恒昌CTO薛正華 新科技驅(qū)動(dòng)的新普惠金融

人工智能和大數(shù)據(jù)技術(shù)正在重塑整個(gè)金融產(chǎn)業(yè)生態(tài)鏈，尤其在網(wǎng)貸產(chǎn)業(yè)中，人工智能和大數(shù)據(jù)的潛力正在被深層次挖掘。6月15日，億歐金融在上海正式舉辦“2018智能+新商業(yè)峰會(huì)——智能+新金融峰會(huì)”，探析AI、區(qū)塊鏈分布式技術(shù)和大數(shù)據(jù)帶來的金融業(yè)智能化，展望新一代智能金融的基礎(chǔ)設(shè)施和未來應(yīng)用藍(lán)圖，推進(jìn)智能金融的演進(jìn)。此次峰會(huì)由上海市經(jīng)濟(jì)和信息化委員會(huì)、上海市商務(wù)委員會(huì)、上海市長寧區(qū)人民政府、上海市互聯(lián)網(wǎng)金融行業(yè)協(xié)會(huì)指導(dǎo)，上海市長寧區(qū)青年聯(lián)合會(huì)和億歐公司聯(lián)合主英凡研究院、星合資本、百融金服、融360、同盾科技、包銀消費(fèi)金融、新網(wǎng)銀行、網(wǎng)商銀行、快牛金科、拍拍貸、恒昌公司、光速中國、宜信新金融產(chǎn)業(yè)基金等單位出席本次峰會(huì)。恒昌CTO薛正華現(xiàn)場發(fā)表了題為《新科技驅(qū)動(dòng)的新普惠金融》演講，薛正華演講要點(diǎn)如下：

1、網(wǎng)貸是一個(gè)非常有挑戰(zhàn)的行業(yè)，想做好特別不容易。

2、網(wǎng)貸行業(yè)競爭非常激烈，同時(shí)隨著監(jiān)管收緊，很多政策上的紅利也慢慢消失了。

3、金融領(lǐng)域核心的東西是風(fēng)控。風(fēng)控的基礎(chǔ)是什么？大數(shù)據(jù)。

4、信貸知識(shí)圖譜將成為金融產(chǎn)業(yè)的基礎(chǔ)設(shè)施，在諸多領(lǐng)域的應(yīng)用變得越來越重要。

5、人工智能作為金融產(chǎn)業(yè)的基礎(chǔ)，未來將應(yīng)用在整個(gè)信貸全生命周期，從獲客到風(fēng)控到貸后的資產(chǎn)管理都將發(fā)揮巨大作用。

以下是薛正華演講正文：

各位親愛的嘉賓們，大家下午好!非常感謝大家這么晚了還能夠堅(jiān)持在這里聽我們的各種想法和報(bào)告。我想給大家呈現(xiàn)一些在金融科技領(lǐng)域的一些實(shí)戰(zhàn)的干貨，和大家分享一下。

首先我想和大家分享一個(gè)數(shù)據(jù)，大家看到這個(gè)是最近幾年網(wǎng)貸行業(yè)變化的情況，在大家左手邊是整個(gè)網(wǎng)貸行業(yè)成交量的走勢，2016年底，2017年左右的時(shí)候達(dá)到了高點(diǎn)，從2017年開始往下走。

右手邊的圖，大家可以看到的是，整個(gè)正常運(yùn)行網(wǎng)貸平臺(tái)的數(shù)量，2015年底開始有一個(gè)跳水，為什么會(huì)出現(xiàn)這種情況?我覺得這個(gè)跟很多行業(yè)非常類似，就是剛開始的時(shí)候都是上千家平臺(tái)，我不知道大家記不記得“千團(tuán)大戰(zhàn)”，大家想想今天還剩下幾個(gè)團(tuán)購公司。

網(wǎng)貸也是一樣的，最多的時(shí)候應(yīng)該有三五千家，但是在這兩年大量的沒有競爭力的一些網(wǎng)貸公司紛紛倒下了，為什么倒下?我覺得有幾方面的原因。

第一，從事這個(gè)領(lǐng)域的網(wǎng)貸平臺(tái)沒有意識(shí)到網(wǎng)貸是一個(gè)非常有挑戰(zhàn)的行業(yè)，想做好特別不容易。

