金融

用人工智能做风控,成立仅一年多的氪信拿下多家银行

氪信与民生、招行等标杆用户达成合作得益于天时地利人和。

2017年06月23日
调研 | 青川 李喆 撰写 | 青川
  • 大数据
  • 消费金融
  • 风控
  • 金融

氪信成立于2015年12月,是一家2B金融科技公司,通过人工智能技术为金融机构提供风控服务。

在氪信CEO朱明杰看来,互联网金融行业发展过程中,最先出现的是业务创新,发展到一定阶段后,技术创新随之而来。近两年,线上借贷由野蛮生长逐渐转向精耕细作,为金融机构提供风控技术支持便有了价值。

氪信进入风控领域的时机恰到好处,成立之时消费金融业务模式已得到验证,正处于发展迅猛、竞争激烈的时期;在目睹消金公司攻城略地之后,各家银行也反应过来,大力推进信用卡业务,并有意拓展现金贷业务。

消金公司和银行是氪信的首批客户。对于消费金融公司来说,业务和风控能力均是其壁垒,然而部分消金公司虽有较好的展业基础,风控能力却比较缺乏。自建大数据、人工智能风控模型对其是较大的挑战。

这时选择氪信这样的独立第三方公司提供风控服务,也不失为一种选择。

传统银行信用卡在申请过程中需要面签,还需用户提供工资流水等材料,繁琐复杂,效率低下。所以信用卡业务在发展过程中,必然要通过大数据、人工智能等新技术提高风控效率,这也为氪信提供了机会。

而真正决定氪信与招商、民生银行等巨头建立合作的,在于其拥有强大的技术团队。其中,朱明杰是微软亚洲研究院和科大联合培养博士,参与了微软大数据挖掘和机器学习系统的搭建,后来曾在雅虎研究院、eBay从事数据挖掘、机器学习工作,并组建了携程大数据部门。

氪信最初的成员多为朱明杰的一度人脉,来自微软、雅虎、eBay、携程的同事。

业务上,氪信专注于贷前反欺诈和用户还款能力评估。风控链条很长,从上游的数据收集、清洗,到建立模型防范欺诈风险、确立授信额度,再到贷后的催收、失联修复,每一个环节对核心能力的要求均有不同。

氪信并不追求大而全,而是聚焦于对建模技术要求最高的环节,例如基于用户行为、关系网络的反欺诈和预授信。

建立智能风控模型的基础是具有大量的数据,氪信本身不涉及数据采集工作,数据来源于两方面,一方面是合作机构本身已经收集了大量的用户数据,另一方面氪信也与主流的征信平台合作,比如芝麻信用、前海征信等。

产品功能上,氪信的风控模型主要针对C端的借款用户,因为C端用户能够满足小额、分散、数据量大的特点。目前氪信除了以项目的形式与大型金融机构合作外,也输出标准化的产品。

近日,爱分析对氪信创始人&CEO朱明杰进行了访谈,朱明杰对金融科技、人工智能以及氪信的业务发表了独到的见解,现摘取部分内容如下,供读者参考。

信贷进入精耕细作阶段,2B金融科技需求增长

爱分析:为何2B的金融科技输出成为行业热点?

朱明杰:前几年金融行业更多的是业务创新,而我们做的风控偏基础设施,在那个时候没那么需要,业务都没有的时候做基础设施价值不大。比如阿里也是在淘宝交易量上来以后,有了足够的数据才去做智能,行业发展都是如此。

所以从时间点上来说,过去的时候不需要2B的金融科技,而且风控抠的过细,可能也会影响发展速度,这是现实情况。

发展到现在,金融行业出现两点变化,一是政策监管加强,整个行业都要规范化,不能再靠监管红利挣钱;二是各种业务形式大家都想过做过了,行业的竞争也比较饱和,已经进入精耕细作的状态。所以现阶段技术能够体现其价值,2B的金融科技也就开始发展起来。

爱分析:为何用AI技术切入风控?

朱明杰:我一直认为有需求、有价值的行业才值得做,而不是人为地制造一个风口。AI也是如此,只有在数据和商业应用场景成熟以后,才会自然而然的爆发。

我认为AI是用机器去阅读数据,然后把由人经验解决的问题交给机器解决。在这个基础上,发展AI技术需要满足一些必备条件,包括足够多的数据和足够大的应用价值。其实二三十年前就有很多关于AI的概念,但之前不具备条件,现在就可以做了。

像风险的话,过去房贷、车贷等传统业务都是有抵押的,不需要通过AI来防范风险。但现在消费分期、现金贷不一样,这类的贷款越来越小额,已经很难像传统贷款一样由人工处理,必须用机器去做。我们也感受到这里面的机会,所以将AI技术运用到风控之中。

爱分析:金融机构对氪信的需求点?

朱明杰:他们最大的痛点——市面上有这么多数据,自己也收集了很多数据,专门采购了很多机器、搞了一堆集群,想要学习BAT、Google进行用户行为分析,然而怎么跟风险关联起来?我们现在就是在为金融机构解决这个问题。

风控模型更关注弱数据运用

爱分析:氪信切入风控的哪一环节?

