- 金融科技
- 征信
- 大数据风控
- 金融
在互联网借贷大发展的背景下，征信、风控服务的重要性越来越明显，越来越多的公司开始为金融机构提供相关的数据、模型、技术服务。冰鉴科技成立于2015年，是一家为金融机构提供个人、企业征信服务的公司。
其创始人顾凌云曾在美国金融科技公司ZestFinance任职，担任算法模型负责人，为无信用记录的申请人提供信用评估。此外，顾凌云还曾是Turbo Financial Group联合创始人和首席风控官，为金融机构提供个人、企业信用评估。
冰鉴最先切入的是小企业征信领域，继而为个人信贷提供征信支持。对企业进行信用评估，涉及到对企业主个人信用的评估，在其看来，从小企业征信到个人征信，逻辑是自洽的。去年12月，冰鉴获得创世伙伴、领沨资本1.1亿元A轮投资。
满足金融机构系统、模型多层次需求
冰鉴科技为金融机构提供IT系统服务、标准化产品、定制化解决方案以及工具类产品，满足金融机构核心业务系统、风控模型以及提升运营效率的需求。
首先是IT系统，冰鉴为小贷公司提供核心业务系统，包含流量管理、流量渠道筛选、借贷用户管理、通过率管理、坏账率管理、支付对接、压力测试等模块，目前有贷管家、风控管家等产品。
截止2016年末，全国共有小贷公司8673家，对核心业务系统的需求广泛存在。但这八千余家小贷公司平均贷款余额仅1亿元，业务规模很小，单独研发核心系统性价比极低，所以冰鉴提供的是标准化的SaaS服务。
其次是标准产品，服务消费金融、小贷机构、P2P等机构，包括个人业务层面的反欺诈引擎、个人信用画像产品，小微企业层面的企业信用评估、企业画像产品。
冰鉴目前覆盖了92%的城市人群和82%的农村人群，反欺诈评分模型由上千条反欺诈规则组成，数据维度包括黑名单信息、个人信息、行为数据以及爬虫抓取的信息，形成分值300-850的反欺诈评分。在评分的基础上，冰鉴还能提供通过、拒绝、警惕等决策建议。
金融机构通过API接口接入其反欺诈引擎，输入用户姓名、身份证号、手机号即可获得反馈结果。
再次是定制化解决方案，根据国外FICO、Experian等公司的经验，这类需求长期存在，包括营销、反欺诈、信用评估、风险定价、贷后管理等。冰鉴为标杆客户提供定制服务，本地化部署在其业务场景中。
冰鉴最初为银行提供小微企业贷后管理。银行传统做法是放款之后由信贷人员到各个企业调研，查勘企业经营情况。冰鉴贷后管理模型能筛选出风险较高的企业，由信贷员重点关注这类企业，用以提升贷后管理效率。
定制化服务咨询属性强，需要投入较高的人力成本，毛利率较低。所以冰鉴只为标杆客户或数据层面有较大补充意义的客户提供定制化服务。
最后是工具类产品，用以帮助金融机构提升运营效率。银行的模型可能来自不同供应商，任何模型想要进行修改，都要由产品经理提需求，再由IT部门排期、完成、反馈，流程冗长复杂。
冰鉴科技为金融机构提供模型管理系统，可以对金融机构所有模型进行统一管理、交互。金融机构所有模型的修改都可在冰鉴的工具中进行，能够极大提升运营效率。
从美国市场的经验来看，金融机构对标准化信用评分产品和定制化风控建模的需求长期存在，冰鉴提供的产品和服务具有长期、稳定的市场需求。
覆盖人群广，数据维度丰富，有助于提升标准评分的使用范围
根据美国征信经验，通用的反欺诈、信用风险评分模型，基本条件是要覆盖足够多用户，建模维度相对统一，个体数据完整性较高。根据FICO的发展历史看，其FICO评分也是在与三大征信局达成合作后才被大规模使用。
