最有看点的互联网金融门户

最有看点的互联网金融门户
国内资讯

同盾科技蒋韬:AI赋能金融,Fintech进入新时代

本文共5640字,预计阅读时间215

同盾科技CEO蒋韬在清华大学金融科技研究院主办的中国金融科技大会·金融深科技论坛上发表了精彩演说。他介绍了目前人工智能进入到规模化的发展的四个前提,以及同盾“分析即服务”的平台和近期的新业务。他认为人工智能未来会在各个领域、场景发挥重要的作用,第三方的服务机构和公司可以通过人才、信息优势帮助金融机构去快速地做一些变革。

同盾科技CEO蒋韬

以下为演讲全文:

谢谢赵老师今天的邀请,很高兴今天在这里给所有的领导包括所有的嘉宾、所有的同学做一个分享,我是同盾科技的创始人。今天我分享的主题是《AI赋能金融,Fintech进入新时代》。

在讲PPT之前简单介绍一下同盾这个公司,我们其实最早也是利用AI技术做反欺诈开始起家,到今天我们已经涉及到包括欺诈风险分析、信用风险分析,包括保险领域的核保和理赔分欺诈的一种分析,等各个领域的分析型的工作。同盾现在在中国有超过700位员工,有超过30位博士。

先简单介绍一下人工智能在进入规模化发展,为什么人工智能现在能到规模化发展的阶段?我们觉得有四个前提:

1、数据的规模变得越来越大。不光是结构化的数据,包括非结构化的数据,包括图像、语音,这样的数据现在越来越多。最近我们也在跟国内的一些院校研究跨媒体的知识图谱的建立,我们希望把语音、文本、图像里面的一些信息和结构化的信息做一些深度的关联,发现人或者是企业之间的风险。

所以,我们看到规模,算法的上线就是数据,算法再牛、再强,一定要靠足够海量的数据支撑,在中国其实现在最大的问题不是算法的问题,最大的问题是数据打通和融合的问题。

随着国内现在有非常多的企业做数据融合,探索各种基于数据安全、合规之上的数据打通的工作,未来我觉得人工智能会变得越来越有可能。

2、技术。包括底层的计算能力:机器学习、深度学习等等底下的计算能力,芯片、GPU的能力越来越强,上层的能力就会变得越来越强。

坦率地说,很多人工智能的算法在20年之内其实都没有什么太多的变化,包括像神经网络这种算法,在20年其实就非常成熟,今年我们用的神经网络的算法跟20年其实没什么太大的区别,只是我们底层的计算能力变得更强了,我们有更强的芯片和服务器了,所以我们的能力变强了,这是技术上的升级。

3、现在国家在号召做人工智能,各种资金的配置、政府引导资金、各种各样资金的保障。前天我在乌镇互联网大会上做分享的时候,主持人怼了我们,我们一堆人都是号称自己是做人工智能的,结果被别人怼了,他说现在什么鬼都做人工智能,搞得我当时脸都特别红,所以我现在也不好意思到哪儿都提人工智能这个事了。

4、政策的支持。其实国家在新的《十九大报告》里面也明确提出了要人工智能去跟实体经济相融合,人工智能到底怎么去解决实体经济的一些问题,这个我觉得也是我们同盾在探索的一个方向。

最主要我觉得还是回归到金融这个领域吧,因为我们定位是一家应用型的公司,底层有非常非常多的技术,但是最终我们是要用这个技术去解决客户的问题,帮助客户降低成本、提升效率,这是我们最终的目标。

在金融行业其实现在从下面看有四个大的领域是可以真正商业化或者是真正可以做得非常好的:

1、营销。用户画像、交叉销售、分析、差异化定价,这些领域我觉得是可以真的商业化的。

2、风控。这是同盾主要专注的领域,这个领域包括欺诈分析,包括黄博士分享得特别好,因为都是属于业内人士,大家都在互相关注、互相学习,我们都在跟他们进行一些交流。

风控包括欺诈风险、信用风险、保险领域的核保风险,很多风险其实都需要我们去做。

包括现在特别流行的智能投顾,智能投顾其实我们是不做的,但是这也是一个非常热的领域,大家都在做研究。

此外,我们看到现在在各个金融机构内部智能的运营,今天崔晓波也介绍了,我们要基于数据化的驱动,帮助企业提升运营效率,这块儿现在也是一个非常大的领域。

同盾我们提出了一个概念,我们称之为是分析即服务。因为我们看传统的服务平台分四个大的阶段:

1、IaaS。这个就是我们把传统的像机房、服务器、网络设备这些东西做成了一个服务平台,国内现在有非常多的机构在做,像类似于万国数据中心,他们就在做这个平台。

2、PaaS。包括像阿里云、Ucloud他们都是在专注做这个领域,而且做得非常成功。

3、SaaS。我们把传统的软件,包括CLM、财务、人事、运营管理所有的软件都放到云端,去解决中小企业成本高的问题。

4、分析即服务。我们觉得传统在金融机构里面做分析的这部分工作,其实也是可以放到云端来的,不管是信贷的风险分析、交易的欺诈风险分析、营销作弊、智能客户价值挖掘,其实这些工作都是可以放到云端来的,放到云端的好处不言自明就有几点:

