盘点这些公司金融科技发展状况 看5G时代如何实现金融业务“三升两降”

同盾CEO蒋韬:大数据风控 要将欺诈一网打尽

• 作者 裘雪琼 •
2016年11月24日15:44 • 速途网

  6个月前,同盾科技完成B+轮3200万美元融资。

  比这更让我高兴的是,创业三年,公司没有偏离初衷,我们还是希望为不同企业提供服务,通过数据共享建立反欺诈联盟。依托这个联盟,一个欺诈者无论如何变换身份,只要他敢在一家机构作案,我们就能通过追踪到其行动轨迹预警所有服务的机构。

  萌发上述初衷时,我已在互联网行业工作了9年。2004年在复旦大学获得计算机科学硕士学位后,我先在IBM全球化实验室做研发,又在美国一家创业公司做研发管理。这样的生活持续5年后,我回国入职阿里巴巴。正是在这里,我首次接触到互联网风控这个领域。

  风控即“风险控制”,它对于从业者的综合要求相当高。首先,你必须要懂工程技术,因为它涉及大量的实时计算;其次,你要深刻了解算法,因为这个行业需要不断建立和完善数学模型;最后,你还要懂得攻防战术,这点要求你必须下功夫研究欺诈分子的工作方式和特征。

  作为一家大数据风控服务提供商,我们帮助企业识别平台上潜在的两种风险:一种是欺诈风险类,如用虚假身份证、手机号虚假交易或申请贷款,这类情况中的当事人通常在主观上就有欺骗的愿望;另外一种风险是信用风险类,也就是借款人因为各种原因失去了还款能力,存在违约概率风险。

  在烧钱模式风靡的互联网领域,反欺诈尤为重要。企业愿意烧钱,是因为他们想获得真实客户。但因为越来越高超的作弊手段,欺诈者有时只要十几分钟就能拿走很多用于营销的钱。因此,风控公司不但要找到欺诈者,还必须在短时间内预防欺诈行为,避免造成更大损失。

  这种极富挑战性的工作正是我喜欢的。在阿里巴巴,我主导开发了好多款基础反欺诈和风险控制产品。工作时间长了,我发现有很多中小公司对各类网络欺诈不胜其烦,却苦于自身无力应对,市面上也缺少提供专业服务的第三方公司,这样我看到了一个商机。

  是继续留在阿里,获得近在眼前、数量可观的期权收益;还是离职创业,成立一家中立的大数据风控公司以服务更多企业?这道选题让我一开始非常犹豫。身边的朋友们都觉得,企业一般不愿意共享自身的客户数据,做这件事难度系数太大,纷纷劝我放弃。但创业念头一旦生成就难以抑制,我总是说服我自己说:试一下吧,就算这样失败了,你也不会后悔。

图片 1

  我还是选择了创业。2013年10月,我离开阿里,随后一个月里,两个阿里巴巴安全部门的老同事、一个曾在PayPal工作的复旦学弟也加入了进来。在福地创业园一期一间与另外两支创业队伍共享的免费办公室里,我们六七个人把两张长方形桌子一拼,安装好从我家中搬来的电脑,就算正式开业了。

  头几个月,团队一边给客户做项目挣钱,一边着手布局云服务产品的搭建。于我而言,招人是一项重要工作。我在智联招聘、拉勾、内推等平台注册都申请了账号,每天抽时间一页页浏览求职人员的简历。看到有不错的人选,我立马一个电话打过去,约时间见面聊。为了找到30名员工,我至少打了300通电话。

  到2013年末,互联网金融起势,新金融机构纷纷涌现。与设有线下门店、把关严格、手续完备的传统金融机构相比,大部分新金融机构的风险控制能力都非常弱。通常,借款人只要注册身份证号和手机号就能获得几万块现金的贷款,许多新金融机构几乎没有有效的反欺诈措施。一旦这些钱被贷给某个虚假借贷人,血本无归就是惟一的结果。

  项目订单一下子加大了。我们一方面不断根据客户需求开发模型、研发策略、部署上线,并供给后续服务。另一方面也抓紧时间进行技术攻关。当时,数据模型的迭代和升级速度特别快,每周“魔鬼发布日”前,技术产品团队都经常通宵达旦以求完美。

  “打鸡血”一样的氛围中,首款风控云产品——反欺诈云上线了,其内置的风险决策系统能够自动为测试数据选择模型。这是一个非常好的产品,但当时的同盾只是名不见经传的小公司,最开始只有2家客户。没有标杆客户,业务在几个月时间中也都没有增长。现实困境下,我们只能实行“效果付费”,公司都可以先免费测试,认可效果后再付费。我自己也频繁出差,一家一家上门拜访,向客户介绍我们的产品和服务。

