清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

本文共字,预计阅读时间

2017年,大数据和人工智能技术已经成为金融领域,特别是互联网金融领域被广泛应用的核心技术之一。机器学习、数据挖掘等技术手段在风险控制、预测规划、管理决策等多个方面,为金融企业带来了变革。业务数据、互联网数据、用户行为数据等各类数据的关联、挖掘和重组,怎样提升运作效率,降低风控成本和风险水平,是金融科技从业者们不断探索和关注的问题。大数据挖掘带来的隐私保护、挖掘方法的有效性以及数据获取的合法性等问题也使大数据应用遇到了挑战。

9月17日,第二届中国金融科技大会在清华大学举行,国内外学界、业界、监管界人士齐聚大会,分享中国金融科技的前沿实践,共同探讨金融科技的未来。下午第一场“金融大数据的发展与挑战”就是在这个背景下举办的。冰鉴信息科技有限公司创始人、董事长兼首席执行官顾凌云,TalkingData首席执行官崔晓波,同盾科技有限公司首席执行官蒋韬,鑫苑科技集团执行总裁庞引明,北京聚爱财科技有限公司首席执行官任衡,上海合合信息科技发展有限公司董事长镇立新就这一主题,分别发表了自己的观点。

数据驱动业务增长

TalkingData首席执行官崔晓波认为金融企业大数据发展面临的挑战和机遇来自于两方面:一方面来自于外部,就是说,到底跟谁去合作,以什么样的商业模式去合作;另一方面来自于内部,可分为四点:业务数据化、数据资产化、应用场景化、技术智能化。业务数据化是指很多企业没有办法把内部和外部的数据用起来,做到数据闭环,业务有数据指标的设计,同时用数据驱动的方法去运转所有的业务。数据资产化是指购入数据或给数据平台花钱的时候,能否去衡量数据的投入产出比,这需要一套非常合理科学的框架。应用场景化是指数据应用在落地是产生的种种问题,一定要结合业务场景去用能力,而不只是用能力去解决问题。技术智能化是指企业的应用技术还没有那么智能。

智能风控创新促进消费信贷业务发展

同盾科技首席执行官蒋韬认为,消费信贷,其实现在面临非常多的问题。这些风险,包括伪冒的申请、做虚假资料、内部欺诈、信用风险等。现在中国有大量的信用白户人群,同时跨平台的负债非常地严重,信息无法全面的获取,便会导致风险信息获取滞后。蒋韬表示,风控是整个金融机构最重要的核心。风控其实跟场景是强相关的,不同的领域,包括汽车金融,你的一手分析和二手的车抵,它的风控流程和模型是完全不一样的。信用卡的网申,包括小贷公司,他们使用的流程也是完全不一样的。在演讲中,蒋韬介绍了同盾在欺诈风险和信用风险中运用的维度和工具,在应用层提供贷前、贷中、贷后、催收的智能风控应用和反欺诈。

区块链画像及征信

鑫苑科技集团执行总裁庞引明认为,目前征信的数据来源比较混杂,共有黑白灰三道,黑的数据不知道来源,白的数据是指在一定程度上在授权范围内是可以用的,而灰的数据是指目前法律还未明确界定是否合法的数据,这一类数据是最多的。这些数据由谁负责给,使用者是否能合法应用都面临诸多问题。在实际的应用中(尤其传统的这些企业),手里有一部分的数据,但是数据又不全,在这种情况下想做,面临着一些问题。目前,中国人民银行关于征信牌照延迟发放就使得企业在合作的过程中很踌躇。而关于区块链的应用现在还处于一些比较初级的阶段,因为现在区块都比较小,而且这个链条都还没有打造完成,那么这个链条数据的积累,还没有达到一定的程度。如果数据量大的时候,区块链就会面临交换速度问题,也就是说你业务的这种去中心化跟你技术架构上的集中,这两者之间是矛盾的。

走中国特色的智能投顾发展之路

北京聚爱财科技有限公司首席执行官任衡介绍了聚爱财在中国开展智能投顾方面的面临的风险和取得的成就。他表示和传统的资产管理机构比,独立智能投顾(尤其美国的独立智能投顾)品牌比较弱,这就造成了客户的获取成本非常地高。而且用的产品和策略基本上都来自于传统的资产管理机构。所以他的管理费的收入不可能过于传统的资产管理机构,这就造成了成本高和利益非常薄。智能投顾要在中国落地的话,他认为就要拓展资产端,获得不同于传统金融机构所使用的资产,从而在客户的留存成本和收入模式上,打破美国智能投顾紧紧依靠管理费的这种单一的智能投顾模式。

OCR+Data+AI+Service金融场景的商业数据应用

上海合合信息科技发展有限公司董事长镇立新通过介绍合合信息科技的几个主要产品展示了OCR+Data+AI为金融机构提供具体的解决方案和应用场景的过程。合合信息科技从一年半以前开始给金融机构做数据获取、数据清洗、智能获客,包括贷后监控等服务和工具。其核心技术为OCR、图象识别、机器学习。同时,合合还有大量的企业数据和企业行为数据,以及名片全能王、启信宝和扫描全能王三个APP产生的一些用户行为数据。此外,合合也通过机器学习算法给企业做画像,为金融机构提供服务。

金融大数据嫁接人工智能重塑风控技术

顾凌云分析了金融大数据存在的挑战很多,机器学习、深度学习为什么被大家认可。他提到稀疏样本如何高精度的建模是做小微企业征信中挑战之一,可以一定程度上用深度学习来解决。监督学习和无监督学习二者之间平衡,才能做好建模。他认为消费金融可以从流量、风控技术和资金成本三个方面来理解。大数据在一定程度上,通过了算法的层层叠加,最后把本来不可以碰的监管红线给绕过去了。他始终坚信,中国和美国很多地方是不一样的,比如体育、文化、政治体制,但是在金融方面,他相信美国的昨天就是中国的今天,而美国的今天就是中国的明天。所以,美国的很多监管对于中国来说是具有决定性意义的。他认为想要做征信这个行业,要坚持做到独立、第三方、高科技、轻运营的平台,换而言之真正要做征信的,既不能裁判员、运动员都做,而且同时还要保持相当的独立性。

[Source]

本文系未央网专栏作者发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文为作者授权未央网发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文版权归原作者所有,如有侵权,请联系删除。

评论


猜你喜欢

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。