金融

以AI风控为帆,智融集团领航智慧金融

人工智能加持消费信贷风控

2018年11月15日
调研 | 卢施宇 张扬 撰写 | 高禹
  • 消费金融
  • 金融

以人工智能探索小额短期个贷

2013年,百度出身的焦可带领团队推出个人小额信贷推荐引擎“贷小秘”,以解决该领域的信息不对称问题。

然而“贷小秘”的发展很快遇到了瓶颈,团队意识到,传统金融机构不仅欠缺服务非传统金融人群的获客能力,更重要的是,他们不具备该领域的风控和贷后管理等能力。

因此,2015年团队转型自主发展消费信贷风控技术等,推出“用钱宝”信贷APP,探索运用人工智能风控模型和智能化贷后管理为用户提供小额短期贷款的商业模式,并于2017年将品牌全面升级为智融集团,开始输出消费信贷业务的相关技术经验。

“用钱宝”主要针对的客群是传统金融覆盖不到的near primesub prime人群。最初,“用钱宝”主要经营单期贷款,随后逐步补充发展起分期贷款。

目前,“用钱宝”以发放3期、6期等的现金分期贷款为主,发放贷款的信用额度是3000-30000元,还款期限为3-6个月,日息0.1%

获客方面,“用钱宝”主要通过在应用商店、搜索引擎及其他线上平台投放广告进行线上获客。

风控方面,自主研发人工智能风控引擎“I.C.E.”,以海量个人行为数据等为依据,特别针对小额个人信贷缺少传统征信强特征信息的特点,挖掘弱特征变量并进行分析,运用机器学习建模,侧重评估用户的还款意愿,实现审核授信。

此外,“用钱宝”在贷后管理中也充分利用自动化及人工智能技术,采取线上客服、智能催收等。

目前,“用钱宝”已积累较多用户,单月交易笔数在20177月已突破200万。基于“用钱宝”的成功经验,2017年公司逐步开始向B端输出自己在小额个人信贷领域的获客、风控、产品流程设计及贷后管理等方面的技术能力。

输出金融科技 B端、C端业务纵横互补

智融2B业务面向的客群主要是金融机构和少量流量平台,金融机构包括城商行、股份制银行、农商行和消费金融公司等。

这些公司有发展消费金融来拓展业务的意愿,但在发放消费信贷的某些具体环节上可能经验不足,智融通过有所侧重地输出获客、风控或贷后管理能力,与这些公司进行合作,填补它们在个别环节的技术缺陷。

具体地,智融利用“用钱宝”产品的影响力输出其获客能力。智融将“用钱宝”触及到的非目标客户导流给其他合适的金融机构或平台,协助这些机构增加客源并快速导入客户资料。

风控方面,智融输出自主研发的所利用的基于弱特征的人工智能风控引擎“I.C.E.”,并会依据各客户掌握的不同数据源对基础模型进行定制化调整。

贷后管理方面,智融向客户输出智能化信贷管理系统,该系统主要包含贷前、贷中的智能客服和贷后的自动化催收功能。

未来,智融希望并行B端、C端业务,通过C端业务做深,服务更多的非传统金融人群,再连接B端做广,通过商业合作为此类人群提供全生命周期的消费服务。

近期,爱分析对北京智融时代信息技术有限公司CEO焦可进行了访谈。焦可是清华大学计算机学士、中科院计算所硕士,曾任百度高级经理、赶集网高级产品总监、马可波罗网产品副总裁,2013年创立智融集团。

访谈中焦可就消费金融行业发展趋势及智融集团的业务、战略进行了阐述,摘选部分内容如下。

个人消费信贷更适合运用人工智能风控

爱分析:为什么选择小额短期个人信贷类型为主要业务?

焦可:基于对智能风控的技术的理解,我们判断小额短期个人信贷类业务最适合使用智能风控。

第一,小额意味着样本多,企业贷款单笔贷款额度大,因此样本比较少,且如果发生损失则单笔损失非常大,不符合小额分散的特点,不适合做智能风控。

第二,短期意味着迭代速度快。放出一笔款后,可以迅速知道回款结果,这样我们可以快速优化模型。但是很多长期贷款就必须依赖对客户更长时间的经验判断。

第三,个人贷款实际上相较企业贷款更简单、标准。因为针对个人信贷,很多信息特征是大家都具备的,一个特征放在每个人身上可能都有用。但是企业不同,不同的行业的特征点就完全不同,包括不同阶段的企业特征也完全不同,很难找出适用于每个企业的特征。

爱分析:业务主要面对什么人群?