  为了和第一家银行客户达成合作,我们前前后后沟通了8个月。对方每打来一通电话,我和技术团队就从杭州直飞北京,飞了不下20趟。有一次抵达后,我们驻场该银行做系统测试。当时,银行给了我们100笔已发放的贷款数据,其中有5笔是欺诈分子申请的坏账,银行要求我们找出这5笔贷款。

  我们把这些数据导入云服务系统一跑,出现了8笔可能的坏账,其中4笔和银行已发现的5笔重叠,另外4笔则是新发现的。又等了3个月,这4笔里可疑贷款里果然又出现2笔坏账。这个超出预期的表现证明我们的产品可以覆盖已知坏账,还能预测未来坏账,由此帮助我们打败其他竞争对手,赢得了这家银行的信任与订单。

  与第二家银行接触,我们照样全力以赴。白天,我们按照客户的需求随时改动代码;晚上,回到旅馆后继续修改。没有网络,我们就不停买流量,开Wi-Fi热点,整整改动了三天三夜。不过,这次项目竞争我们输了,那家银行选择了一个他们更加熟悉的机构合作。

  这是我们可以预见的困难,金融机构大多传统,想让他们接受新事物不可能一帆风顺。但幸运的是,经过这三年时间,国内企业的理念发生了很大变化。

  三年前,很少有金融机构愿意共享数据以实现联防联控,他们认为数据是最核心的资产;而现在,很多金融机构都意识到这一模式的价值。目前,我们有遍布全国的5000多家企业客户,这些客户超过一半是金融信贷机构
,其余则涵盖保险、电商、游戏、O2O、社交、三方支付等几乎所有互联网领域。

  平均每天,我们收到的客户被请求量都能达到3000万次,我们因此发现了很多欺诈的模式。现在,我们对每个请求的反应时间已经提速到不足200毫秒。而且,我们的服务也越来越完善了。

  此前的反欺诈云只能识别是否该给某人发放贷款,2015年推出的信贷风控云及信用评分则能建议应给某人贷款多少金额。我们拿到信贷机构给出的个人客户数据,通过交叉验证这些个人客户在所有信贷场景的行为并预测其还款能力,向信贷机构建议向该客户的放贷数额。有一家客户原本的审批速度要几天,接入信贷风控云后,十几分钟就可以作出针对该决策的决定了。

  不同于传统风控的逾期催收方式,我们增加了贷后监控环节。当某个平台的借款人在其他平台出现逾期记录、新增借贷和经济法律纠纷时,只要两个平台都加入了我们的平台,我们就能第一时间识别到这些风险,之后立即通知另一平台以防范信用恶化风险。

  有人曾经问我,如果某天把国内的欺诈分子全抓完,你们是不是就没工作可做了。我想说,那天永远不会到来。即使像美国那样拥有发达、成熟、稳定金融体系的国家,欺诈仍然在不断发生。欺诈与反欺诈是没有终点的攻防,变化的只是博弈的难度:防住现有手段只会逼出更高手段,我们又要开发新的模型和算法。

  而且,中国的信用事业刚刚起步。未来五年,欺诈风险和信用风险的分析市场很可能达到千亿的规模。这个市场一定会形成一个生态,有征信局,有专业的数据分析公司,有研发相应分析工具的公司,还有专门提供个性化服务的公司。

  置身消费金融的浪潮下,我们很快成为领跑者。但要实现最初的愿景,用大数据分析和技术的手段提升整个社会的网络欺诈成本,建立智能诚信网络,我们仍需自省和提高,力争为中国的诚信事业贡献自己的一份力量。

虽然如今大部分平台都在采用“大数据技术”来做风控,但审核结果严重趋同,现状不容乐观。真正大数据风控技术需要多云数据源(平台积累、征信机构、同业共享)来支持风控审核模型决策,这恰恰是中国互联网金融企业最需要发展的方向,也是必然需要走过的曲折道路。

本文为大家列举了8家在时代风口,嗅觉灵敏、行动果断的互联网金融平台,它们已在金融科技能力输出领域取得了不俗的成绩,相信对当前中国金融科技发展有所启迪。

今天大家都已经习惯了线上秒批、数字信用等基于人工智能和大数据的风控体系。但是追溯到十几年前,数字风控却付出过惨重的代价。十几年一路走来,随着大数据以及人工智能等技术的不断完善,互联网金融才真正让大数据风控走向完美。

