WISE 2019超级进化者大会

前面听了很多位嘉宾分享AI、大数据这些大家听了很久的概念。在这些概念背后，技术原理本身并没有太大的差距，中间的差别，更多在于如何去运用这些技术，结合业务，创造出不同的社会价值。

刚刚一些嘉宾分享了AI、模型在各个领域的应用，包括物流、语音识别、推荐算法、IOT等各个领域。我今天分享的主题是冰鉴科技如何运用AI技术，帮助普惠金融进行落地。我讲的故事，除了AI技术，一个是移动互联网，一个是普惠金融。冰鉴科技是独立第三方风控服务商，我们做的事情，是帮助金融机构、银行、消费金融公司、小贷公司进行个人和小微企业的信用评估，这些机构根据评估决定是否能够给个人和小微企业提供信用贷款。

为什么会有冰鉴科技这家公司呢？这要说到我们核心创始团队和CEO顾凌云博士当时在美国做的事情。在美国，我们的核心团队运用非银行体系内的数据，像行为、社交、电商、通讯等一系列数据，建立评估分析模型，服务于长尾人群消费者和小微企业，给他们提供金融服务。这类人群在美国人口比例中占比约15%，而在中国国内，有着更广泛的同样群体，包括小微企业、农民、蓝领等等，占了大约60%-80%的人口比例。这些人在面对传统金融机构，比如说银行的时候，是非常弱势的。因为这些人群在银行体系内，相对来说都没有记录或者记录很稀薄，同时又没有大量的固定资产，银行不愿意去，或者没有能力去服务他们。这些人既有金融需求，也值得有这样的金融服务提供给他们。帮助金融机构给这些人提供金融服务，就是冰鉴科技创立的初心。

冰鉴在帮助金融机构为这些长尾人群服务的时候，主要是几个关键词，第一个叫小额，第二个叫高频，第三个叫自动化。传统金融机构提供信贷业务的时候，房贷也好、车贷也好，额度都比较大，比如百万级以上。而个人的金融需求，更多是几千、几万、十几万，基本上不会超过百万。小额的金融需求，代表这个场景频率非常高。这对数据和算法是有好处的，只有在这样的场景下，才有足够的样本进行训练，才能通过模型发挥它的价值。

金融机构拥有大量的小额高频样本。对于这些金融机构，他们面临一些问题：

第一个是人员方面的问题。比如各种农商行和城商行，这是银行体系内相比于五大行或者股份制银行，更愿意做下沉的服务，去服务于这些人群和机构。对于这样的机构来讲，他们面临的一大问题在于人才的缺失。他很想分析现在业务中积累的数据，但是数据分析的人才，特别是风控领域，相对来说高端的人才来源是非常有限的。这些城商行和农商行不在一二线城市，积累人才过程中，有很大的劣势，特别是核心的风控方面的数据分析人才。即使能够给出同样的薪资，百万或者千万，也不能够有足够的竞争力吸引到这样的人才。因为这样的人才，更多愿意留在大城市。这样的机构，对我们是有需求的。

第二个是业务方面，传统银行提供金融服务的时候，依赖的是客户经理，需要线下通过客户经理一个一个审核个人和小微企业，才能做出评估，线上服务处于劣势。相比于银行和传统金融机构，现在涌现出来的互联网金融机构反而在线上服务于这些个人和小微企业方面比较领先，比如大家都耳熟能详的一些产品，像花呗、借呗、微粒贷，或包括像趣店分期乐的消费分期产品，可以看出走在前面的反而是非银行机构。所以，对于我们这样的第三方机构，通过服务这些非银机构，可以积攒一些知识，获得进步。同时在服务各种传统金融机构的同时，也可以把学习到的知识传递给他们，正如今天的主题是超级进化者，也是在帮助他们进化。通过服务先进互联网机构和传统金融机构，帮助银行把线下挪到线上去。

数据在我们服务的过程中也很重要，我们需要在高频场景下获得大量的样本，再去训练这样的模型。我们获得的样本，更多是模型需要预测的变量，叫目标变量。但是模型还有其他的变量，在评估个人和小微企业的时候，到底基于什么样的数据去评估这样的个人和小微企业呢？这要说到移动互联网在中国的优势，大家可以看到西方的发达资本主义国家，美国也好，西欧也好，它的金融机构经历了上百年的发展历史。在支付方面习惯信用卡和支票体系，但这些在中国还没落地之前，移动互联网以后来者居上的姿态，占领了这个位置。我们国家非金融机构、个人和小微企业积累的数据非常丰富，不管是电商、消费还是通讯、地理位置，很多都集中在移动互联网，集中在手机当中。这些数据在普惠金融的场景下，都可以得到很好的应用。

所以，我们作为一家第三方机构，一方面是通过跟金融机构的合作，拿到大量样本所需要的目标变量；一方面去整合移动互联网场景，帮助小微企业和个人进行信用评估。当然，在做这个工作过程中我们也感受到，当我们的生活越便捷、越多的数据去沉淀，获得这样的附加增值服务的时候，隐私也更加缺乏，这点大家应该也有很深的体会。隐私和便捷获取数据这两点之间，是很难兼得的。但是，在这一过程中，冰鉴科技力求合规使用数据。我们向金融机构输出的，是通过模型高度加工的评分，而不是各种隐私的评分。

上面说的是移动互联网，因为中国在这方面走在前沿，所以在普惠金融方面也积攒了更多的数据。除了数据，在我们为金融机构服务过程中另一个重要的东西就是我们的AI算法，包括自然语言处理、知识图谱、机器学习、深度学习。我们要通过这些技术对算法模型和模型效果进行优化。比如，在小微企业的评估当中，除了将一些非公开的数据，进行脱敏输出之外，也需要对一些公开数据，包括一些舆情通过自然语言算法进行处理，便于实施对小微企业的一些监控。

又比如关联知识图谱，这是风控领域的下一个方向。以前对于个人和小微企业的风险评估，更多是评估单独的个人和企业，而利用关联知识图谱则是放在一个网络关系中共同考虑不同的个人和企业。由于将来人和企业是生活在社会关系网络中，这中间包括了企业的担保网络，包括社交行为网络和通讯网络。这些网络中相关的一层、两层，他们的信用对单点上的人的信用状况，都是有影响的。通过关联知识图谱，评估一个人的时候，对他关联的一层、两层的关系进行评估，可以最终获得更加准确的结果。对于普惠金融来说，我们作为第三方服务机构，只能尽我们的力，用人工智能技术和数据去创造更多的价值。但是普惠金融的路很漫长，还包括一系列金融机构的基础设施的构架，包括监管对这个行业逐渐的规范化。希望冰鉴在这个中间，尽自己的一份力，也希望看到普惠金融事业能够发展得越来越好。

点击上方视频查看更多内容