焦可:我们主要选择服务near primesub prime人群。

传统银行已经把prime人群服务得很好了, prime人群开始“挑肥拣瘦”,可能一个人有很多张信用卡,办信用卡开始挑剔有没有优惠。

此外却有很多人办不了信用卡,因为他们不具备申请开卡的资质材料。比如有人工资发的是现金、没有工资流水,有人没有社保,租房频繁搬家的人可能没有6月的水电煤气单等。另外,很多年轻人没有有效的征信记录,是征信白户。我们希望服务这些人的消费信贷需求。

当然,整体来讲prime人群整体风险要比near primesub prime人群低,但是对于个体来讲,如果给prime人群过度授信、过度服务,风险反倒会增加。

反而,near primesub prime市场有时候风险不一定像大家想象得那么高。我们认为near primesub prime人群处在从无杠杆到有杠杆的过程,这个过程相对而言是比较安全的。

爱分析:2B业务和用钱宝APP是面向同一类人群吗?

焦可:我们认为2B服务一定得专,不能泛泛地说能服务各类B端客户。

我们能力的适用范围是在小额个人信贷,所以主要服务有相关业务的B端客户。我们的模型对于金融机构等有没有用,关键取决于他们是不是想做消费金融的业务。

爱分析:C端业务从单期向分期转型有没有遇到困难?

焦可:如果一个公司只做一个业务,当这个业务的环境发生大的变化时,它就很难去调整。我们看到的普遍情况是很多原来做payday loan的公司,根本没办法转型,现在已经离场,因为它们没有从业务上面积累下技术。

我们的业务并不是从现金贷到分期转型,我们核心是是用几千维的特征去做业务引擎的技术公司。

爱分析:业务转型对于我们的风控能力、贷后管理能力会有新的要求么?

焦可:调整不大,因为面对的人群没变,都是非传统金融的人群,对于这些人群的风控方法也没变,都是通过海量数据建模的方法。

区别在于原来的参数可能要有所调整,原来的特征的有用程度可能发生了变化,也可能有新的特征进来。有新样本后,我们就可以不断去优化我们的模型,这个过程肯定是需要优化迭代的,但是大的方法、框架没有改变。

从实践结果来看,我们原有模型的架构在新业务上也非常适用。

爱分析:场景分期业务有哪些规划?

焦可:我们非常重视场景。一方面,可以通过场景去获取客户,根据某个客户基于场景的需求去做信贷服务。

另一方面,其实也可以反过来,就是当我们掌握了一些用户,了解了他们的风险情况时,我们可以给予他们一定的授信,让他们去到一些场景使用。

一个是从场景来,一个是到场景去,两者都很重要。其实很多信用卡的逻辑也是一样,卡商慢慢推荐你去饭馆消费可以打折,可以用它买iPhone等等。

分期只是我们的一个尝试,关键在于我们要提供给用户更多的服务机会,我们把它抽象成一种可以发放授信额度给用户进行线上消费的能力,未来甚至可以拓展到发放授信额度进行线下消费的能力。

爱分析:场景分期业务与天猫、京东等的最大区别是什么?

焦可:最大的区别不在购物这一环节,而在人群,人群是最大的区别。

BAT以及京东,基本上服务的用户以prime人群居多。他们其实也是跟一些银行合作的,所以未来的发展思路肯定是要扩大传统金融服务的20%人群。我们服务的则是传统金融短期内还很难服务到的near primesub prime人群,这部分是是有市场机会的。

以专业的科技服务赋能B端客户

爱分析:2B业务现在主要服务哪些客户?

焦可:一是金融机构类,如包括城商行、股份制银行、农商行的各类银行,信托,消费金融公司等。

二是流量方,他们自己有一些客户想开展消金业务。

三是我们和金融机构、流量方三方一起坐下来合作开展的。对于信贷业务,获客、风控、放款、贷后这四个职能都是不能缺的。但是具体到某一个项目,每个职能由谁来做是可以商谈的。

比如说,流量平台有客户,他们解决获客的问题,我们和金融机构一起来解决风控的问题,其中可能金融机构解决资金的问题,我来解决贷后的问题,这样就是一个很好的组合。

爱分析:合作开展消费信贷的关键是什么?

焦可:对于此类合作,我的观点是,首先,大家要有整体的大局观,必须能把消费信贷整个业务穿起来,负责提供获客、风控、放款、贷后管理四个能力的角色必须都有,业务才能开展。

第二,我觉得一定合作中要理解彼此的能力特长和资源,这样才能分配谁干哪个合适、各自干多少。一定不能“拿着锤子找钉子”,说我只干这个,别的都不管。

另外,我们会要求合作的B端客户有核心竞争力,否则它的业务很难做起来,它需要在某一个关键问题上有很强的竞争力,是不容易被替代的。

爱分析:获客能力如何输出给B端?

