第三方支付可被看作传统金融支付手段在互联网条件下的拓展和延伸，具有灵活、便捷、快速、安全的特点，这是传统金融支付结算难以达到的，提高了全社会传统金融支付的效率与使用范围。相对于支付功能而言，互联网金融提供的融资与投资功能或许表现得更为突出。互联网金融为企业和个人提供了投资和融资的新机会和新渠道。互联网金融的资源配置功能或提供的融资服务，是对传统金融融资功能的结构性补充，更有效地解决了某些特定的资金供给与资金需求的匹配性，完成了在传统金融结构下难以完成的某些特定的资金供求的撮合，使金融资源配置功能的实现更丰富、更结构化。互联网金融在财富管理方面，实现了财富管理的大众化，这显然是对传统金融财富管理富人化观念的一种颠覆，使财富管理功能的内涵和外延得到极大深化与延伸。互联网金融具有更有效率的信息生产方式，可以以更低的成本解决信息不对称问题，因此为更多的企业和个人提供了融资与投资的途径。同时，互联网金融企业拥有更多的数据，也更加透明，因而还可以更好地进行风险管控。互联网金融在金融其他功能的实现过程中，要么降低其成本，要么拓展其内涵，要么提升其效率，或者兼而有之。
普惠金融是指一个能有效地为社会所有阶层和群体提供服务的金融体系。自2005年起，联合国率先在推广小额信贷年时开始广泛使用普惠金融这一概念。普惠金融理念是衡量一国金融体系公平性的最高标准。我国推行普惠金融由来已久，主要表现在对小微企业的金融服务中。与10年前相比，我国的普惠金融已经有了显著的改善。近年来，有关部门坚持正向激励的监管导向，创新差异化监管政策，激发银行业服务小微企业的内生动力，提升小微企业贷款覆盖率和申贷获得率，清理收费项目、缩短融资链条、提高贷款审批和发放效率。截至2022年6月，全国银行业金融机构小微企业贷款余额55.84万亿元，其中普惠型小微企业贷款余额为21.77万亿元，同比增速22.64%。较各项贷款增速高11.69个百分点。有贷款余额户为3681.33万户，同比增加710.02万户。
近年来，国家出台了一系列促进普惠金融发展的政策。一是狠抓政策落实，确保小微企业贷款增速不低于各项贷款平均增速、贷款户数不低于上年同期户数、申贷获得率不低于上年同期水平、主要服务于小微企业的地方银行在审慎经营前提下自主确定小微企业贷款规模。二是合理设定小微企业流动资金贷款期限，不得随意抽贷、压贷、断贷。推广无还本续贷。采取循环贷款、分期偿还本金等方式减轻企业负担。支持商业银行扩大应收账款质押融资规模，探索其他动产质押融资试点。三是坚决清理整顿融资过程中的各种不合理收费，支持金融、融资担保机构优化绩效考评指标，为小微企业和“三农”减费让利。四是鼓励金融机构创新大额存单、可转换票据、集合债券等产品，引导更多社会资金投向小微企业，拓宽直接融资渠道。支持各地建立应急转贷、风险补偿等机制，更好地发挥融资担保和保险的增信分险作用。
尽管近年来我国普惠金融发展取得了积极进展，但在服务的覆盖面、可得性和便利性方面仍存在着诸多问题。一是服务不均衡，金融资源还是更多地向经济发达地区、城市地区集中，西部地区、农村地区获得金融服务相对还是较少。二是体系不健全，支持普惠金融的法律法规体系仍不完善，政策性金融机构功能发挥不够。三是商业类普惠金融可持续性不够，风险大、成本高、收益低，商业银行参与普惠金融内在积极性不高。四是服务模式和技术手段还不适应普惠金融的需要。商业规则和运行平台的约束，造成传统金融难以树立普惠性理念，中小微企业仍然是传统金融服务的薄弱领域。
互联网金融突破了传统商业银行在推行普惠金融中的数个难点，其利用大数据分析来改造金融服务，开拓了普惠金融的一种创新模式。互联网金融十分有效地弥补了传统金融的内在缺陷。它以互联网为平台，以信息整合和云数据计算为基础，开创了一个自由、灵活、便捷、高效、安全、低成本、不问地位高低、不计财富多少、人人可以参与的新的金融运行模式。在这里，小微企业可以获得相应贷款，需要资金周转的小微企业可以找到手持盈余资金但却投资无门的投资者，尽管他们可能面临比传统金融更高的风险；低收入群体可以享受财富管理带来的喜悦；消费者可以体验快捷支付带来的时间效率。这些被传统金融所忽视的企业、个人终于在互联网金融上获得了适当的金融服务。金融服务第一次摆脱了对身份、地位、名望、财富、收入的依赖，显然它是对普惠金融理念的践行，而这正是互联网金融强大生命力的源泉。