- 大数据
- 消费金融
- 风控
- 金融
氪信成立于2015年12月，是一家2B金融科技公司，通过人工智能技术为金融机构提供风控服务。
在氪信CEO朱明杰看来，互联网金融行业发展过程中，最先出现的是业务创新，发展到一定阶段后，技术创新随之而来。近两年，线上借贷由野蛮生长逐渐转向精耕细作，为金融机构提供风控技术支持便有了价值。
氪信进入风控领域的时机恰到好处，成立之时消费金融业务模式已得到验证，正处于发展迅猛、竞争激烈的时期；在目睹消金公司攻城略地之后，各家银行也反应过来，大力推进信用卡业务，并有意拓展现金贷业务。
消金公司和银行是氪信的首批客户。对于消费金融公司来说，业务和风控能力均是其壁垒，然而部分消金公司虽有较好的展业基础，风控能力却比较缺乏。自建大数据、人工智能风控模型对其是较大的挑战。
这时选择氪信这样的独立第三方公司提供风控服务，也不失为一种选择。
传统银行信用卡在申请过程中需要面签，还需用户提供工资流水等材料，繁琐复杂，效率低下。所以信用卡业务在发展过程中，必然要通过大数据、人工智能等新技术提高风控效率，这也为氪信提供了机会。
而真正决定氪信与招商、民生银行等巨头建立合作的，在于其拥有强大的技术团队。其中，朱明杰是微软亚洲研究院和科大联合培养博士，参与了微软大数据挖掘和机器学习系统的搭建，后来曾在雅虎研究院、eBay从事数据挖掘、机器学习工作，并组建了携程大数据部门。
氪信最初的成员多为朱明杰的一度人脉，来自微软、雅虎、eBay、携程的同事。
业务上，氪信专注于贷前反欺诈和用户还款能力评估。风控链条很长，从上游的数据收集、清洗，到建立模型防范欺诈风险、确立授信额度，再到贷后的催收、失联修复，每一个环节对核心能力的要求均有不同。
氪信并不追求大而全，而是聚焦于对建模技术要求最高的环节，例如基于用户行为、关系网络的反欺诈和预授信。
建立智能风控模型的基础是具有大量的数据，氪信本身不涉及数据采集工作，数据来源于两方面，一方面是合作机构本身已经收集了大量的用户数据，另一方面氪信也与主流的征信平台合作，比如芝麻信用、前海征信等。
产品功能上，氪信的风控模型主要针对C端的借款用户，因为C端用户能够满足小额、分散、数据量大的特点。目前氪信除了以项目的形式与大型金融机构合作外，也输出标准化的产品。
近日，爱分析对氪信创始人&CEO朱明杰进行了访谈，朱明杰对金融科技、人工智能以及氪信的业务发表了独到的见解，现摘取部分内容如下，供读者参考。
信贷进入精耕细作阶段，2B金融科技需求增长
爱分析：为何2B的金融科技输出成为行业热点？
朱明杰：前几年金融行业更多的是业务创新，而我们做的风控偏基础设施，在那个时候没那么需要，业务都没有的时候做基础设施价值不大。比如阿里也是在淘宝交易量上来以后，有了足够的数据才去做智能，行业发展都是如此。
所以从时间点上来说，过去的时候不需要2B的金融科技，而且风控抠的过细，可能也会影响发展速度，这是现实情况。
发展到现在，金融行业出现两点变化，一是政策监管加强，整个行业都要规范化，不能再靠监管红利挣钱；二是各种业务形式大家都想过做过了，行业的竞争也比较饱和，已经进入精耕细作的状态。所以现阶段技术能够体现其价值，2B的金融科技也就开始发展起来。
爱分析：为何用AI技术切入风控？
朱明杰：我一直认为有需求、有价值的行业才值得做，而不是人为地制造一个风口。AI也是如此，只有在数据和商业应用场景成熟以后，才会自然而然的爆发。
我认为AI是用机器去阅读数据，然后把由人经验解决的问题交给机器解决。在这个基础上，发展AI技术需要满足一些必备条件，包括足够多的数据和足够大的应用价值。其实二三十年前就有很多关于AI的概念，但之前不具备条件，现在就可以做了。
像风险的话，过去房贷、车贷等传统业务都是有抵押的，不需要通过AI来防范风险。但现在消费分期、现金贷不一样，这类的贷款越来越小额，已经很难像传统贷款一样由人工处理，必须用机器去做。我们也感受到这里面的机会，所以将AI技术运用到风控之中。
爱分析：金融机构对氪信的需求点？
朱明杰：他们最大的痛点——市面上有这么多数据，自己也收集了很多数据，专门采购了很多机器、搞了一堆集群，想要学习BAT、Google进行用户行为分析，然而怎么跟风险关联起来？我们现在就是在为金融机构解决这个问题。
风控模型更关注弱数据运用
爱分析：氪信切入风控的哪一环节？
朱明杰：反欺诈、预授信都有。模型、引擎是同一套东西，只是根据客户的目标不一样，可以去训练不同的模型。技术的好处是不需要风控专家用十几年时间慢慢去调，也不用像以前一样不同的业务模型还要再跑很久。