新颜科技

在这家公司的征信体系之中,信用资料较少的申请人,只需在这里存有一定额度的存款,就可申请到信用卡。和今天很多互联网金融项目相似,NextCard主打短平快借贷,在当时备受美国用户的喜爱。从1996年推出到2001年的第三季度,NextCard积累了120万个信用卡账户,未偿余额达20亿美元,其成本却比传统做法低70%。

同盾科技创立于2013年10月,是国内专业的智能风控和分析决策服务提供商,估值近20亿美元。目前同盾科技的主要布局还是在大金融科技领域,努力提升金融行业的科技运营效率、优化人员成本、抵御欺诈及信用风险。未来,同盾科技会在智能分析和决策的赛道上加注。

机器学习(ML)阶段解决的核心问题在于,让风控模型自动学习、自动匹配各项数据,在模型内发现异常,揪出信用黑户。尤其是机器学习算法能够根据数百万消费者案例,如:资产、履约、身份、偏好、社会关系及借贷情况等进行开发和训练,利用算法评估预测用户是否会违约、是否会按时归还贷款等。

邦盛科技是一家从事金融反欺诈技术研究和业务开拓的风控公司,致力于为国内金融机构提供卓越的金融风险监控解决方案。服务领域涵盖第三方支付、互联网金融、银行、电商、OTA、保险等领域。基于核心自主可控“流立方”技术,邦盛科技研发的一整套金融实时智能风险监控系统,有效提升了银行等金融机构防范全渠道业务场景下的风险能力。今年6月,邦盛科技对外宣布已完成3.5亿元C轮融资,由鼎珮资本领投,国投创业、君联资本及新湖资本等继续跟投。

另一个问题在于,金融行业的劳动力成本正在逐年上升。在传统金融尤其是传统信贷服务领域,我国传统信贷能服务的客户群仅占总人口的15%左右。传统信贷服务需要依托线下网点展开,资质审核、合同签订等流程都需面对面进行,服务效率低下,最终的结果是一方面风控人员不足,另一方面是单纯的线下人肉风控也缺乏对风控体系的百分百把控。

2019年被视为5G商用元年,它深远影响人类社会的数字化进程,是真正意义上的大数据时代和人工智能时代。从1G到5G,是一部科技进步史,亦然是一部金融科技的进化史。金融科技的核心是帮助金融业务实现“三升两降”,即提升效率、体验、规模,同时降低成本和风险。而5G商用让金融机构业务“三升两降”数字化大大加快和加强。

但光靠客观数据还不够,比如说这公司所在的行业是淘汰落后的行业(如钢铁、水泥等),那么评级可能需要有些降级,再比如说公司的管理人在该行业的经验年限的长短,都会影响到这家公司的风险,所以这部分就得靠人为主观的去做些调整。

蚂蚁金服

玖富作为中国最早的互联网金融服务公司之一,如今已经有11年的历史,在行内颇受好评。这家金融服务公司当年为确保资产项目的真实、安全、可控,通过非常严格的完整审核体系的层层筛选,内部建立了独立的线上风控模型,并引入了实地征信风控合作。

51信用卡

对于金融企业来说,风控模型和风控体系需要非常有经验的金融从业人士来进行把控,比如说,银行的风控模型的出发点主要是测量借款方的还款能力,一般来讲,模型包含了两部分的评判,即客观性的和主观性的。客观性的主要是数据类型,能量化的。如公司的年度审计财务报告,银行流水,缴税金额等,这些数据放在已设定好的模型里就能给出个分数或等级,做为参考。

360金融

1、在征信把关层面上就已经出现了漏洞

黑瞳科技于2018年品牌升级,专注智能反欺诈,与公安、司法、通讯、社保、银联、铁路、航空等权威部门建立了深度战略合作关系,正在为包括银行、保险、信托、消费金融等持牌金融机构,以及互联网金融等2000多家金融企业提供服务,由此打破了数据孤岛、场景适配等难题。至今,黑瞳科技已联手全球顶级合作伙伴MIT、GBG、宇信科技,推出五大智能反欺诈产品,帮助客户坏账率从2.5%降到1.5%,挽回损失3个亿。

(维基百科关于NextCard的介绍)

360金融是孵化于360集团的金融科技公司,定位为“连接金融合作伙伴和借款用户的科技平台”。面向金融合作伙伴,360金融提供两大维度的金融科技服务:一是为金融合作伙伴推荐匹配优质借款用户,并帮助其为优质借款用户提供定价合理、方便快捷的信贷解决方案。二是依托大数据、云计算、人工智能等技术研发出向B端输出的系列解决方案,比如智能营销、智能客服、智能催收、金融反欺诈、风控引擎、风险定价等。

