品鈦首席科學家任然受邀出席 2019 中國金融創新論壇，並參加「風控管理與創新」圓桌論壇。本次論壇演講與與會嘉賓有原中國銀監會副主席蔡鍔生、cft50 首席經濟學家楊濤、中國信託業協會會長姚江濤，以及工商銀行、建設銀行、中國銀行、農業銀行等百餘家銀行與金融機構代表。品鈦憑藉saas+服務體系獲「十佳智慧型風控創新獎」。
( 2019 中國金融創新論壇)
以下為品鈦任然演講實錄：
|沙子中淘金vs金山裡淘沙
我曾經在capital one研究風控反欺詐，也做過業務。傳統意義上經常將信貸分成貸前、貸中、貸後，而將風控集中在貸前——只有當使用者申請信貸時，才開始進行風控，這樣的風控我認為應該定義為「貸時」風控。真正有效的做法，其實應該貫穿全流程，將風控延伸到最最開端的營銷獲客和流量入口。
品鈦的商業模式就是從這一端開始。品鈦的團隊不僅僅提供建模服務，因為風控模型所帶來的資料決策輔助效用只是一方面。另一方面的價值，也是銀行客戶們對品鈦尤其感興趣的一點，是品鈦在連線金融機構時為其所帶來的優質場景與流量。
品鈦的saas+業務體系，「saas」是軟體系統，「+」則是增值服務。品鈦一端是金融機構，一端對接上百家商業場景，一方面是幫商業夥伴打造了很多金融創新產品，另一方面也讓金融機構在開放銀行的程序當中加速場景布局，在多樣化場景的支撐下，為金融機構開發出更多的金融能量。這裡的上百家商業機構包括了攜程去哪兒等**旅遊平台、唯品會等電商、學霸君等**教育平台、以及中國電信、中國移動等運營商，還包括了銀聯商務和拉卡拉等聚合支付平台、百望等財稅平台，等等。
(品鈦saas+服務體系)
我們怎麼樣去幫金融機構找到乙個好使用者?這個過程，其實很大程度上已經決定了風險。
在砂礫裡面找金子，是一件很難的事，不是不能做，只是商業持續性不夠優秀。那要怎樣把這個過程變成從金山裡淘沙呢?就是通過風控前置。把風控要前置在營銷端，從獲客時甚至在獲客之前，使用者可能還沒有來申請業務，你對他就已經有風險上的把控和分層了。
最開始，這一連線的需求是集中在商業機構端的。在batj體系以外有很多消費金融的長尾客戶，他們聚集在各種各樣的線上、線下平台。這些平台也想去做流量的金融變現和客戶的轉化提公升，也需要類似於花唄、借唄、白條等的產品。但是從他們本身的電商性質來看，並不擅長金融。而品鈦則可以在這個過程中幫他們完成乙個乙個的環節，連線乙個乙個的金融機構，最終開啟白牌業務。品鈦的團隊也在不斷增多的業務場景、使用者篩選、模型迭代等全流程中得到了充足的實戰經驗。
在此之後，越來越多的金融機構開始看到場景的力量。銀行客戶最常關注的、品鈦的兩個增值服務：資料模型和場景流量，兩者在與業務場景結合時也都爆發出了新程式設計客棧的能量，進一步為c端的客戶也提供了更為便捷、高效的金融服務。
(品鈦首席科學家任然)
|資料「藍領」多年在數十個場景中打磨，熟能生巧
我主要負責資料模型，很多人覺得機器學習是很高尚很高大上的事情，但其實實操過程挺「藍領」的。
我一直比喻模型團隊就和做廚師研發菜譜一樣，不同的業務場景有參考價值高的資料，也有擾亂決策的資訊，怎麼樣去選變數、使用變數是非常重要的環節。這就像每天去市場上尋菜，尋資料來源，這家有什麼菜，哪個好哪個不好;買回來了，是小炒還是紅燒等等。我們做了很多事情是在找尋，在挑選，在處理，這些看似「藍領」的工作其實非常重要。甚至可以說演算法訓練模型其實只是最後的10~20%的工作，80%以上的工作都是在做變數處理，有時候做了很多很多任務作，到最後放到模型卻看不出效果，但在一次次試錯中持續地去做，才能顯現出價值。
有乙個幾年前的例子，當時我們給一家金融機構做反欺詐和線上流程優化。我們很詫異地發現，一些信貸申請者雖然留了手機，但回撥過去卻是空號——理論上來說每個使用者申請的時候手機號都是正常使用狀態，也是通過運營商驗證的。但為什麼打**回訪的時候，金融機構卻說變成空號了呢?我們後來發現原因很有意思。很多客戶是多次申請貸款的「老手」，他開啟了乙個功能：非通訊錄的人拒接或自動轉移到空號上。在申請階段，他可以收到驗證簡訊完成申請，但等金融機構回撥時，由於金融機構的**不在他們的通訊錄裡，就自動轉移到乙個假號碼，比如說 9999999 之類的**上。他的手機有在網記錄，有通話，有簡訊，每個月也都正常的消費，是乙個看似「沒問題」的使用者，從常規層面也很難排查。
我們怎麼樣去識別他們，又不錯傷大量正常客戶?基於此我們做了大量的延伸，我們後來發現這些使用者有乙個特點：他的這個號碼並不是他的常用號碼，他用這個號碼只是來申請貸款，註冊各種平台，收驗證碼，但是他很少用它打**。單單從通話時間這個變數是無法定位這樣人群的，因為有的正常客戶也很少打**，我們當時做了很多測試，最後發現乙個很好用的變數：就是把他發簡訊的數量除以他打**的分鐘數，這個比例非常有效。如果這個比例非常高則表示他用來打**的頻率遠遠低於他發簡訊，這個是不正常的。