从覆盖人群来看，冰鉴已经达到很高规模，即顾凌云所说的覆盖92%的城市人群和82%的农村人群。目前，冰鉴数据源包括合作的上百家金融机构的第一方信贷数据，银联、工商、法院、税务、通信等数十个第三方数据源。
其下一步要做的是增强数据深度，增加个体数据的完整性，使得模型区分度更高。目前冰鉴反欺诈和信用评分每月有3-4千万的查询量。
冰鉴的反欺诈和个人信用风险评估都涉及到评分，反欺诈评分和信用风险评分两款产品未来发展路径会有不同。
反欺诈模型考虑的是身份识别、社交关系、个人行为、黑名单记录等信息，这类信息相对容易获取，不存在政策上的壁垒。所以对冰鉴来说，通用的反欺诈评分模型更容易建立，会成为其核心壁垒。
信用评分更多依赖金融属性强相关的变量，信用记录又是其中最核心的维度，而央行之外机构很难获得用户在持牌机构的还款表现。所以冰鉴信用评分、信用评估更适用于无央行征信的人群，服务于非持牌机构，未来可在此构建竞争壁垒。
综合来看，冰鉴创始团队具有很深的个人、企业征信背景，对业务场景的理解能力深入。其产品、服务种类丰富，能满足金融机构多层次的需求；标准、定制产品之间在获客、建模等方面具有协同作用。最后，冰鉴在用户覆盖率上已经形成一定的规模。
近日，爱分析对冰鉴科技CEO顾凌云进行了访谈，现摘取部分内容如下。
冰鉴提供企业、个人征信服务
爱分析：冰鉴的发展战略？
顾凌云：可以用五个大的维度概括。第一是业务包含个人征信、小微企业征信，第二是产品包含标准化产品和定制化产品，第三是客户包括银行和新金融公司，第四是服务分IT服务和模型服务，第五是中国市场与美国市场同时在做。
爱分析：是否会从事数据服务？
顾凌云：我们不会做数据买卖业务，我们所有的数据采集都获得授权、符合规定，然后自己进行变量清洗，建模之后以分数的形式输出。
爱分析：反欺诈主要以黑名单的方式在做？
顾凌云：黑名单只是方法之一，主要是通过反欺诈模型在做。专家系统或者黑名单做出来的是线性边界，很有可能降低一分放进很多坏人，增加一分刷掉很多好人；模型做出来的是非线性的决策边界，则不存在这个问题。
爱分析：反欺诈评分、信用风险评分底层建模维度有何不同？
顾凌云：反欺诈评分和信用评分的评分体系有交叉的地方也有相对独立的地方。反欺诈底层建模维度变量的个数更多，而每一个具体变量含义都比较弱化。相反在信用评分建模当中变量数目比较少，但绝大多数都是金融属性强相关的变量。
爱分析：冰鉴如何识别用户多头借贷情况？
顾凌云：已经有大量金融机构在使用我们的标准产品、模型，查询量非常大，短期内我们可以全面的看到一个借款人在不同金融机构、平台的访问和借贷次数，这样形成的多头借贷的数据是非常精准的。
爱分析：标准化产品是以SaaS服务的方式提供？
顾凌云：是的，而且我们反欺诈评分和信用评分产品覆盖率很高，对于央行有征信报告的人群，可以让产品维度更全面，对于央行征信报告不能覆盖的小白人群，我们综合覆盖率超过85%，对于想用我们产品的金融机构来说，基本能保证在查询时返回相应结果，而不是空的字段。
只要用借款用户的三要素信息查询，我们一定不会返回空记录，多多少少会有这个人记录对应的量化分数。
爱分析：冰鉴给出返回结果的形式？
顾凌云：分数、报告的形式都有，可以低付费只要分数，也可以高付费返回一份报告。但不管是分数还是报告，都不会直接推导出具体的个人信息。
爱分析：标准化产品有哪些目标用户？