自然语言处理(NLP)阶段解决的问题则是可以在个人及企业主页、社交媒体中发现蕴含着与违约风险深度关联的深层含义,通过复杂的词向量模型将文本转化为计算机能够识别和计算的词向量表征,并基于深度学习技术对其进行特征提取,最终运用成熟的分类器网络将文本数据与违约风险实现高度的风险挂钩,而通过传统方式很难充分挖掘其风险价值。

新颜科技作为将智能风控技术应用于金融反欺诈的服务商,主推信用雷达和雷达预警产品,通过实时分析借款人在跨平台贷款申请、履约情况、实时额度等信息,对信贷全周期风险进行评估。从2018年开始,新颜科技投入大量资源,研发人工智能、生物识别产品。据CEO黄向前表示,智能机器人、智能催收以及主做企业风险舆情监测和智能客服的自然语言处理产品是企业今年的重点。

回到15年前来看,NextCard错误很明显,主要是这三点:

黑瞳科技

在那个时代,线下人工把关是风控不可缺少的一环,很多小微企业的信贷甚至需要风控人员到现场查看生产现场,结合生产工艺,了解生产组织情况,固定资产更新情况。风控不仅仅是资本和金融层面的事情,更需要真正深入到产业之中,去了解一家企业的运行状况。显然,NextCard缺乏对线下的把控,以至于全盘皆输。

图片 2

(玖富集团开放日)

一方面,互联网、大数据等具有“泛在性”特征,金融机构基于大数据主动寻找潜在客户,对客户进行精准画像、主动授信、自动审批,能够较好地解决信息不对称问题。另一方面,金融机构运用金融科技,可以收集更为全面、更为即时、更为有效的客户数据和风险信号,构建小微企业信贷全流程风险管理框架,提高风险管控的有效性和精准性。

不过,实地风控体系依然会存在各式各样的逻辑悖论。

金融科技公司51信用卡,于去年在香港主板上市,旗下拥有51信用卡管家、51人品、51人品贷等多款APP。公司自主研发的iCredit大数据风控系统在全球金融风控大会上荣获“最佳大数据风控案例”。目前,51信用卡宣布与百信银行达成全面战略合作,以消费金融为切入点,依托金融科技,探索“开放银行+新消费生态”实践,实现用户价值最大化。

“人肉”风控的必不可少与逻辑悖论

同盾科技

知识图谱反欺诈(KG)分析恰恰是最重要的一个环节,因为知识图谱反欺诈需要把所有技术融合在一起,构建图谱,从中发现欺诈行为。这也是很多互联网金融公司目前在主攻的方向。

蚂蚁金服于2014年正式成立,最初从支付宝起步。目前,公司主要依靠移动互联网、大数据、云计算等内容,搭建起信用体系和金融服务平台,从而为全球消费者和小微企业提供普惠金融服务。当前,蚂蚁金服、阿里云、恒生电子联合发布新一代分布式服务开发平台——JRES3.0poweredbyAnt。据悉,该平台可提供完整的金融企业级应用开发套件,从而降低业务开发人员技术要求,提升开发效率以及系统稳定性。蚂蚁金服希望通过不断的技术迭代,赋能金融业务更加快捷,辅助金融机构快速成长,引领行业前进。

因此,人在传统风控体系中起到了很大的作用。比如说,需要人工标记坏样本的方式来记录坏样本订单号,人工通过相关黑信息关联找出来的标记样本。系统设计是尽可能多的和并且尽可能精准的的收集到坏样本。

邦盛科技

图片 3

爱财集团成立于2014年,前身是消费分期三巨头之一爱又米,掌门人钱志龙是阿里巴巴75号员工。经过五年的发展,爱财集团如今已经成为一家为金融机构提供科技赋能,同时为用户提供陪伴式综合金融服务的科技公司。爱财集团将自身定位为“消费金融资产专业管理人”,已形成了以金融科技为核心,以消费金融与财富管理为两翼的新金融生态布局,拥有1个互联网征信联合研究中心、1个博士后工作站、2个研发中心和30多项知识产权,并与10多家数据机构、征信机构达成战略合作。

NextCard的垮掉本质上是线上风控、征信技术有限,无法战胜人工的结果。在传统金融机构、小贷公司中,不仅仅有一整套严格的审核标准,需要贷款人提供各式各样繁琐的资料,而且风控人员甚至还会自己的经验判断,在面对一些特定行为特征、生活习惯的客户会首先有一个自己的直观打分判断,这些是长期经验累积的结果。想要拿到一笔贷款,金融机构、贷款公司会付出很高的人力、物力、时间成本。

