- 数据智能
- 消费金融
- 金融
近日，爱分析在京举办“2019 iTIC 爱分析中国科技创新大会”金融科技分论坛，本次论坛汇聚了国内数十家金融科技行业知名企业创始人及投资机构代表，共同探讨科技如何赋能金融生态链，以及产业转型和升级背后的驱动力。维信金科副总经理李宁受邀进行了“消费金融变革，技术赋能带来新机遇”的主题演讲。
维信金科定位为线上消费金融服务提供商，重点发力信用风险量化、智能化风控等领域，自主研发了“蜂鸟”云风控系统和智能信贷机器人，并链接持牌金融机构与信用群体，为全国用户提供定制化和触手可及的智能金融服务。现将李宁的主题演讲实录分享如下。
李宁：消费金融行业经历了很长时间线下经营的模式，直到最近几年才开始出现线上的企业。我们这12年算是完完整整地经历了中国消费金融快速的成长期。
先来看一下我们公司，我们公司于去年6月份在香港主板上市，到目前为止已经放款600多亿，有接近6000万的注册用户。在产品当中，我们的信用卡余额代偿长期处在市场上第二的地位。
在我们的牌照当中有一张非常特殊的牌照，是融资担保牌照。这张牌照本身是有10个亿的注册资金，我们背后的资金方包含信托、银行、消费金融公司。在合作的过程中，我们因为有一百亿融资担保的额度，可以形成助贷的模式。这个是跟很多的消费金融公司或者说金融科技公司比较大的区别。
像蚂蚁、微粒贷背后都有互联网小贷的牌照。我们实际上依托于互联网小贷牌照与融资的牌照，在市场上与金融机构合作，提供助贷和由金融机构完全自担风险的纯科技服务。
今天我的话题聚焦在技术如何赋能消费金融，这个在我们公司感受非常深刻。可以说在十二年的过程当中，在前面八年到九年，我们公司都是纯粹的做线下业务的公司。大概在2015年初的时间开启线上业务，那个时候一个月就会报上来“做了一个亿的规模”，这是线下转线上过程中产生的指数级的增长。
消费金融包括资金、获客、风控三驾马车
我们一直说消费金融有三驾马车，它实际上代表的是非常关键的因素。在早期的时候，当这个市场的竞争还没有这么激烈的时候，市场上很多的玩家在资金、获客、风控这三样中，只需要做其中一样就可以。
在我们的模式当中，资金方除了自有的小贷资金之外，就是银行、信托、消费金融公司。他们在这个当中扮演的作用主要是提供一定成本的资金。
在获客这一块我们有两种获客方式，这个市场上其他的消费金融型的公司都有这两种获客方式。
第一种是自己建APP、小程序或者微信的公众号，由渠道方来获客。第二种是跟市场上的头部的流量公司合作，比如BAT和京东，还有其他的一些渠道类似于携程，由他们进行筛选以后，由白名单的方式提供获客渠道。
第三就是风控，公司可以做自主的风控，也可以大量使用第三方的科技公司进行风控，风控过程中也可以调用很多第三方的接口和数据源。
在图的左边和右边我分别画了两个循环，主要是最近几年出现了几个比较大的变化。
老客户风险、获客成本显著提升，粗放式经营已不适用
第一个是过往做消费金融和信贷有一个基本的逻辑，是用老客户补贴新客户。今天有一个老客户进来，老客户初次贷款我实际上不赚钱的。我有一个非常高的复借率，老客户再贷和加贷的时候，没有新的获客成本。我们因为老客户这边没有获客成本，在新客户获客上面我们会砸重金进行获客。这个逻辑发生变化。我们发现老客户的风险一定程度上已经超过了新客户的风险，这是因为整个中国的宏观经济的形式发生了变化，存量客户不再是风险较低的客户，客户的风险特征正以以往都没有的速度发生非常大的变化。
另外，我们看到一个趋势是整个消费金融行业从2014、2015年差不多是纯粹的蓝海的状态，到今天已经是近乎于红海的状态了，它的其中的一个表现就是过往的粗放式经营的方式已经不适用了，现在越来越多的转向经济化的运营。我们刚开始做线上的消费金融的时候，会发现客户流入简直不要钱。
在2015年上线一个新的APP的时候，会发现即便不做推广，每天也有一两万个客户进来。
到今天是什么状态呢？对于所有消费金融公司，包含头部公司在内，即便用上了市场上所有的推广渠道，每年投入几亿或者是几十亿进行获客，但真正有效的新增客户很难达到百万级别。
消费金融从“信用风险”转向“欺诈风险”
第二，在风控领域，大家平时做模型会提到机器学习、深度学习的评分卡，往往这里指的是信用风险。信用风险可以说是通过分析一个客户在类似于央行报告中的数据维度，得出的一个预测型的风险指数。现在在很多的场景下，我们注意到市场上出现了大量非常 “老练”的客户。他们可以把央行的报告维护到一个边界的状态，而第三方的黑名单也在这个边界上，导致整个中国市场出现了大量的欺诈风险。