顾凌云：银行、P2P、小贷公司和消费金融公司都是我们的目标用户。四大国有行、股份制银行、城商行、农商行以及民营银行都有我们的付费用户。消费金融领域，持牌消费金融公司和一些不持牌的机构都有我们用户。
满足金融机构营销、反欺诈、信审等各类需求
爱分析：国有大行具体哪些业务部门对冰鉴有需求？
顾凌云：四大行在国家政策引导下，开始成立普惠金融部、小微企业部，之前他们对普惠金融、小微企业是不感兴趣的。在政策的引导下，他们要对个人放贷、要对小微企业放贷，就有很强的动力与我们合作。
爱分析：银行普惠金融具体的需求？
顾凌云：精准营销、反欺诈、信审模型，包括定价、定额模型我们都做。
爱分析：银行信用卡中心会有合作需求？
顾凌云：我们现在只跟一家股份制银行的信用卡中心合作，信用卡是银行做的最为成熟的一个方向，我们暂时也不愿意在在银行做到最好的领域切入。
爱分析：现金贷公司会直接使用冰鉴的标准化产品还是作为一个参考？
顾凌云：头部的客户基本上都用了我们的产品，但是他们自己会建模，把我们的分数作为他们模型的一个输入变量。小一点的现金贷公司可能会直接用我们的标准化产品。
爱分析：精准营销是帮助银行筛选客户，还是用更好的方式触达？
顾凌云：用更好的方式触达，比如如何唤醒沉睡用户；银行本身已有存量用户，如何进行交叉销售；从渠道推送来用户时，如何筛选出有价值用户，而不是把资源、时间浪费在没有希望的用户上。
爱分析：定额模型的难点在哪里？
顾凌云：定额非常难做。人总是有犯罪动机的，对银行来说，给用户100万的贷款，可能不跑路；但给1000万贷款可能就跑了。
定额模型最终是一个开口向下的马鞍形，不一定是二维函数，可能是三次或者四次函数，这个时候就会发现额度特别低时，用户压根不敢兴趣；额度慢慢提高，用户就开始用了；等到额度更大的时候，就有人开始不还钱了。所以我们需要找到函数的极值点在哪里，这是定额最难的地方。
爱分析：最先从哪个环节为银行提供服务？
顾凌云：贷后管理。对银行来说，小微企业信贷贷后管理非常痛苦，很难大规模的对已经放贷的小微企业进行管理。按照传统的办法，信贷员每个月需要去核查已经放贷的企业是不是正常营业，员工数有没有大规模变化等各种信息，一个月也就能跑个150-180家。
使用我们的贷后模型后，我们可以挑选出风险更高的企业，信贷员重点关注，能极大提高贷后管理效率，一个信贷员管理的企业能增加到280-300家。
爱分析：在小微企业信贷中，冰鉴还能提供哪些类型的服务？
顾凌云：贷前管理模型，以前一个小微企业的贷款需要一个信贷员两三天时间才能确定下来，使用我们模型以后，流程可以缩短到半天甚至一两个小时，放款效率会有很大的提高。
还有定额模型，也起到了非常重要的作用。信贷员存在两个风险，一是客观判断失误，比如明明只能授信50万元，却提供了150万元的贷款；二是主观道德风险，内外勾结进行骗贷。这个时候我们的模型会提供辅助判断，比如明明只能授信50万元，业务员却帮助申请300万，我们就会让其上级来核查为何差别这么大，降低主观偏差和道德风险。
爱分析：服务如何收费？
顾凌云：我们IT系统有一套标准的软件定价方式，然后每年会收一个授权费用。标准化模型产品则是SaaS服务，按查询收费。
爱分析：在美国提供哪些类型的服务？
顾凌云：我们在美国为借贷机构提供次贷人群的反欺诈和信用评分，所以业务逻辑和底层模型算法逻辑与国内是完全相同的。当然美国数据源不同，监管也更加严格，我们仍然会以中国市场为主，但是美国的业务起量很快。