朱明杰:反欺诈、预授信都有。模型、引擎是同一套东西,只是根据客户的目标不一样,可以去训练不同的模型。技术的好处是不需要风控专家用十几年时间慢慢去调,也不用像以前一样不同的业务模型还要再跑很久。

爱分析:与传统评分卡相比,氪信的模型有何优势?

朱明杰:模型的区分度——也就是区分好、坏人的能力有了很大的提高,坏账率有了显著的下降。

爱分析:氪信的风控模型最初是如何搭建的?

朱明杰:很多做现金贷的公司,会借鉴风控专家的经验,根据业务特点冷启动几个月,不断的调整业务规则和模型。我们则是从一开始就进入有大量样本的金融机构,人肉去做。我们需要这样的一个样本,这也是我们最开始跟主流金融机构合作的原因。

长期来看,我们要做到能对每一个人进行金融画像刻画,包括需要什么样的金融服务、有什么样的风险、金融价值是怎样的,需要我们不断地延展去做。

爱分析:风控上主要关注哪些维度的数据?

朱明杰:优质的征信数据大家都已经做了,能用的都用上了,所以我们关注更多的还是弱数据,例如用户使用设备及社交行为交互等数据。

还有像传统风控中用不了的文本、语音、图像数据,我们有能力数字化,并且能做出来风险相关的系数。

爱分析:氪信会留存用户数据么?

朱明杰:不会留存,这点我们严格遵守客户合作的协议。对我们来说也没有必要留存原始数据,我们迭代的是模型本身,不需要对应到一条条个人信息。

爱分析:未来是否会参与到业务环节?

朱明杰:我们不会参与到业务中,我们的愿景是解决比较通用的问题——用户的风险系数是怎样的。至于这个用户的风险系数是2还是3,是推荐信用卡还是办现金贷,就交给金融机构自己来决定。我们要做的是把机构的IT成本、数据成本、风险成本降下来。

爱分析:除了信用卡业务,与银行还有哪些领域可以合作?

朱明杰:能合作的领域很多,他们本身也在做现金贷,现在要进校园做校园贷。此外他们也在跟外部的资产方合作,虽然不是自己来做运营,但也要把控风险。这个是我们能看到的一些趋势,这些点都可以合作。

爱分析:氪信风控产品的复用性?

朱明杰:我们的模型标准化搭载在我们的引擎上,不同机构的客群不一样,业务逻辑会有不同,需要重新训练模型。

但这个还好,不用做太多的调整,锅还是锅,碗还是碗,只不过做菜的配方会有一些变化。训练模型本身很容易,只要数据准备好,很快就能完成。

合作机构的业务数据要满足小额、分散

爱分析:氪信的客群偏重于传统金融机构还是消金公司?

朱明杰:我们业务的本质还是要看数据,比如我们跟招商银行合作,也只是跟信用卡、个人零售业务合作,没有做对公业务,因为数据要满足大量、分散、机器可以解决。无论是传统金融机构还是新兴的互联网金融、消费金融公司,能满足这样条件,我们就能发挥价值。

所以我们合作的都是自身数据基础比较好的银行、成熟的消费金融公司等标杆用户,可以迅速切入业务,产生效果。有一些传统机构合作需要从搭建IT系统开始,这不是我们最大的价值。

有些刚成立的消费金融公司虽然也满足小额、分散的条件,但是数据量不够大,巧妇难为无米之炊,暂时也没办法合作。

爱分析:传统金融机构相对比较保守,氪信最开始是如何获客的?

朱明杰:可能是天时地利人和。我们第一个客户是民生银行,当时他们要做大数据升级,刚好遇上我们,对我们的团队也挺认可。这是一个挺空前绝后的机会,以后可能也不会有了。

民生、招行这些领先的金融机构跟我们合作后,其他的金融机构再跟我们合作就不需要考虑太多了,至少可信度和可行性方面不会有太多的疑虑。

我们也是赶上一个好时机,再早两年的话可能人家还没规划到,现在做则有一点晚,因为现在做人工智能风控的团队比较多,已经很难跟主流金融机构合作,只能选择城商行、银行的分支行或者小贷公司,但这种合作项目说服力相对较低

爱分析:未来是否会借助渠道获客?

朱明杰:现在还是直销为主,未来会跟一些云金融、底层服务的公司合作,这个在于我们产品跟他们对接、整合的过程。

爱分析:氪信向机构收费的模式?

朱明杰:现在市场还很早,所以我们的收费方式比较灵活,以单独的产品或业务处理量收费都有。对银行的收费方式与他们的采购规则会有关系,银行以外的客户,我们更多的还是按照业务处理量收费。

我们最终设想是按计算能力收费,但一下子跳过去有点早。

爱分析:银行等金融机构对云服务的接受程度?

朱明杰:对金融机构来说,最好什么数据都自己存储,但云服务一方面有用,另一方面性价比高,所以我们能看到消费金融公司能够接受,一些小的城商行、村镇行也会在国内大型金融云平台上搭建业务系统。

对大象来说,自己去引领创新不太现实。但未来如果其他人都这么做了,又经济又划算的话,他们也会跟进的。像我们合作的民生、招商、平安在银行里面比较开放,也在探讨这样的机会。