对于这一点，有一些消费金融领域的国内的公司，当他们去到海外市场会发现类似的特点。我们以印尼市场为例，一开始到印尼，基本上可以通吃，结果在印尼市场上差不多做了半年到一年，发现大部分也变成欺诈风险。在风控这一块，整个消费金融的趋势都有一个从信用风险到欺诈风险的转变。
1.0阶段：金融IT阶段（线上化），实现办公和业务电子化
从技术的角度来讲，我们将消费金融分三个阶段，将它们定义成1.0、2.0、3.0。
在1.0阶段，最早的时候，整个行业所有的业务都是在线下的，IT在这个当中起了一件最重要的作用就是无纸化办公。以前在门店的时候，每个客户来，会让他填非常复杂的表格。1.0阶段无非就是表格从线下转线上，但是这个只是一个形式上的变化，技术在这个当中并没有应用到业务当中。即便像我们这样一家已经成立超过12年的公司，有长达八年都是在1.0阶段。
2.0阶段：互联网阶段 （自动化），本质是对传统金融渠道的变革
什么是2.0阶段？其实现在还有很多的公司也是处在这个阶段，也就是自动化的阶段。我们今天的很多的业态是移动互联网兴起才助推起来的。在消费金融的2.0阶段也是一样，如果没有移动APP广泛的使用，也不会出现消费金融2.0，它的最大的特点是24×7放款。在这个过程中，为了实现24×7，我们做了大量数据驱动和量化风控的工作，用传统评分卡和机器学习评分卡的方式判断高利率、高风险、低利率、低风险，实现差异化定价。
这正是由移动互联网造成的。在2.0阶段，很多消费金融公司重新打造了他们配套的风控系统、客服系统、消费平台，更确切的说是大数据平台。
拿一个标准的信贷流程来讲，当一个用户完成注册，到他的决策，到产生“提现”的操作，再到交易的确权和系统放款，以及存量客户的管理，都会用到大量的技术手段。这其中，很大程度上，跟我们第三方科技公司的帮助有很大的关系。
我们经常说到KYC，就是要了解你的客户。我们现在看到计算机视觉里面的人脸识别，以及OCR和设备指纹等等，都是为了做一件事情，就是确认你就是你。我们会做大量的反欺诈工作——在APP里面嵌入一个反欺诈的SDK。
在这个过程当中我们可以拿到这个数据，但是它的维度跟过往有很大的区别。有大量的产品已经不依赖于央行的报告，而是大量地依赖于“弱金融特征”的数据。从人的社交行为到发布的信息，所有公开网站上面的信息虽然单一属性不够强，但却非常好地产生了长尾效应。当它们累积起来以后，其效力甚至超过了统计报告。
这个过程中，因为有很多公司帮助市场控制多投借贷，某一客户虽然没有在征信报告里面体现出任何的不良的行为，但可以在多头的数据源中查到该客户最近的申请次数。这些都是帮助我们客户的非常重要的手段。
精细化的客户运营管理变得越来越重要。过往在整个运营的阶段，所有市场上的公司觉得在获客之后，通过信用判断，一旦发现好就给他贷款，如果不好，马上就会把这个客户抛掉，同时也有可能做二次导入，导给别的公司。现在大家发现，当获客越来越难了以后，需要进一步挖掘客户的价值，分析存量客户的风险是变得越来越高，还是越来越低。根据逾期以后的催收工作，账单到期之前的提醒等信息，我们将客户的风险划分成详细的等级。这个在过往粗放式的经营时期是不存在的。
在2.0阶段其实出现了很多种类的评分卡，非常常见的评分卡是通过央行的征信报告得出的征信评分，征信评分看的是信用卡交易等具有非常强金融属性的数据。
除了这个之外，另外一块产生很多评分卡的是手机评分，有一些科技公司是专注于这个领域的。信用评分和征信评分最大的区别在于衡量一个人能否从互联网上拿到多维的、结构化程度不是非常高的数据，同时它跟个人的信用又是息息相关的。
以上的这些评分卡，结合客户还款行为和催收记录等信息，会产生相应的评分数据。在2.0阶段是这样的一个走位。
3.0阶段：金融科技阶段 （智能化），基于海量数据的深度学习
到了3.0阶段就更偏向于智能阶段。从我们的角度来看，它的标签一个是AI赋能，叫AI+；另外一个就是ABCD，指的是人工智能、区块链、云计算和大数据的简称。
在消费金融的领域，通过使用AI+的方式，我们大概可以把它分成六大类，包括智能客服、催收、获客、审核、反欺诈和风控，整个大的体系很少有消费金融公司自己来做。比如说ASR和TTS，一个是把语音转成文字，一个是文字转成语音，科大讯飞、百度就是这个领域的头部公司。
我们总是提到智能反欺诈，但具体怎么做到智能？
今天在应用市场上发布一个APP，里面一般都会带有一个很小的SDK，这个SDK大概会采集什么样的信息？如果是安卓的手机，在用户授权的情况下，用户在这个手机上安装的APP列表是能够采集到的。第二，用户在使用APP过程中的行为，比方说滑屏的动作，输入的痕迹，这个都是可以采集到的。第三，我们还会看到跟这个用户相关的一度、甚至二度的关系图谱。
