近年来无数银行系消费金融公司和互联网金融公司如雨后春笋般诞生，在这一赛道展开了激烈竞争。作为金融的核心，风控对于行业内的选手来说至关重要。

智帆金科正是在这样的背景下诞生的。成立于2012年，智帆金科早期致力于为金融机构提供不良贷款处置平台，然而这并未从根本解决互联网金融行业的痛点。

当时行业内存在两个问题，一是数据共享存在孤岛问题，二是风控模型不够完善。

在2015年10月，公司推出了去中心化的数据分享平台和风控模型，专注于在贷前阶段为客户提供解决方案。

由于民间信贷人数庞大，借贷历史和需求复杂，去中心化的数据库有助于平台内的金融公司获取信贷者全面、多维度的信贷数据。通过智帆金科的数据接口，公司连接了众多互联网信贷机构，从而实现信贷结果的实时分享。加入平台的成员使用数据接口向其他成员发出查询要求，其他成员会得到响应后向其提供查询反馈。

其次，智帆金科为客户提供满足多信贷场景的评分模型。信用评分模型不仅能为客户准确提供潜在信贷者的精准画像，也能满足不同信贷场景下的评分需求。通过应用智帆金科的风控模型，客户能在多场景下的贷中、贷前、贷后等环节识别风险，帮助客户进行风险防控。

2018年初智帆金科完成了品牌升级，将自身产品向全产业链拓展。

贷中方面，智帆金科引入了规则引擎，按照多维度的借贷数据把借款人分为不同监控等级，在不同等级内客户可以采取对应的监控措施。同时，电商数据被接入监控系统，通过手机号和地址监控借款人的信贷信息变化。

贷后方面，如果借款人进入催收环节，客户可以使用智帆金科的评分卡预测催收的成功概率和回收比率。如果借款人结清或者退出，评分卡能为客户提供下一步销售策略，如是否挽留客户和未来是否提升服务级别。

近期，爱分析对智帆金科首席科学家庄传礼博士进行访谈，此前他曾任职于京东征信和中国人民银行征信中心。庄传礼博士对风控行业趋势和智帆金科的业务模式进行了分享，现将部分内容分享如下。

与业务结合，为客户量身订制产品

爱分析：智帆金科如何构建自己的模型？

庄传礼：首先，智帆金科对被评对象的信息足够了解，而不是只通过片面的信息就进行评价。有些被评对象的确没有信贷历史，作为信用评价方还是要收集到足够的信息，包括被评对象填的申请表和其他授权机构的辅助信息，然后判断这些信息是不是足够反映信用状况。

另外，在技术和方法上，智帆金科会保证模型有一定的稳定性。在建模的过程中有一些技术方法的处理，比如对字段进行分栏和筛选，并跟客户的业务结合。

当然，模型最后还有定量的测试和监测，监测也是非常重要的一个方面。开发之后需要验证模型是不是满足当初设计的效果，包括准确性、稳定性，并且还需要定期地跟踪和监测模型。如果模型已经对一类被评对象没有效果了，就要做优化和调整。

爱分析：业务与模型相结合的例子有哪些？

庄传礼：智帆金科之前给现金贷做过评分。一般的信用卡业务出现坏帐的定义是逾期90天以上。如果现金贷的业务定义坏账期限为90天，客户无法接受。因为现金贷的期限很短，如果定期限是90天会对客户造成很大的潜在损失。

爱分析：不同定制化评分模型之间有何差异？

庄传礼：有些模型属于通用评分，适用性更广泛。多数时候，智帆金科针对不同的客群构建模型，例如汽车融资租赁和信贷业务的客户存在差异性。一个模型通常会根据客群规模、客群差异性等因素分成多个子模型。在信贷的申请、激活、挽留环节，模型也有所变化。

爱分析：模型有哪些监测机制和反馈？

庄传礼：构建模型的基础是人是理性的。在相似的情况下，有理性的人会做出相似的决策。

随着经济发展，政策变化等等因素，模型有可能会失效。因为消费者的思想、收入都发生变化，行为也会跟着变化。模型一般都有3到5年的有效期。在此前提下，智帆金科需要随时监测模型，有的模型有可能一两年就失效了。

如果跟单一机构合作，智帆金科会部署监测系统，基于客户的反馈并结合公司自身的监测再做调整。

融合电商数据，多维度打造模型

爱分析：国内征信条件与国外相比有何差异？

庄传礼：国内发展信用评分模型的时间比较短，FICO在进入中国市场以后教会了很多金融机构使用模型的方法。国内的统计学人才储备更丰富，在与国外评分机构的合作过程中，很快就理解了构建评分模型的理念。

国内电商和支付行业的发展比国外好，积累了大量非金融数据作为信贷信用评价的替代性信息。另外，国内还有其他途径，比如在个人的授权下获得信息。互金这两年飞速的发展，对征信业有很大推动。