第二，競爭非常激烈，同時(shí)隨著監(jiān)管的收緊，很多政策上的紅利也慢慢消失了，所以說這是為什么會(huì)出現(xiàn)這么一個(gè)圖形的原因。

這兩年大家在說大數(shù)據(jù)，大家知道在金融領(lǐng)域核心的東西是風(fēng)控。如果風(fēng)控厲害，可以把業(yè)務(wù)規(guī)模往大撐，這樣可以進(jìn)入收益的正循環(huán)。如果你的風(fēng)控不行，業(yè)務(wù)規(guī)模越大，死的越快。所以說，風(fēng)控是金融最核心的東西，不管是網(wǎng)貸還是傳統(tǒng)的金融業(yè)務(wù)，是一樣的。

風(fēng)控的基礎(chǔ)是什么？大數(shù)據(jù)。

那么，不管是網(wǎng)貸平臺(tái)還是銀行，如果沒有足夠強(qiáng)的大數(shù)據(jù)作為基礎(chǔ)，你說能把風(fēng)控做好，沒有人相信。所以，大數(shù)據(jù)是風(fēng)控的基礎(chǔ)，這個(gè)邏輯非常清楚，想把金融行業(yè)做好就得把風(fēng)控做好，想把風(fēng)控做好就有得非常強(qiáng)大的數(shù)據(jù)基礎(chǔ)。

在過去幾年，我們在大數(shù)據(jù)方面有幾方面的來源。一個(gè)是我們自己業(yè)務(wù)的數(shù)據(jù)，另外一個(gè)是公開的一些數(shù)據(jù)，比如說網(wǎng)上公開的這些名單，包括在58，百度、貼吧、趕集公開的地方收集的，這些名單我們會(huì)篩選處理，選出白名單、灰名單和黑名單，我們現(xiàn)在也有4000萬左右的數(shù)據(jù)。另外一部分是用戶合法授權(quán)的一些數(shù)據(jù)，這個(gè)我們會(huì)把它作為信貸的重要考量的標(biāo)準(zhǔn)。

有了這些數(shù)據(jù)之后，如何用這個(gè)數(shù)據(jù)?這是一個(gè)非常關(guān)鍵的問題，怎么支持恒昌的核心業(yè)務(wù)，怎么把信貸做好。恒昌2016、2017年投入了非常大的團(tuán)隊(duì)在做的工作，就是大規(guī)模的信貸知識(shí)圖譜，我們構(gòu)建了支持上億，上百億關(guān)系的超大信貸知識(shí)圖譜。

信貸知識(shí)圖譜怎么用?我給大家舉幾個(gè)實(shí)例，大家右手邊是真實(shí)的案例，我們把東北部一個(gè)省，2015年、2016年兩年的數(shù)據(jù)做了一個(gè)數(shù)據(jù)分析，王某在做借款的時(shí)候會(huì)提交很多信息，比如你的姓名、身份證、聯(lián)系方式、聯(lián)系人、電話號(hào)碼，包括你的工作單位等等非常多的信息，知識(shí)圖譜系統(tǒng)把這些數(shù)據(jù)作為一個(gè)節(jié)點(diǎn)存在。

另外一個(gè)借款人姓高，也有很多屬性，我們的知識(shí)圖譜系統(tǒng)會(huì)把他的屬性和已經(jīng)有的屬性進(jìn)行自動(dòng)關(guān)聯(lián)和匹配，我們發(fā)現(xiàn)三個(gè)人是同一家公司的，那么我們系統(tǒng)會(huì)給他自動(dòng)構(gòu)建一個(gè)同事關(guān)系鏈，我們經(jīng)過大數(shù)據(jù)統(tǒng)計(jì)分析，我們發(fā)現(xiàn)當(dāng)一個(gè)人周圍不管什么關(guān)系連接起來的，如果有兩個(gè)出現(xiàn)過逾期，這個(gè)人出現(xiàn)逾期的概率是89%。如果有三個(gè)人都是有問題的，那么他出現(xiàn)的概率是91%、96%。我們用大數(shù)據(jù)的方法，用圖的關(guān)系生成一些新的欺詐和信用有關(guān)的。這是用知識(shí)圖譜做的事情。