爱分析：与传统评分卡相比，氪信的模型有何优势？
朱明杰：模型的区分度——也就是区分好、坏人的能力有了很大的提高，坏账率有了显著的下降。
爱分析：氪信的风控模型最初是如何搭建的？
朱明杰：很多做现金贷的公司，会借鉴风控专家的经验，根据业务特点冷启动几个月，不断的调整业务规则和模型。我们则是从一开始就进入有大量样本的金融机构，人肉去做。我们需要这样的一个样本，这也是我们最开始跟主流金融机构合作的原因。
长期来看，我们要做到能对每一个人进行金融画像刻画，包括需要什么样的金融服务、有什么样的风险、金融价值是怎样的，需要我们不断地延展去做。
爱分析：风控上主要关注哪些维度的数据？
朱明杰：优质的征信数据大家都已经做了，能用的都用上了，所以我们关注更多的还是弱数据，例如用户使用设备及社交行为交互等数据。
还有像传统风控中用不了的文本、语音、图像数据，我们有能力数字化，并且能做出来风险相关的系数。
爱分析：氪信会留存用户数据么？
朱明杰：不会留存，这点我们严格遵守客户合作的协议。对我们来说也没有必要留存原始数据，我们迭代的是模型本身，不需要对应到一条条个人信息。
爱分析：未来是否会参与到业务环节？
朱明杰：我们不会参与到业务中，我们的愿景是解决比较通用的问题——用户的风险系数是怎样的。至于这个用户的风险系数是2还是3，是推荐信用卡还是办现金贷，就交给金融机构自己来决定。我们要做的是把机构的IT成本、数据成本、风险成本降下来。
爱分析：除了信用卡业务，与银行还有哪些领域可以合作？
朱明杰：能合作的领域很多，他们本身也在做现金贷，现在要进校园做校园贷。此外他们也在跟外部的资产方合作，虽然不是自己来做运营，但也要把控风险。这个是我们能看到的一些趋势，这些点都可以合作。
爱分析：氪信风控产品的复用性？
朱明杰：我们的模型标准化搭载在我们的引擎上，不同机构的客群不一样，业务逻辑会有不同，需要重新训练模型。
但这个还好，不用做太多的调整，锅还是锅，碗还是碗，只不过做菜的配方会有一些变化。训练模型本身很容易，只要数据准备好，很快就能完成。
合作机构的业务数据要满足小额、分散
爱分析：氪信的客群偏重于传统金融机构还是消金公司？
朱明杰：我们业务的本质还是要看数据，比如我们跟招商银行合作，也只是跟信用卡、个人零售业务合作，没有做对公业务，因为数据要满足大量、分散、机器可以解决。无论是传统金融机构还是新兴的互联网金融、消费金融公司，能满足这样条件，我们就能发挥价值。
所以我们合作的都是自身数据基础比较好的银行、成熟的消费金融公司等标杆用户，可以迅速切入业务，产生效果。有一些传统机构合作需要从搭建IT系统开始，这不是我们最大的价值。
有些刚成立的消费金融公司虽然也满足小额、分散的条件，但是数据量不够大，巧妇难为无米之炊，暂时也没办法合作。
爱分析：传统金融机构相对比较保守，氪信最开始是如何获客的？
朱明杰：可能是天时地利人和。我们第一个客户是民生银行，当时他们要做大数据升级，刚好遇上我们，对我们的团队也挺认可。这是一个挺空前绝后的机会，以后可能也不会有了。
民生、招行这些领先的金融机构跟我们合作后，其他的金融机构再跟我们合作就不需要考虑太多了，至少可信度和可行性方面不会有太多的疑虑。
我们也是赶上一个好时机，再早两年的话可能人家还没规划到，现在做则有一点晚，因为现在做人工智能风控的团队比较多，已经很难跟主流金融机构合作，只能选择城商行、银行的分支行或者小贷公司，但这种合作项目说服力相对较低
爱分析：未来是否会借助渠道获客？
朱明杰：现在还是直销为主，未来会跟一些云金融、底层服务的公司合作，这个在于我们产品跟他们对接、整合的过程。
爱分析：氪信向机构收费的模式？
朱明杰：现在市场还很早，所以我们的收费方式比较灵活，以单独的产品或业务处理量收费都有。对银行的收费方式与他们的采购规则会有关系，银行以外的客户，我们更多的还是按照业务处理量收费。
我们最终设想是按计算能力收费，但一下子跳过去有点早。
爱分析：银行等金融机构对云服务的接受程度？
朱明杰：对金融机构来说，最好什么数据都自己存储，但云服务一方面有用，另一方面性价比高，所以我们能看到消费金融公司能够接受，一些小的城商行、村镇行也会在国内大型金融云平台上搭建业务系统。
对大象来说，自己去引领创新不太现实。但未来如果其他人都这么做了，又经济又划算的话，他们也会跟进的。像我们合作的民生、招商、平安在银行里面比较开放，也在探讨这样的机会。