另外，有一些机构在算法上有新的尝试，如人工智能和仿生的算法。我相信在算法上国内未来会领先于国外。

不过，FICO作为征信行业内的领军公司，它的成功更多的依赖于实践和业务。对业务和数据的理解比算法更重要。一些人工神经网络的算法降低了模型的稳定性，从而间接的提高了金融机构的风险。

爱分析：目前的模型中是否包括电商数据？

庄传礼：电商数据从风控的角度来看涉及到验证数据。例如，智帆金科会基于信贷申请的家庭地址，和电商数据中的送货地址进行校验，其中涉及到复杂的中文文本分析。

消费数据在我的认识里面是一个替代性数据。金融风控的核心数据是信贷数据。判断风险有两个指标，还款能力和还款意愿。所以，消费情况间接地反映了消费能力，有可能会作为一个信贷数据的补充。

所以，电商数据会衍生出一些处理过的字段，最终是否进模型取决于它的信息值。

爱分析：智帆金科整体解决方案的产品形态是什么？

庄传礼：智帆金科目前主要的产品是模型。构建模型得到一套规则，而应用这一套规则需要数据。所以模型实现的过程有一个系统，智帆金科把模型和数据结合在系统里，最后给客户提供一个API。

在合作过程中有些客户提出了更高的需求，它们想开展新业务，需要智帆金科提供整体解决方案。所以，在开发产品的过程中就涉及到可选场景，主要围绕着银行的信用卡服务。其他场景包括消费信贷，在这个领域公司给客户提供基于风控的数据模型和系统。

面向小微金融公司，提供全套解决方案

爱分析：智帆金科的客户构成情况是怎样的？

庄传礼：总共的客户现在是700多家。之前服务一些中小金融机构，未来主要面向持牌的金融机构。现在服务的金融机构主要是银行，比如说湖北农信、九江银行等等，在智帆金科的定义里算中小金融机构，大型机构有中银消费。

爱分析：智帆金科会根据服务的深度去区分客户吗？

庄传礼：智帆金科并没有特别区分客户。因为在合作的过程中，任何一家机构都不可能只需要模型。通常情况下，客户发现模型效果还不错，智帆金科可能帮客户拓展其他业务的深度合作。

实际上，对任何一个客户，智帆金科都希望能够深入合作。首先，智帆金科并不产生数据，所以公司并不开展数据业务。其次，公司的核心在于风险咨询。智帆金科在与众多客户合作的过程中，帮助客户了解在不同场景下，哪些信贷数据源对于风控模型更加重要，为客户提供数据对接。因此，智帆金科的核心业务在于构建模型、开发系统。

爱分析：产品服务周期是多久？

庄传礼：模型的开发周期取决于业务的复杂度。技术人员比较成熟的情况下，单一业务需要1到2个月的时间。复杂的业务可能在三个月到六个月，包括部署系统的时间。

有的机构需要单独开发场景，周期就会比较长。小机构需要模型分析和构建的人员，基本上3到5个人。系统的开发包含设定的场景，大概需要2到3个人去部署和实施。

爱分析：智帆金科的团队规模有多大？

庄传礼：团队人数不到110人，60%以上都是技术人员。商务团队现在15个人。

爱分析：智帆金科产品的销售模式是什么？

庄传礼：风控产品完全没有代理，因此能确保最好的销售体验。我了解到有些代理会加价，这样对公司品牌不好。尤其是持牌的金融机构，不希望有中间商，这样客户更能了解智帆金科的产品。

爱分析：智帆金科整体解决方案的服务收费在什么级别？

庄传礼：收费分成两种形式，一种形式按照模型收费。一个模型里面有可能包含多个子模型，这种模型的收费是根据业务的复杂程度，价格在一二十万到几百万不等。

另外一种收费模式是分成模式，简而言之是根据业务量去收费。小贷机构的客户是有分成的方式，按查询的条数去收费。

爱分析：智帆金科的业务重心是什么？

庄传礼：智帆金科的产品就是风险咨询业务。核心的产品是模型，我觉得至少占到60~70%，系统配置可能占30%左右。数据不是特别核心的业务，但是智帆金科可以帮助这些机构去对接。

爱分析：近年智帆金科的服务策略是什么？

庄传礼：主要是面向小微金融机构的综合性风控解决方案。目前主要是以银行和消费金融这类的机构为主。

但是智帆金科现在基本上没有帮银行获客，而是会帮助银行去做获客的营销模型。比如银行有贷款业务，客户有该行的信用卡，那智帆金科可以帮助这些机构分析哪些信用卡客户有可能会成为贷款的客户，实际上都是数据分析相关。另外，像消费金融公司、融资租赁公司、村镇银行、农商行，它们的技术力量不是很强，智帆金科可以帮助这些机构做二次营销。

这些营销模型没有导流的业务，在营销模型上是客户的群体画像，加深客户对消费者的理解。

同时，在贷中和贷后环节，智帆金科的能实现实时的监测机制。例如银行的信用卡机构，模型可以根据消费行为和习惯判断客户是否即将流失。如果客户即将流失，模型会触发挽留机制，因为发展新客户比维持老客户的成本高。