我再舉一個(gè)例子，這是一個(gè)實(shí)例，目前我們公司做了有超過100萬的貸款用戶，用戶里面，每個(gè)用戶假設(shè)有一百個(gè)屬性，各種屬性，大家想想這個(gè)數(shù)據(jù)項(xiàng)有多少，有一個(gè)多億的數(shù)據(jù)項(xiàng)。想在一個(gè)多億數(shù)據(jù)項(xiàng)里面找到不同數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)是比較麻煩的，在知識(shí)圖譜里面我們通過機(jī)器自動(dòng)找出關(guān)系。

舉一個(gè)例子，比如大家的右手邊看到這個(gè)實(shí)例。這五個(gè)人在不同的時(shí)間、不同的地點(diǎn)來提交的，我們發(fā)現(xiàn)這五個(gè)人竟然用同一個(gè)郵箱，這是不可能的。郵箱我們每個(gè)人只有一個(gè)，為什么出現(xiàn)這樣的情況，這是非常典型中介代辦的欺詐案例。中介為了省事，因?yàn)樗b很多人騙貸，就會(huì)申請郵箱，如果我們通過了會(huì)發(fā)一些郵件信息，他為了處理起來方便就用一個(gè)。這個(gè)時(shí)候，我們通過這些技術(shù)，通過知識(shí)圖譜關(guān)系，自動(dòng)把欺詐的過程炸出來，不用人去做。

信貸知識(shí)圖譜還能干什么?第三個(gè)業(yè)務(wù)場景，就是行業(yè)的難題——失聯(lián)修復(fù)，就是說在小額貸行業(yè)里面，很多人借錢以后電話號(hào)碼一扔，就找不到他了，其實(shí)也能找到，因?yàn)樗切☆~的，找這個(gè)人花的成本太高了，很多大公司就不找了，但是這樣的話就造成逾期，而且很多人知道這個(gè)東西以后就惡性逾期，這是一個(gè)非常不好的問題。怎么解決這個(gè)問題呢?我們在過去也是利用圖譜，在我們的系統(tǒng)中一個(gè)人周圍有一兩百個(gè)人一度聯(lián)系人，我們通過算法和分析，在一百多個(gè)一度聯(lián)系人當(dāng)中篩選出哪些人跟他有強(qiáng)相關(guān)性，我們會(huì)給每一個(gè)編一個(gè)權(quán)重來計(jì)算判斷，比如通過頻次比較高，比如說稱呼里面爸爸媽媽之類的，我們會(huì)把權(quán)重加高，或者單位的領(lǐng)導(dǎo)等等，我們通過一度聯(lián)系人找到他。

大家可以看到，其實(shí)我們在上線這個(gè)技術(shù)的當(dāng)月，我們的失聯(lián)修復(fù)已經(jīng)到了行業(yè)的非常高的水平，目前我們已經(jīng)到了40%的水平，我相信隨著我們圖譜數(shù)據(jù)量增多，我們最終達(dá)到80%，90%的水平，徹底把這個(gè)難題解決掉。

剛才和大家分享了一些大數(shù)據(jù)方面的工作。人工智能領(lǐng)域我們在2016年12月份的時(shí)候，上線了人臉識(shí)別，后期我們跟行業(yè)里面做的非常好的頂級(jí)的人臉識(shí)別公司合作，進(jìn)行借款人身份證的識(shí)別。

2017年10月份，恒昌的聲紋識(shí)別系統(tǒng)上線，聲紋和眼睛的虹膜都是人體唯一的標(biāo)識(shí)，為什么做這個(gè)事情，我們發(fā)現(xiàn)大部分欺詐是中介包裝，普通人是比較難的，但是中介因?yàn)檎煅芯扛骷移脚_(tái)風(fēng)控的漏洞等等，它是比較專業(yè)的。怎么能夠防住這些人欺詐呢?我們后來討論很多，我們發(fā)現(xiàn)，有一個(gè)東西很難改變就是他的聲音，我們通過聲紋的識(shí)別，他上次幫借款人騙我們，比如他是借款人的某某領(lǐng)導(dǎo)，下次變成另外一個(gè)公司的領(lǐng)導(dǎo)，我們就根據(jù)他的聲音判斷出來他已經(jīng)出現(xiàn)過了，到目前為止我們已經(jīng)累計(jì)了30萬的聲紋，目前我們的技術(shù)可以做到9秒鐘識(shí)別出30萬樣本中這個(gè)聲音是否出現(xiàn)過，利用語音識(shí)別技術(shù)把聲音翻譯成文本，比對(duì)一下文本和上次文本的差異到底多大，來識(shí)別出是不是有欺詐。

