柠檬科技定位信贷领域大数据风控技术和综合解决方案的提供商，做个人和企业的信用评估和分析，为信贷金融机构提供风控决策和精准营销方案。

柠檬科技创始团队中，COO彭小兵曾供职于交通银行技术开发部门，其他创始人则主要服务于消费金融机构，结合对信贷风控需求的精准把握，将大数据和人工智能技术应用于信贷流程和营销流程中的多个场景。

服务全流程，平台功能完备

柠檬科技核心团队曾经营过两家消费金融公司，对成都信贷市场有更深入了解，对风控要点的把握有丰富的经验。柠檬科技提供信贷客户全生命周期的服务管理，包括贷前客户信息核验、反欺诈、授信额度、风险定价、贷中评分模型，异常数据和流量监控，贷后催收模型，对接其他法律诉讼、网络仲裁等增值服务。

同时柠檬科技也提供专业的营销团队，对接广告信息流、广告联盟，帮助客户实现线上精准营销，线下合理布局，实现吸引新客户、激活原有客户和完成交叉销售。

无论是风险监控，还是精准营销，柠檬科技都可以提供对应的技术平台服务，同时平台功能较为完备，并能灵活对接各类业务场景。

首先数据和模型方面，大数据平台可以实现海量数据存储、外部数据快速接入、关系数据可视化、模型一键更新等功能，大大提高系统的运行效率，持续优化模型，改善用户体验。

其次，柠檬科技为使用者提供可视化开发平台，通过简单的配置操作便可将用户自定义算法轻松集成到平台，方便客户参与模型的整个开发和后续持续运营监控中。

最后，深度学习平台，集成了人脸识别、图像识别、语音识别、文本识别等功能，在google的TensorFlow深度学习框架下进一步开发，利用神经网络算法执行任务，提升反欺诈的效果。

与客户深度绑定，风控和运营联动

柠檬科技市场营销方式主要是线下客户拓展，目标客户群体是地方性银行和其他金融机构，这些金融机构的线上风控、营销能力较弱，柠檬科技的服务很大程度上是对金融机构风控系统和线上营销的替代而非补充。因此，柠檬科技与客户合作更深度，能够按客户使用平台所实现的业务量收费。

柠檬科技很大一部分收入是按终端客户调用次数或者贷款金额的百分比计费，只有帮助金融机构高效地匹配到优质的客户，才能稳健提升信贷规模，在客户盈利的同时分享成果。

未来，柠檬科技计划进入医疗和教育行业，挖掘更多的应用场景。

近期，爱分析对柠檬科技创始人兼COO彭小兵进行了访谈，就金融科技领域行业动态及柠檬科技的业务发展情况进行了交流，部分精彩内容分享如下。

服务中小金融机构，深度合作创造新机会

爱分析：请您能简单介绍创始团队的背景？

彭小兵：公司创始团队有四个人，主要在银行和消费金融公司等机构。我之前在交通银行做了3年的技术开发，随后在第三方金融IT公司做了10多年技术管理工作，在圈子里积累了一些人脉。

爱分析：柠檬科技的发展过程是怎样的？

彭小兵：公司成立之后有三个发展阶段。

第一个阶段是到2016年6月，我们做出了迷你风控平台1.0版本，它接入了外部第三方数据，并开发出了最简单的规则和模型。当时找到了两个互联金融的合作伙伴，其中一个是深圳普惠快信。

第二个阶段，我们做风控平台、风险评估等业务。经过一段时间积累和磨合，我们参与更多深入服务，从风控模型构建、上线到模型整合，还有模型更新迭代。其中包括贷前信息审查模型，贷中评分模型，贷后催收模型等。

第三个阶段是在2017年，我们推出了风控2.0的版本。新版本加快了数据接入速度，升级了决策引擎、提升信息可信度分析和区域客户特征分析等模块。

爱分析：柠檬科技的主要客户群体有哪些？

彭小兵：目前服务的客户有十家左右，主要服务消费金融公司、城商行和农商行等中小企业。客户并不多，我们重心放在服务质量和效果上面。

爱分析：银行和消费金融公司需求上有没有差异？

彭小兵：其实有差异，我先说共同点，他们都需要精准获客、风险控制和运营分析，以及贷后管理整个解决方案。

不同点在于每一类机构它拥有的资源、风险承受能力、经营目标或压力不一样，所以对结果的要求不一样。

举个例子，银行拥有非常好的资源，在风险承受这点上，因为监管要求不同，银行风险承受能力比互金更强，但承受风险的意愿更弱。而且银行的经营压力、业绩考核和互金也是不一样的。

爱分析：终端客群是2C还是2B的？

彭小兵：都有，包括个人、小微和企业，这三块信贷产品。

爱分析：银行2C、2B的产品都有，柠檬科技的风控更侧重哪个方向？

彭小兵：偏向于个人和小微企业的征信和风险控制。

爱分析：柠檬科技的收费方式都有哪些？

彭小兵：主要包括产品模块费用和后续服务费用，服务费主要是根据业务规模，按服务调用次数或者贷款金融一定比例进行收取。

银行需要整个信贷风控解决方案。消费金融公司或者是小贷公司，一般会选某一个到两个模块。我们后续服务收费和贷款金额相关，每年的服务费可能比首期费高，我们希望做深度合作，我们的收入和客户的业务状况相关。