焦可:我们以用钱宝获取客户的时候,也在想怎样帮助客户满足诉求、找到好的资方。

用钱宝是一个比较受市场欢迎的APP,知名度比较高,在做用钱宝业务的过程中,我们也发现有一些客户比较优质,我们的服务可能满足不了他的需求,有些客户可能比我们想服务的客户还要差一点,我们就可以把他们推给适合这个客户的金融机构。

其实这跟我们最初的业务形式比较相似,这还是我们一个核心的点。

爱分析:风控方面和传统金融机构有什么理念差异?

焦可:一个人的信用像冰山一样,银行往往只看水面之上的部分,他们只认一些文件、信息。

客观讲,银行这么做也有道理,因为:第一,这些数据确实跟逾期关系非常强,是强特征;第二,这样简单、有效、直观;第三,如果定位于服务社会上最prime的人群,这种方式比较合理。

传统银行的风控就像一个筛子,拉出规则的钢丝来,然后从一大堆苹果里筛出最大的苹果。银行也知道漏下的苹果里是有好苹果的,但是他们没有办法用那个筛子把漏下的好苹果找出来。传统金融往往是零一制的,是筛选的逻辑。

我们则想打造一杆秤,我们不筛,我们称,即准确地测量一个人。这是我们的风控理念跟传统金融服务理念最大的区别。

爱分析:风控服务与其他服务商有什么区别?

焦可:大家风控的目的都一样,是解决贷前、贷中、贷后环节中的问题。风控服务面对的环境没有变、目的没有变,只是解决问题的手段在变,这是核心点。

例如,贷前都是要做好用户风险的判断,只是我判断的标准、方法跟别人不一样,别人是用筛子来判断,我是用称来判断。

同理,贷中、贷后其实也是一样,只是大家所使用的方法不同。我们更多是使用例如深度学习或者是决策树的方法,而其他人更多可能采用的一些统计学的或者规则引擎来去做,这是核心的区别。

爱分析:输出的模型会做定制化的更改调整吗?

焦可:定制化肯定是有的,这倒不一定是金融机构的需求,而是我们的需求。我们有几千条特征,但并不意味着我们只看这些特征,别的特征多一个不行、少一个也不行。我们的模型对于每个不同的B是可以有定制化的,根据各个客户独新的数据做些调整。

比如我们有在跟一些流量平台合作,用户在这些平台上有些表现,例如注册了多久、发过多少帖子,这些都是非常有价值的特征,把这些特征补充到我们模型里面来,效果当然更好。金融机构自己手上有一些用户有用的强特征,补充到模型里面当然也好。

爱分析:向B端输出模型时定制化工作量大吗?

焦可:我觉得to B的工作量其实主要取决于究竟是做什么,重要的是方法和大的课题变没变。如果从方法层面变了,那就是很大的调整了。例如不做基于数据的风控了,改成作为基于规则的。或者说大的课题变了,不是用来做个人信贷而是做车贷,这样我们的模型就不匹配了,改动比较大。

如果课题基本相似,都是针对非传统金融人群去做信贷服务,并且本身采取的也是基于海量数据建模的方法,那么这部分定制对我们来讲就是比较可控的成本。

爱分析:在数据方面我们和其他公司有什么差异?

焦可:首先,差异不在数据源。我们能从第三方拿到的数据,别人也能拿到,这个市场对大家是公平的。但是要注重持续更新,数据的新鲜度很重要。

对于同样的数据,我们运用原始数据提取特征的能力比较强。如果用人工来找特征,能找到几十个、几百个就很不错了,而且其中很多可能与逾期无关。如果用机器找,我们可以找到几千、几万维,从中可以做一些关联性的研究。另外,我们的样本也比较多。

爱分析:现在团队的规模和组成结构是怎样的?

焦可:我认为对于我们的业务,技术是地基,金融业务是上层建筑。目前公司总部团队人数超过300人,其中技术研发人员占比过半,金融背景的员工也有一定比例并且还在扩充。

金融科技与传统银行合作共赢

爱分析:如何看待消费金融市场?

