- 数据智能
- 新颜科技
- 金融科技
近日，爱分析在京举办了2019爱分析·中国数据智能高峰论坛,围绕“蓄力中台，突破边界”为核心主题就多个议题展开对话与分享。在会议的下半场，爱分析邀请了新颜科技CEO黄向前先生进行主题为《数据智能赋能新金融》的演讲。
现将黄向前的主题演讲实录分享如下。
黄向前：首先，感谢爱分析给予我们这次机会，能够在这里给大家介绍一下新颜科技的情况，以及在新金融领域的实践。新颜科技是一家专注在金融领域的人工智能科技公司，目前已经服务了多家持牌金融机构、知名互联网金融公司等。
今天分享的内容分三个部分。第一部分是简述数据智能的行业现状，第二部分讲一下新颜的实践应用情况，最后则是聊一聊创新与探索。
简述数据智能现状
全球数据规模持续以指数级在增长，根据IDC预测，预计2025年全球数据圈将达到175ZB，我国数据圈将达到48.6ZB，占全球数据圈的27.8%，无论在智能制造、金融，还是在医疗等领域，中国大数据产业在各个应用场景均呈大规模发展。
同时，数据中台的发展、算法模型的更新迭代，包括最近5G网络进入通用领域，这些都对整个人工智能行业产生巨大的推动作用。随着基础设施的成熟和提升后，数据智能将带来更多价值，包括降低人力等物理成本、提升决策效率和稳定性、打破时间的界限等。
这是数据智能领域的“微笑曲线”，前期积累大量的数据，通过数据中台做相关的建模分析、数据处理，然后落地到相应的行业场景里，最终形成数据的资产化，进一步提升产业价值。尤其在近几年，伴随整个大数据的基础越来越成熟，大量企业的数据中台建设完成并在相应的产品中应用后，产生了许多价值。
数据中台的特性有两个方面。第一个方面，五个“度”（速度、准确度、精度、广度、深度）缺一不可，尤其伴随大数据广度和深度的不断积累，数据中台能很好地将数据集合，避免形成数据孤岛，并将其应用在产业场景当中。
第二个方面则是在数据中台不断推演、落地产品的过程中，标准化的产品和定制化的产品之间本身存在一个互相制约和互相推动的作用，从而能够将数据中台的治理和数据中台的应用更好地服务于产业。
重点应用风控、反欺诈场景
接下来，介绍一下新颜科技如何将数据智能应用到新金融领域，比如风控、反欺诈场景。
数据智能在新金融领域的核心竞争力分为三个方面。其中，最基础的是数据，将数据通过特征工程形成相应的标签体系，最上面一层是算法和模型，对数据的加工最终形成不同维度的不同属性的标签，比如反欺诈标签、异常事件的标签等，另外还要结合欺诈网络图谱、用户行为数据、设备终端的数据等，最终得到一个相应的决策依据。
知识图谱和深度学习是新金融领域的革新应用。相比以前需要长时间的现场尽调、人工处理，新颜通过大量使用人工智能和深度学习技术，然后构建知识图谱，便能实现秒级的放贷操作。此外，通过复杂关系网络进一步搭建的关系图谱能在新金融领域实现更好的风控反欺诈的效果，达到毫秒级处理。
以下是我们对网贷用户现状进行汇总、分析得出的一些结论。根据大约1亿的样本量，截至2019年3月，整个中国网贷用户群体按地域划分，目前广东省仍是借贷人群最多的省份。
在客群方面，从2013年互联网金融发展以来，整个行业新客户的增速持续下降。2018年以后，基本上新客户的比例已经降至20%以下，这意味着每100个人进行网上借贷，仅有不到20个人是从未有过网贷记录或行为。同时，根据新颜掌握的情况来看，部分平台的老客逾期率反而大于新客户。由于优质新客户缺乏等原因，整个互联网金融领域的流量价格不断推高。
另外，从消费信贷用户生命周期的角度看，通常一个网贷用户的生命周期在15个月左右，目前来看，用户不可能变成网贷的长期客户，在经过一年两年甚至三年四年后，消费信贷用户最终都会成长为银行客户或消失。
因此，对于新金融领域的公司和从业者而言，如何避免自身成为一个网贷用户在其生命周期尾部的接盘侠，需要我们结合业务场景，关注用户生命周期不同阶段，针对不同的用户群体在风控环节进一步加强。
新颜科技在数据智能方面的产品服务，涵盖了从信贷产品的风控，到数据决策，再到资产撮合。根据不同行业、不同场景，新颜提供的产品体系也有所不同，能给新金融行业的公司全流程的智能风控解决方案。
与上海交大成立联合实验室，积极探索理论与实践
第三个部分是新颜从去年开始做的一些创新探索。
一方面，随着大数据、人工智能行业技术进一步成熟和广泛使用，在新金融领域里已经形成初步的闭环，很多传统金融机构也开始往线上发力。另一方面，整个网络信贷行业的新用户逐步减少，加之生命周期的情况，如何提升决策能力、更加有效地服务客户等，这些机遇与挑战并存。
为此，新颜从去年开始和上海交大一块成立了人工智能金融科技联合实验室，通过产学研合作的方式进行了很多探索工作。
例如，我们将交大首创的一个深度学习算法的研究应用在数据中台的数据清洗和建模环节，并形成一些产品。其中，新颜目前推出的智能风控产品当中就运用到了此算法，在行业内应用的效果也不错。
第二个例子，是去年11月份和上海交大一起研究的白盒点过程模型，该模型相比黑盒深度学习模型具有可解释性和融入先验的优点。新算法预计在今年6、7月份将对现有产品的升级，使智能决策系统的效果更好更快。目前，该算法还处于各类模型的测试阶段。
此外，新颜和上海交大在一些基础技术领域，比如OCR、人脸识别等方面的理论研究，也开始在新金融领域进行大规模推广和使用。截至目前，新颜科技已经服务超过2500家持牌消金、互金公司和银行等机构。
今天的分享到此，谢谢大家！