好处一:我不需要招一个非常强的算法团队,不需要招一个非常强大的IT团队,去打造这个团队,另外我还要买很多服务器,不知道效果好不好,因为这个东西都是要靠反馈数据来验证的。

好处二:中国现在这样的人才其实非常缺,各家机构自己做,不仅成本高,而且也不太现实。

所以,我觉得对于像我们这样创业型的企业来说是一个非常好的机会。

这个可以看到,这是同盾打造的分析即服务的平台,我们可以从底层往下看,数据存储现在其实这些技术都已经非常成熟了,基于开源的一些技术。我们所有的这些平台从下往上全是同盾自己去搭建的,我们没有用任何阿里云的服务,也没有用任何Ucloud的服务,全是我们自己搭建的,底层的平台团队现在包括运维团队就超过了140人,我们在这块儿的投入非常非常大,每年服务器的投入超过了1个亿。

数据存储,这些都是非常典型的。

再往上看,我们在这个之上搭建了自己的机器学习平台,有监督的、无监督的、半监督的,甚至我们在上海有一个基于深度学习的平台,主要是算一些离线的稀疏数据的关联性分析。

在这个平台上,其实我们有自己的决策引擎、模型、实时计算、复杂网络(刚才黄博士也介绍了)。当然底层是基于图数据库,这个机制也是我们自己建立的,基于图数据库之上,我们把今天在同盾超过千亿级别的数据节点,全部把它的关联关系给算出来了,我们通过关联关系分析相应的团伙和潜在的、隐藏非常深的欺诈团伙,分析得非常好。目前在中国网络欺诈我们自己分析,包括总结,在中国有超过100万的欺诈团伙,我们有这样的数据,有超过100万的欺诈团伙,在这个欺诈团伙里面有非常大的,也有非常小的,非常大的欺诈团伙我们发现在个别的省市有超过1000人的大团伙,我们直接就把他们的信息给到公安机关了,让他们去处理,我们就不管了,我们只做分析的工作。

但是我们也发现,绝大多数(98%、99%)的团伙都是2-3个人的小团伙,他们专业能力很强,又懂怎么从事欺诈,同时又有专业化的工具,这些人本身的背景和专业能力也都非常强,这样的人其实是现在中国诚信体系的一个防范盲区,中国没有人管这些人,因为他骗的账号都是几百块钱、几千块钱,这种钱你就是被骗了,受害人到平台去受理,平台不一定会受理,因为受限于它的技术能力。就算是发现了欺诈,你到公安局报案,公安也不受理,公安说没时间帮你受理这些事情,有些大案、要案办,警力和能力都不够支撑这些东西。

所以,这同时又是一个很好的机会,让商业化的机构去进入到这个领域,防范这样的风险,机构也愿意为这个付费。

再往上是应用层,从应用层来说,同盾主要就是三块:

1、信贷的风险分析,包括贷前、贷中、贷后、逾期税收、评分卡、申请欺诈。

大家知道最近国内在现金贷的行业做了非常多的监管,从同盾来说,我们发现有相当一部分现金贷的客户量大大下降,而且有非常多现金贷的客户老板主动找到我们,哪怕要给我们开发一个大额的现金贷的模型,或者是帮我们开发一个基于消费场景的评分模型,我们原来小额的评分模型就不能再用了,其实我们在这方面的感知能力是非常非常强的,我们也帮助客户及时地做这样的转型,适应监管。

2、反欺诈。同盾今年在中国服务超过5000家的电商包括社交、O2O、游戏,我们超过5000家这样的机构。服务的从账户级别、交易级别、内容级别(网信办也提出了基于内容的监控)、广告的点击、营销作弊,我们都有一体的解决方案,去帮助客户去做解决。

3、我们最近刚做得一个业务,在我们做了风险分析和信用分析、反欺诈分析之后,客户提出了一些要求,说能不能帮他们做一些交叉销售的模型,有很多沉睡的客户,能不能做重新的激活?这块儿我们也在帮他们做一些模型的工作。

这是应用层了,再往上就是我们服务的行业了。其实在同盾我们现在主要服务的行业是金融机构,包括银行、保险、持牌的金融机构、部分非持牌的小贷公司、现金贷公司,都是我们的客户,另外还有一些电商、O2O娱乐的客户等等。

简单看一下信贷这个行业到底我们做了一些什么事,因为大家无非可以看到,从营销获客到反欺诈,到信用审核,到贷中监控,到逾期管理,到逾期回收这些场景。

1、其实可以提供一些客户价值挖掘的分析工具和产品。

2、贷前反欺诈以及信用风险的全流程的管控。

3、逾期怎么去做管理?怎么保证这些逾期的客户能做回收?