我們目前正在全國試點(diǎn)的技術(shù)，就是我們的遠(yuǎn)程面審技術(shù)，過去人要到門店去看，效率比較低。2017年10月份，恒昌研發(fā)了遠(yuǎn)程面審，客戶可以在任何時(shí)間、任何地點(diǎn)進(jìn)行面審，提高效率，降低欺詐的可能，特別降低內(nèi)外勾結(jié)的欺詐，因?yàn)槟悴恢辣徽l審。

今天更多是在把人工智能的一些技術(shù)，除了剛才大家看到的反欺詐技術(shù)之外，我們應(yīng)用在我們整個(gè)信貸全生命周期，從獲客到風(fēng)控到貸后的資產(chǎn)管理。這是我們目前流量方面做的工作，我們在過去一年多，我們合作了三四百家渠道，包括融360，包括百融等等都有四五十家大的，還有三百多家小的貸款超市，和他們合作。合作之后怎么持久穩(wěn)定地發(fā)展呢?我們對(duì)整個(gè)渠道上百家的渠道進(jìn)行量化評(píng)分，我們根據(jù)客戶的轉(zhuǎn)化情況，以及逾期情況進(jìn)行量化評(píng)分，以此篩選出來哪些渠道是好的客戶，哪些渠道是差的渠道，不斷循環(huán)迭代，這里面也是對(duì)渠道進(jìn)行量化評(píng)分，做調(diào)控，以及精準(zhǔn)管控。

第二塊也是我們最核心的東西，我們會(huì)繼續(xù)地把我們的風(fēng)控利用圖譜以及深度學(xué)習(xí)的技術(shù)進(jìn)行反欺詐的識(shí)別。最后會(huì)把整個(gè)人工智能技術(shù)應(yīng)用在貸后的資產(chǎn)管理等多方面。

另一方面我們做了一次改進(jìn)，我們讓每一次打分之后必須有一個(gè)反饋，我的評(píng)分不一定是準(zhǔn)的，我們評(píng)1-10分，1是容易的，10是比較難的。你實(shí)際作業(yè)過程當(dāng)中，發(fā)現(xiàn)這個(gè)1挺難回款的，應(yīng)該是5才對(duì)，這個(gè)分?jǐn)?shù)反饋給機(jī)器，我們差不多有六七百個(gè)做貸后作業(yè)的人，這六七百個(gè)人平均每天打電話的次數(shù)在200-300通，假設(shè)算200，每天可以反饋12萬的數(shù)據(jù)告訴機(jī)器你評(píng)錯(cuò)了，或者你評(píng)的很準(zhǔn)，這樣的話，人和機(jī)器不斷的交互，機(jī)器通過大數(shù)據(jù)分析的結(jié)果告訴人，讓人更加高效回款，人實(shí)際的作業(yè)情況反饋給機(jī)器，模型就會(huì)不斷迭代，越來越突出。我們相信利用這些技術(shù)可以把貸后深度學(xué)習(xí)的技術(shù)做的更好。

最后，大家可以看到左手邊的技術(shù)都是我們已經(jīng)上線的技術(shù)，右手邊的這些技術(shù)也是正在不斷完善的技術(shù)。我們相信通過我們的大數(shù)據(jù)技術(shù)，通過我們的生物識(shí)別技術(shù)，通過我們的深度學(xué)習(xí)做的模型技術(shù)，在獲客的模型，在風(fēng)控反欺詐，在貸后的模型，我相信人工智能的技術(shù)、大數(shù)據(jù)的技術(shù)，一定會(huì)讓普惠金融做的越來越好。