这个反欺诈SDK做的一件事情，就是不停地把三大类的数据送到一个集中的服务器上，这个服务器使用我们的模型，包括反欺诈和行为规则的模型，结合公司自己的黑名单以及第三方数据源给到的黑名单，实时给出一个结论——该用户欺诈客户或者疑似欺诈客户，之后就会比较快地完成处理。
人工智能在客服中的应用严格意义上分两种，包含文本和智能的呼入呼出。
在文本客服中，由于大部分客户问的问题的标准化程度是比较高的，通过语义的训练可以减少70%到80%人力的投入。
在呼入的场景中，智能的体现在于不再需要像以前打电话来选择一二三四，而是根据问的问题相应做出跳转。
另外，由于很多从业人员的水平是参差不齐的，但在任何话述当中使用了言语上的暴力，投诉的成本都是非常高的。传统的做法是采用抽查的方式，设置一个质检的专员，通过抽查录音的方式来进行质检。这个对于任何一家消费金融公司，每天的录音数都有几千个小时。现在的做法则是通过非常标准的智能语音质检的方式，进一步捕捉到这当中有没有违规的行为。
在呼出的场景中，智能客服有两块应用。一块是如果客户出现了逾期会有智能的呼出，目前呼出的水平能够达到45秒以内。另外一块不光是用于催收，而是在整个的客户的转化的过程当中。当发现在某一个环节中客户的转化率有一定的问题，我们会筛选出部分转化可能性比较高的客户，使用智能语音的方式促成转化。
从1.0到3.0，到底技术在当中起到什么样的作用？
第一步我们说KYC，了解你的客户。第一是要精准的获客，在客户当中能够高效地实现反欺诈。第二是当客户进来了，怎么确定真的选对人。在这里我们通过海量的数据和机器学习制作评分卡。
下一块就是促转化，通过智能电销和转化漏斗确保渠道的使用有效性。接下来是要知冷暖，在机器化运营的过程中，对存量客户的管理越来越重要。通过所有跟客户相关的交互，包括智能催收和还款提醒，给客户建立一个行为模型。
再到降逾期，在这个领域比较有意思的一点就是推荐算法。过往大家都说，当你打开淘宝和京东，根据你感兴趣的内容和刚刚买过的东西，会给你推荐相关的产品。我们可以用协同过滤的算法，判断哪一个催收人员跟哪一个逾期客户最匹配，能够达到最高的回款的效率。推进算法不光是用来推荐商品购买，还可以用来推荐合适的催收的策略。
最后一个环节叫伴未来，今天的消费金融公司，包括我们在内，很少有真正满足于只做消费金融的，因为消费金融本身是非常典型的低频高额的场景。这个场景不能满足为客户挖掘更大价值的需求。因此我们在做一些客户的经营，甚至开始通过一些方式把客户导入到更高频的场景去。
从目前来看，这个行业是对技术的使用非常密集和非常重的行业，但是我们仍然觉得还是有一些地方可以展望和提高的。前面的这个时代，过去三到四年，整个消费金融受到了移动应用非常好的推动。接下来几年，从5G、量子计算到物联网，是不是还有机会创造另外的空间？
从目前来看，今天在消费金融领域，语音数据的使用不算特别充分，其实语音的使用当中可以带出很多东西。比如说跟客服的通话，你会发现这当中很多情感类别的分析在语音数据的使用上做得非常浅。大家现在习惯性地把语音转化成文字，可以通过将文字与关键词进行匹配，来看看有什么可以挖掘的信息。
第二块是从人到机器人转换过程中效率和效能的提升。前面分析师也提到，不管我们做次优的人群还是进一步优质的人群，一定程度上有点饱和了，所以后面的玩家不得不拼机器化运营。这当中核心的一块还是要降成本、提效果，全面地把某一些职能，包括催收、客服、审核等工作，完成从人到机器人的转变，从而促进效率的提升。
第三块是全方位的反欺诈的方式和能力。在消费金融的行业里面，逾期跟坏账做得非常好的公司都是在技术上做反欺诈做得比较好的公司。这一块的挖掘的潜力也是比较大的。
第四块是对存量客户进行深入的价值挖掘。当新客户的获客成本越来越高，对接近六千万的存量客户进行价值挖掘就变得更有必要。
第五块是金融和科技公司的共赢。中国有很多的小贷公司现在已经处在比较艰难的阶段，如果在这个时间点上做一些科技上的投入，其实已经晚了，而且这个成本太高。我本人相信与其什么东西都要自己做，倒不如设计好方向，跟成熟的科技公司进行合作。
最后一块是建立在ABCD之上的新的技术，包括人工智能、认知智能、感知智能等等。今天其实从消费金融来讲，还只用到了非常浅的感知的技术，因此这个空间还是比较大的。
这是我们作为算是比较老的消费金融公司多年以来的体会。谢谢大家.