其实还是回到了现金贷,我们看到现金贷一旦被强监管,那些小的现金贷公司立刻就死掉了,但是小的现金贷公司死掉了以后,会导致一些大的现金贷公司的守逾率会快速上升,为什么呢?因为原来现金贷的行业本身就是有一部分人属于借新还旧的类型,他没有地方去借新的了,旧的就不还了,所以他的守逾率就会上升。那这个风险是传递的,从小平台到大平台。

客户价值挖掘,其实我们帮客户做了一个非常有意思的事情,就是我们帮助他们在一些看上去不是特别好的、相对来说比较刺激的人群,帮他们发现在这个人群里面的一些金子。我们是属于沙子里面淘金,帮他们发现这里面那些真正有强借款需求,并且又能够按时还款、按时还钱、信誉比较好的人,他们通常是属于在银行之下的人群里面,属于高价值的人群,而且是低风险人群,而这些人群真正是我们需要去做风险管理、用心经营的这样一部分客群。

最后,我们为非常多的银行提供一种思路,因为银行有传统基于央行的一些信用评估的模型,我们在这个模型之上又帮他做了一个基于互联网行为数据的模型,我们把这两套模型做了一个综合的加权,最终这个银行参照这个人放贷还是放贷的额度,是基于这两个模型之上的加权分析。

这个是我们生成了一个反欺诈的模型,很多客户去测,这个模型的分析已经变成了行业的标准,大家用我们这个,基本上我们能在拒绝你申请率11%(100笔申请贷款里面有11笔拒掉),在拒掉11%的贷款申请里面有96%的坏人能被我们覆盖掉,也就是说我们的覆盖率是非常非常不错的,精准率也是非常非常不错的。

包括像汽车融资租赁公司、消费金融公司、信用卡、消费金融公司现在有非常多的机构在用我们的东西。

最后提一个我们在做得一个新的事情,就是催收。大家知道现在催收也是一样,守逾率上升,大家要做什么事呢?就是要保命,就是我要赶快把这些逾期的钱给催回来,但是我不可能一下就招那么多人,打电话,这个事就特别原始,而且人通常是非常难管控的,催收团队如果超过1000人的话,他会给你带来非常多的潜在、合规的法律上的风险。比如说这个人哪天一生气,他就说了一句特别侮辱你的话,或者是说了一句甚至是侮辱你人格的话,但是机器不会做这个事,机器会按照你的设置和决策做这个事情。

此外,人相对来说效率比较低,朝九晚五,他要休息,周六、周日、国庆节都要休息,但是机器不会。我们做得这个平台,发现在国庆节期间主动、自动催收率数据涨了四倍,为什么呢?因为那些消费金融公司,包括银行的信用卡,催收人员都放假了,就把信息倒到我们这儿来,我们用机器的方式帮他催。我们基于自动的决策自动生成话术,甚至现在我们能做到语音的交互。

这个也不具体说了,就是我们内部做得这个工具是非常非常复杂的东西,完全是基于智能的判断,来评估这个人可以去催收的可能性有多高,该用什么样的催收方式和什么样的话术,全部是通过自动决策来生成的。

这里有一个案例,可以看到我们在同盾一家非常大的持牌消费金融机构用了我们这个东西,我们的机器催收和他们人工催收的效果比起来,机器的催收在逾期一天上,我们合同的回款率和金额的回款率要比人工高平均7%-8%。如果是逾期三天的(钱比较难收),效果稍微打个折扣,大概是3%-4%。但是总体来说效果还是比人工要好很多,而且此外我们不要忘了,我们还帮他们节省了人工的成本,这个成本也是费用。

最后,我们做一个总结和展望:

1、随着金融整个行业线上化、场景化、用户交易的高频化,人工智能未来会在整个金融领域的各个场景、环节都会发生和起到非常非常重要的作用,它会像一个切片一样,一点一点把金融机构各个环节都替换掉,这是我们看到的一个趋势。

2、金融机构现在也在积极拥抱这一块,包括像营销、客服、中台的运营管理、风险管理、后台的运维、安全审计其实都是大有可为的,国内有非常多的好的创业和创新型的公司,我们看到有非常多这样的企业,包括我们以前的一些同事和朋友,都在纷纷进入到这个领域,觉得这个领域特别好,确实我觉得有非常好的趋势。所以,我们也很高兴看到这一点。

3、我们觉得第三方的服务机构和公司,通过他们的专业性的人才优势、信息优势,包括他们对于某一个特定行业的专业性的理解和专业能力的优势,他们是可以在这个发展过程当中起到一定的作用,并且帮助金融机构去快速地做一些变革,这个是很多第三方公司可以起到的作用。

这是我们三点的总结。

我的分享就到这儿了,谢谢大家!


用微信扫描可以分享至好友和朋友圈

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。

发表评论

发表评论

您的评论提交后会进行审核,审核通过的留言会展示在下方留言区域,请耐心等待。

评论

您的个人信息不会被公开,请放心填写! 标记为的是必填项

取消

美国国会计划重新定义人工智能

常笑 4小时前

强监管时代,如何正确评价一家互联网金融公司?

薛洪言 | 苏宁金融研... 1天前

AI能拯救陷入泥沼的互联网招聘吗?

刘旷 12-10

中国金融科技大会·金融深科技论坛(2017)成功举办

小未 12-07

清华大学金融科技研究院正式挂牌成立

小未 12-07

版权所有 © 清华大学五道口金融学院互联网金融实验室 | 京ICP备17044750号-1