恒昌CTO薛正華 新科技驅(qū)動的新普惠金融

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——智能+新金融峰會”，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)用藍圖，推進智能金融的演進。此次峰會由上海市經(jīng)濟和信息化委員會、上海市商務(wù)委員會、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)會指導(dǎo)，上海市長寧區(qū)青年聯(lián)合會和億歐公司聯(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。恒昌CTO薛正華現(xiàn)場發(fā)表了題為《新科技驅(qū)動的新普惠金融》演講，薛正華演講要點如下：

1、網(wǎng)貸是一個非常有挑戰(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)域核心的東西是風控。風控的基礎(chǔ)是什么？大數(shù)據(jù)。

4、信貸知識圖譜將成為金融產(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)用在整個信貸全生命周期，從獲客到風控到貸后的資產(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持在這里聽我們的各種想法和報告。我想給大家呈現(xiàn)一些在金融科技領(lǐng)域的一些實戰(zhàn)的干貨，和大家分享一下。

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

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

網(wǎng)貸也是一樣的，最多的時候應(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，從事這個領(lǐng)域的網(wǎng)貸平臺沒有意識到網(wǎng)貸是一個非常有挑戰(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出現(xiàn)這么一個圖形的原因。

這兩年大家在說大數(shù)據(jù)，大家知道在金融領(lǐng)域核心的東西是風控。如果風控厲害，可以把業(yè)務(wù)規(guī)模往大撐，這樣可以進入收益的正循環(huán)。如果你的風控不行，業(yè)務(wù)規(guī)模越大，死的越快。所以說，風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。

風控的基礎(chǔ)是什么？大數(shù)據(jù)。

那么，不管是網(wǎng)貸平臺還是銀行，如果沒有足夠強的大數(shù)據(jù)作為基礎(chǔ)，你說能把風控做好，沒有人相信。所以，大數(shù)據(jù)是風控的基礎(chǔ)，這個邏輯非常清楚，想把金融行業(yè)做好就得把風控做好，想把風控做好就有得非常強大的數(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。一個是我們自己業(yè)務(wù)的數(shù)據(jù)，另外一個是公開的一些數(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)，這個我們會把它作為信貸的重要考量的標準。

有了這些數(shù)據(jù)之后，如何用這個數(shù)據(jù)?這是一個非常關(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隊在做的工作，就是大規(guī)模的信貸知識圖譜，我們構(gòu)建了支持上億，上百億關(guān)系的超大信貸知識圖譜。

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

另外一個借款人姓高，也有很多屬性，我們的知識圖譜系統(tǒng)會把他的屬性和已經(jīng)有的屬性進行自動關(guān)聯(lián)和匹配，我們發(fā)現(xiàn)三個人是同一家公司的，那么我們系統(tǒng)會給他自動構(gòu)建一個同事關(guān)系鏈，我們經(jīng)過大數(shù)據(jù)統(tǒng)計分析，我們發(fā)現(xiàn)當一個人周圍不管什么關(guān)系連接起來的，如果有兩個出現(xiàn)過逾期，這個人出現(xiàn)逾期的概率是89%。如果有三個人都是有問題的，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。這是用知識圖譜做的事情。

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

舉一個例子，比如大家的右手邊看到這個實例。這五個人在不同的時間、不同的地點來提交的，我們發(fā)現(xiàn)這五個人竟然用同一個郵箱，這是不可能的。郵箱我們每個人只有一個，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，因為他要包裝很多人騙貸，就會申請郵箱，如果我們通過了會發(fā)一些郵件信息，他為了處理起來方便就用一個。這個時候，我們通過這些技術(shù)，通過知識圖譜關(guān)系，自動把欺詐的過程炸出來，不用人去做。

信貸知識圖譜還能干什么?第三個業(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碼一扔，就找不到他了，其實也能找到，因為他是小額的，找這個人花的成本太高了，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東西以后就惡性逾期，這是一個非常不好的問題。怎么解決這個問題呢?我們在過去也是利用圖譜，在我們的系統(tǒng)中一個人周圍有一兩百個人一度聯(lián)系人，我們通過算法和分析，在一百多個一度聯(lián)系人當中篩選出哪些人跟他有強相關(guān)性，我們會給每一個編一個權(quán)重來計算判斷，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，其實我們在上線這個技術(shù)的當月，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，我們最終達到80%，90%的水平，徹底把這個難題解決掉。

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月份的時候，上線了人臉識別，后期我們跟行業(yè)里面做的非常好的頂級的人臉識別公司合作，進行借款人身份證的識別。

2017年10月份，恒昌的聲紋識別系統(tǒng)上線，聲紋和眼睛的虹膜都是人體唯一的標識，為什么做這個事情，我們發(fā)現(xiàn)大部分欺詐是中介包裝，普通人是比較難的，但是中介因為整天研究各家平臺風控的漏洞等等，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)，有一個東西很難改變就是他的聲音，我們通過聲紋的識別，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)累計了30萬的聲紋，目前我們的技術(shù)可以做到9秒鐘識別出30萬樣本中這個聲音是否出現(xiàn)過，利用語音識別技術(shù)把聲音翻譯成文本，比對一下文本和上次文本的差異到底多大，來識別出是不是有欺詐。

我們目前正在全國試點的技術(shù)，就是我們的遠程面審技術(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)了遠程面審，客戶可以在任何時間、任何地點進行面審，提高效率，降低欺詐的可能，特別降低內(nèi)外勾結(jié)的欺詐，因為你不知道被誰審。

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)用在我們整個信貸全生命周期，從獲客到風控到貸后的資產(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?我們對整個渠道上百家的渠道進行量化評分，我們根據(jù)客戶的轉(zhuǎn)化情況，以及逾期情況進行量化評分，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，這里面也是對渠道進行量化評分，做調(diào)控，以及精準管控。

第二塊也是我們最核心的東西，我們會繼續(xù)地把我們的風控利用圖譜以及深度學習的技術(shù)進行反欺詐的識別。最后會把整個人工智能技術(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，我們讓每一次打分之后必須有一個反饋，我的評分不一定是準的，我們評1-10分，1是容易的，10是比較難的。你實際作業(yè)過程當中，發(fā)現(xiàn)這個1挺難回款的，應(yīng)該是5才對，這個分數(shù)反饋給機器，我們差不多有六七百個做貸后作業(yè)的人，這六七百個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)告訴機器你評錯了，或者你評的很準，這樣的話，人和機器不斷的交互，機器通過大數(shù)據(jù)分析的結(jié)果告訴人，讓人更加高效回款，人實際的作業(yè)情況反饋給機器，模型就會不斷迭代，越來越突出。我們相信利用這些技術(shù)可以把貸后深度學習的技術(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)，通過我們的生物識別技術(shù)，通過我們的深度學習做的模型技術(shù)，在獲客的模型，在風控反欺詐，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)，一定會讓普惠金融做的越來越好。