其實這些工作沒有什麼原理或者什麼技術能夠解決，也不是說什麼演算法高階，就能夠解決所有棘手問題，最終還是要有業務場景業務支援。
回到本質上說，其實做模型很多時候是十分重複性的、枯燥的工作，但是我們必須要做，因為這些東西沒有捷徑，長遠積累就會成為別人不可超越的門檻。市場上資料來源其實就這麼多，就像菜市nvqhdj場的菜一樣，大家買來買去、接來接去也就這麼多。但是怎麼樣在這個資料來源體系裡面去做的更精細、模型效果更好，就得靠我們多年從數十個場景中不斷實戰經驗中得來的優勢。
(「智慧型風控：管理與創新」圓桌論壇)
|技術不是萬能的，風控必須與業務結合
在智慧型信貸時代不能夠單一的去看業務，也不能單一去看風控。風控不應該是乙個後台的環節，而應該打通前後端，走到前台來多參與業務。
其實從演算法層面來說，包括大資料、人工智慧等高科技的詞彙都不是演算法優劣的標尺。我贊同剛才周行(注：江蘇銀行副行長周凱)所說的「只有合適或不合適，而沒有最好」。我們做模型也不一定堅持每乙個模型都要運用高階的機器學習演算法，同樣的，運用了機器學習的模型也不一定就要摒棄邏輯回歸等基礎演算法。高階演算法不是模型優劣的標尺，適配業務場景的模型才是最重要的，因此怎麼把技術最好的應用在業務場景中是我們更關注的一點。
比如說從小微企業風控角度來說，小微企業的智慧型信貸第乙個難點在於獲客，有線上的、線下的，有經營類的、稅務的等等。第二個在於他們的資料離散。消費金融領域發展的比較好，是因為個人有基本的三要素資訊，通過身份證、**這些基本資訊就能夠有乙個較好的判斷，但是小微企業並沒有能夠覆蓋90%的某個資料來源。所以品鈦跟很多小微商戶流量平台，稅務平台，支付平台都有合作比如百望、拉卡拉、哆啦寶等等。
乙個模型是無法精準描述不同場景的客戶的，有的小微企業主要業務**下，那麼線上的模型不一定實用，模型的分布、ps也會偏得很厲害。品鈦的合作不僅僅是流量層面，更戰略性的是我們共同去做資料的整合輸出，希望能夠針對不同的場景做的更加精細和精準。集中**下的小微企業客戶，就必須要用線下場景訓練模型效果，同時還要進行風控前置，從營銷端就做到精準獲客。
第二，其實金融機構的痛點不完全是演算法層面，而是實踐層面。以品鈦自身來做例子，我們是國內做最早期開始做開放市場的，也是大資料領域比較前沿的公司，我們也曾經碰到很多問題。那時候我們做模型，做出來的模型效果測試非常好，但是卻各種原因導致無法上線——有時候可能它是非線性的模型，有時候是用到資料來源比較多等等各種各樣的情況讓它落地困難。在這麼多年的訓練、測試、資料積累後，我們明白，在給金融機構服務的過程中，有時候交付的不只是乙個優秀的模型，而是幫他們完成快速模型部署、快速上線和監控系統。
實踐落地好像聽起來不太高大上，但它就像決策引擎的乙個「外掛程式nvqhdj」，可以掛在大部分金融機構上。很多時候金融機構都會有自己的決策引擎，已經不需要我們再去提供品鈦的決策引擎，但我們可以在外面做乙個外掛程式，這部分品鈦已經做得很成熟，上線可以在一天之內完成。
本文標題: 品鈦2019中國金融創新論壇「十佳智慧型風控創新獎」
本文位址: /news/media/260403.html
中國金融科技的創新與開放，加速「出海」布局全球
近年來，中國金融業發展迅猛，尤其是人工智慧 大資料 雲計算等新興科技的成熟應用，不斷催生新的金融消費模式，為金融行業帶來全價值鏈優化。受益於國內金融科技發展 彎道超車 的機遇，為收穫更加廣闊的空間，攜程式設計客棧帶成熟技術和商業模式開闢海外市場被納入越來越多中國金融科技企業的發展戰略，不斷跨越空間邊...
度小滿金融榮獲德勤「2019中國明日之星」
11 月 20 日，德勤舉行第十五屆 www.cppcns.com 2019 中國高科技高成長 50 強暨中國明日之星 頒獎典禮，度小滿金融憑藉在金融科技領域的領先地位和廣闊的成長空間，榮獲 2019 中國明日之星 程式設計客棧 2019 中國高科技高成長 50 強暨中國明日之星 評選，是德勤主辦的...
龍環普惠受邀參加2019中國數字普惠金融大會
3 月 22 日，由中國通訊學會 金融科技創新聯盟主辦，中國金融資訊網聯合主辦，國家網際網路金融安全技術專家委員會支援的 2019 中國數字普惠金融大會在北京國賓酒店召開。本次大會以 推動數字普惠金融高質量發展 為主題，有來自國家 工信部 國家網信辦 人民銀行 銀保監會 西城區 以及行業協會 金融機...