爱财集团

NextCard是互联网金融行业绕不过的一个案例。这家公司堪称互联网金融的祖师爷。NextCard总部设在旧金山,通过互联网发放信用卡的公司。公司提供一套VISA卡网上信用审批系统,并为使用者申请者提供互动服务。

图片 4

图片 5

然而,NextCard把许多属于客户故意拖欠不还的普通信用坏账归为“欺诈”损失(“欺诈”损失被归纳于一次性损失,财务上不需要相应的储备金),它需要大量增加储备金来预备将来的信用损失,导致其丧失流动资金,不得不宣布破产。

日前,在玖富集团开放日上,玖富首席数据科学家、首席风险官谷颖讲解了人工智能的应用要素和发展阶段,揭示了智能风控的进化史。

玖富的“火眼”风控系统形成了线上化、机器化、模块化的风控构架体系。充分利用大数据分析技术建立独特的风控体系,具有处理高效、风险可控、成本低、边际效应明显等特点,能够可以提早发现用户早期逾期表现,并能有更多的时间进行调整。

但是人毕竟是计算能力有限,而且对复杂的征信环境缺乏整体把控能力。在人工审核过程中,很容易出现样品偏差的问题。比如说,你发现骗子符合某些聚集特征,你指定策略1进行打击后,骗子的这种欺诈手段被控制,以后的损失案例都不具备这样的聚集特征。如果坏样本的收集时间在策略1上线之后,这个时候模型训练的结果极有可能出现满足聚集特征的风险低,不满足聚集特征的交易反而风险高,也就是说聚集特征的权重是负数。

从互联网金融祖师爷的垮掉说起

根据她的说法,人工智能应用在金融领域有三个阶段。第一个阶段是机器学习(ML)阶段,即互联网金融为代表的金融机构全面渗透到所有模型建设中;第二个阶段是自然语言处理(NLP)阶段,即国内大量互联网贷款和征信公司都在大量使用自然语言处理技术;第三个阶段是知识图谱(KG)阶段,即大量使用知识图谱进行反欺诈分析。“火眼”风控系统恰恰覆盖了这三个阶段的所有应用,也是目前比较完善的风控系统。

因为在过去,反欺诈人员需要根据借款人提供的信息,查找多方面资料,进行不同属性的比对,从而发现不良征信人。这种工作复杂而枯燥,为了识别团伙欺诈,往往需要收集、整理、分析各种维度的数据,工作量更是成倍增加。而知识图谱反欺诈能够把把每个客户的信息、以及网络上公开的信息织成一张巨大的关系网,并通过可视化的图形将这种关系展示出来。结合反欺诈部门的经验,找存在欺诈的客户。

今天BAT三巨头上手互联网金融的时候,几乎都在不断引入能够驾驭风控模型的人,以此根据不同行业,不同数据建构起不同的风控模型。玖富也在不断引入风控模型的把关人,比如说首席数据科学家兼首席风控官谷颖。谷颖博士在回国之前曾在华尔街投行工作达十年之久,其团队更连续六年在全美固定收益策略、量化研究领域排名第一。而且在一批成熟金融人才的研发下,玖富也构建起了“火眼”风控系统。

对此的应对方案是两个:一是引入在金融领域对于征信体系有能力建构一整套完整风控模型的人;第二个才是把大数据、人工智能引入到征信体系之中,进行智能风控。

NextCard几乎拥有今天互联网金融企业的所有特点,甚至今天很多中国互联网金融项目都与之相似。不过,遗憾的是,2002年9月,NextCard遭到联邦证券监察机构的调查并宣告破产。破产的最大原因是因为该公司的客户主要都是一些被其他信贷机构拒绝的消费者,导致欺诈、坏账的激增。

3、迷信线上审批,缺乏线下人工风控把关

2、在风控层面上也缺乏合理的预警机制

对于美国银行来说,影响审批额度的主要因素包括客户基本特征(包括男女、年龄、教育程度等等)、客户风险暴露情况(社会收入、债务情况、还债能力综合评估)、现有的社会表现(房贷还款情况、其他银行信用卡使用情况等)。但NextCard高估了人性,明显对用户的信用水准期待过高,忽略了信用欺诈的严重性,导致公司破产。

按道理来说,在公司出现坏账时,应该加强储备金,以此抵御风险,但是NextCard几乎没有设置坏账红线,甚至也没有为坏账准备对冲风险的储备金,仅仅只是把坏账归纳为一次性损失,这样的损失过多的情况下,最终只会导致坏账如滚雪球一般越滚越大。

写在最后:

智能风控三阶段究竟解决了哪些问题

网站地图xml地图