平台化的全面产品线，风控、营销全方位服务

爱分析：柠檬科技的产品和服务有哪些？

彭小兵：我们产品和服务分两块，一个是风控服务，一个是精准营销。

风控方面，我们会监控平台外部数据进来的效率、稳定性、异常值。贷款申请是通过平台来发起的，风控平台会获得基本信息、贷款的金额、征信数据；对2B的客户，还需要获得企业业务、客群、产品、合作渠道等信息。

除了运营监控，我们还将数据形成关系网络，主要解决团伙欺诈，可能是一个人的手机号、地址位置，通过实际业务过程产生业务数据，反向去做就是反欺诈。贷款申请的过程当中，我们会对客户做风险评估。

贷后更多是催收模型，通过追偿无法解决的，柠檬科技会帮助企业会对接合作的法律或仲裁平台，联系相关机构提起法律诉讼。

营销方面银行更关心内部存量客户的激活。

我们利用外部三方的相关数据、客户内部数据，建立多维度客户画像，筛选出有价值的潜在优质客户，然后再指导银行来利用渠道触达。

渠道方面我们有团队做信息流、广告联盟等平台，帮客户把线上渠道打通。

爱分析：现在银行对CPC模式的接受程度如何？

彭小兵：银行的信用卡营销有很大需求，线下广告媒体营销效果难以评估和数字化，线上广告效果就没有这个问题。

爱分析：柠檬科技的数据来源包括哪些？

彭小兵：有一些就是前期合作过程当中积累的数据。主要依托于外部的数据，包括验证类、欺诈类、以及经营流水、工商数据等。比如和银联的合作，我们就利用银联的数据接口，调用征信数据。

银行业务中，我们对征信数据市场行情比较了解，在数据来源方面可以给银行一些建议。

爱分析：数据接口、决策平台的工作原理是怎样的？

彭小兵：传统的银行数据，都是单点接入。比如信用卡和零售产品，分别接入，没有统一管理。我的平台把银行不同业务数据和外部数据统一管理，并对内对外发布API数据服务。

我们先部署底层的平台，然后接入外部数据，通过平台对数据进行清洗和加工。最后根据模型需要提取数据。

爱分析：模型开发的过程怎样的？

彭小兵：我们会用到 R、python和spark等语言构建数据挖掘平台，根据客户的实际需求开发模型，将开发代码封装并实现流程可视化、可管理，最后交付。在风控2.0的版本中，新模型可以一键发布到决策平台，可以做到模型实时调整。

爱分析：模型开发平台又是如何工作的？

彭小兵： 平台会集成开源算法和我们独有算法，整个算法和模型开发的流程是可控的。

我们会根据具体场景对模型进行改造，客户也可以通过平台对模型进行改进和开发，共享成果。

最后将模型开发平台跟决策引擎直接打通，模型开发能和决策平台做联动，能够让模型快速生效。

爱分析：人脸识别、语音识别和文本识别是不是利用外部接口？

彭小兵：我们之前做过这方面技术探索，这块底层技术已经比较成熟，我们更多聚焦在这些技术与现有模型及业务需求的整合。

爱分析：比如人脸识别能用在哪一些流程和环节里面？

彭小兵：在贷款申请阶段，有身份的比对。比如看照片背景是否相同，线下的套现团伙或者黑中介，可能找一批白户集中到某一个地方，做线上或者线下申请的方式来进行套现。

我们可以通过背景图片的比对进行判断，比如有一百张照片背景的相似度非常高，那么这些申请者就会有套现嫌疑。

爱分析：现在团队总共大概有多少人？

彭小兵：公司目前有120人左右。大部分在成都，技术研发有95人左右，还有商务拓展团队、后台团队和运维团队。

爱分析：模型更新周期大概多长时间，包括哪些维度？

彭小兵：模型的更新迭代频率和运营监控结果关系紧密 ，比如模型跑出来的坏账率、逾期率升高，我们就需要检查原因，及时提示风险和更迭模型。所以时间节点不是特别固定，一般一到三个月。

拓展银行客户，确定多行业发展目标

爱分析：新客方面，主要会考虑是银行还是互联网金融？

彭小兵：银行优先，其次是消费金融公司和小贷公司等。

银行对优质客群的需求比较迫切，需要更强的资源整合能力，我们风控体系和营销体系就满足了这些需求。

由于市场因素，小贷公司出现了很多问题，这个洗牌过程中我们的风控和营销模型就更显价值。

爱分析：城商行和大型银行的广告投放费用，占营业收入比例如何？

彭小兵：广告投放费用非常高，是千万级为的。投放渠道包括互联网媒体、电视广告、宣传材料或者活动等。

爱分析：通过柠檬科技大数据风控体系审核的贷款金额有多少？未来的目标是多少？

彭小兵：贷款金融累计有500多亿元，以个人短期消费贷款的为主，今年主要跟银行合作，下半年放款规模会大一点到年底希望能够冲破累计1000亿元。

爱分析：柠檬科技的获客大约周期是怎么样的？

彭小兵：3到6个月。

爱分析：如何规划未来两三年业务？

彭小兵：业务规划主要还是在金融行业。随着技术的成熟，我们会往尝试其他行业，比如说教育或医疗行业。

医疗科研对于数据挖掘是有非常强的需求，我们也想积累业务场景经验。我们创始团队中有相关资源的积累，但业务还在筹划阶段。

教育行业我们会锁定高校的大数据、数据分析专业，因为我们在商业化方面更有经验，就可以将我们的产品开放给高校学生，支持高校的科研项目，让学生有更好的学习、实践平台。

学校也是公司在大数据建模和统计分析领域招聘人才的良好来源。