焦可:我觉得从市场供需角度和国家政策两个角度来看,消费信贷都非常重要。

第一,我觉得消费金融在中国是非常有潜力的市场。

从宏观统计数字来看,中国的消费金融市场跟欧美发达国家相比还太小。个人的杠杆率虽在上升,但跟欧美相比还是处在低位,且绝大多数新增的都是房贷,而不是正常的消费贷款。

借钱消费的观念在中国年轻一代心中正在不断加强。他们对未来比较有信心,没有强烈的不安全感。此外,年轻人手头钱少但有花钱的需求。

第二,国家导向鼓励消费信贷发展。国家提倡拉动内需、鼓励实体经济,通过银行给中小机构授信固然是一个手段,但这种渠道往往不够通畅,因为有时候银行还是对小企业有偏见,也还是喜欢放贷给政府、国企。

我认为消费信贷是盘活实体经济最重要的一个手段,可以把选择权还给市场。有时候银行可能放贷给产能过剩的行业或企业,成了浪费。如果把这些钱给到用户,让他们自己去消费,市场会自己选择哪些企业该活下去、该发展。

爱分析:近年来,借贷行业风险事件发生的主要原因有哪些?

焦可:借贷行业主要有几个问题,第一,过去整个行业的准入标准和监管制度不太清晰,由于游戏规则模糊,很多小的、不正规的玩家就进入了这个行业。这是一个大问题,监管也已经看到了这个问题,有做相应的动作。

第二是基础设施问题。行业缺乏统一的征信体系,导致市场参与者各自为战,很难共同把行业做好。目前已经出现了一些征信公司,包括官方的“百行征信”也已经推出,我相信未来征信情况会更好。

第三个原因来自技术层面,借贷企业必须要有相应技术才能应对相关的风险。如果之前做线下借贷业务的企业开始做线上业务,就会发现其中的风险问题、风控的标准完全不一样,如果没有相关的技术会出很多问题。

爱分析:金融科技能够为用户创造哪些价值?

焦可:我觉得应用人工智能等技术,能够让无法获得传统金融机构服务的人群获取到与之相匹配的金融服务。

以人工智能技术在风控领域应用为例,目前在国内,能够被传统金融机构服务的人群仍然只占少数,原因是传统的以少量强特征数据为主的风控方法只适用于少部分人群,有很多人不具备如央行征信、银行流水、社保等强特征数据。

这种情况下利用人工智能、大数据计算等可以较好地解决问题,虽然这部分人群不具备强特征数据,但他们一定有些弱特征数据,如网上行为数据、操作手机APP的习惯数据、电商数据等,通过人工智能技术能充分挖掘这些数据的价值并在风险评估中发挥作用。

就实践经验而言,我们自主研发的I.C.E.人工智能风控引擎目前已累计完成超过2500万笔的信贷交易,这2500万笔交易全部由机器完成。我们的风控引擎已累计挖掘并验证了超过12000维度的弱特征,累计完成了超过3600次的模型迭代,机器审核速度仅8秒。

爱分析:如何看待来自传统金融机构的竞争?

焦可:我认为金融机构对于互金平台肯定是合作伙伴,而且已经是合作伙伴了,我们一直在与金融机构合作。

就合作而言,银行等传统金融机构有它们的长项,如在资金获取的合规管理方面。作为以技术为导向的互联网公司,我们的优势在信贷的其他环节,如获客、风控、过程管理等。

我们也发现传统银行在这些环节存在些问题,比如找不到客户、找到客户无法管理等。有些客户的数据和文档不符合银行的风控标准,银行采取传统风控方式没办法服务他们。金融科技公司能够通过技术帮助银行,提供更多的风控维度,帮助银行判断客户风险等。

同样,我们也能就信贷过程管理提供服务。现在消费金融的整体趋势是越来越小额、越来越高频,因此业务会越来越在线化,很多银行利用传统系统无法开展线上借贷业务,我们有专门的产品可以帮助它们管理,提供客服和代管理服务。

爱分析:理想状态下,5年后互联网金融行业将形成怎样的业态?

焦可:首先科技化肯定会更加明显,之前还有互联网金融到底是金融互联网化还是互联网金融化之争,现在没有什么好争的了,其实都是科技化,我认为所有的经济都会往科技化这方面走,这是一个趋势。

第二个趋势是更专业化,专业化有两个维度,一是就细分领域而言分工会更细化,大家会服务不同人群。二是在服务的环节上,从获客、风控、放款到贷后管理也会有不同分工。

第三是更加普惠,这是我认为金融科技企业存在的重要原因。如果只靠传统金融机构,实现普惠会比较慢。很多金融科技企业是把传统金融不太擅长服务的个人或小微企业,作为自己的服务对象,金融科技公司的发展可以加速普惠金融实现。