上海2017年8月24日電 /美通社/ -- 8月23日，以“塑造數(shù)據(jù)生態(tài).引領(lǐng)金融科技.聚焦數(shù)據(jù)未來”為主題的大數(shù)據(jù)金融論壇BDFF2017 在上海隆重召開，數(shù)百家機(jī)構(gòu)、行業(yè)專家、決策者共同聚焦，緊扣政策熱點(diǎn)，共同探討大數(shù)據(jù)金融科技發(fā)展趨勢，探索大數(shù)據(jù)普惠金融的發(fā)展與未來。中誠信征信CTO姚明受邀出席此次峰會并深度剖析信用科技的進(jìn)化，在征信路上對信用科技的探索和實(shí)踐。
演講全文如下：
信用科技的進(jìn)化主要是基礎(chǔ)IT技術(shù)的進(jìn)化
中誠信征信在今年首次提出了“信用科技”這個(gè)概念，以呼應(yīng)新時(shí)代背景下金融科技在信用這一板塊的發(fā)展。之所以選擇使用進(jìn)化這個(gè)詞，是這個(gè)詞既能表達(dá)技術(shù)發(fā)展的主動性，又能體現(xiàn)外部環(huán)境變化帶來的影響和選擇性。縱觀征信的發(fā)展歷史，從一百多年前英國裁縫之間共享不守信的貴族黑名單開始，而后進(jìn)化為信貸交易記錄的征信，并在百年間穩(wěn)步發(fā)展，在這一時(shí)期，信用科技的進(jìn)化主要是IT技術(shù)的進(jìn)化，直到近幾年大數(shù)據(jù)技術(shù)出現(xiàn)，為信用科技的進(jìn)化提供了更廣闊的空間，可以類比人類進(jìn)化史中對工具的使用，以及人工智能技術(shù)的不斷成熟，為信用科技的進(jìn)化提供了更多縱深，可以類比人類進(jìn)化史中對火的使用。
大數(shù)據(jù)和人工智能是信用科技進(jìn)化的內(nèi)因，而新金融對于大數(shù)據(jù)風(fēng)控的訴求，包括普惠、實(shí)時(shí)、精準(zhǔn)、場景等一系列特點(diǎn)，則是外因。所以，我們定義的信用科技，即Creditech，是旨在通過大數(shù)據(jù)、人工智能等技術(shù)的進(jìn)步，推動信用評估的智能化和信用價(jià)值的擴(kuò)大化。
信用科技進(jìn)化的一些主要方面包括：
信用數(shù)據(jù)從單體高價(jià)值到群體高價(jià)值的進(jìn)化
首先是數(shù)據(jù)維度的進(jìn)化。所有的信用評估，都是圍繞履約意愿和履約能力而展開的。以前，對于這兩方面的評估，都是圍繞直接數(shù)據(jù)展開的，也就是強(qiáng)金融數(shù)據(jù)，比如信貸記錄和資產(chǎn)信息。那么在大數(shù)據(jù)技術(shù)發(fā)展背景下，這兩方面的信息維度也得到了進(jìn)一步增強(qiáng)，比如信貸記錄中增加了消費(fèi)分期、網(wǎng)貸、租賃等信息維度，在資產(chǎn)信息中也增加了股權(quán)投資、理財(cái)信息等。除了這些強(qiáng)金融信息，大數(shù)據(jù)技術(shù)賦能信用評估引入了更多的次金融相關(guān)、弱金融相關(guān)數(shù)據(jù)，比如消費(fèi)信息、設(shè)備行為信息、網(wǎng)絡(luò)行為信息、甚至是社交行為信息等。這些金融次相關(guān)、弱相關(guān)數(shù)據(jù)，在大數(shù)據(jù)技術(shù)和人工智能技術(shù)的催化下，也對信用評估產(chǎn)生了重大的意義，是信用數(shù)據(jù)從單體高價(jià)值到群體高價(jià)值的一次重大進(jìn)化。
其次是數(shù)據(jù)采集技術(shù)的進(jìn)化。傳統(tǒng)的信用評估更多的是通過用戶自述、人工核驗(yàn)等方式對數(shù)據(jù)進(jìn)行采集和確認(rèn)。大數(shù)據(jù)技術(shù)的發(fā)展，賦能了更多的采集方式，例如通過API聚合方式采集三方數(shù)據(jù)；通過SDK插件預(yù)埋采集設(shè)備指紋、申請行為數(shù)據(jù)；通過物理識別包括生物識別進(jìn)行人臉識別、活體檢測、聲紋檢測、OCR證照識別、NFC讀取卡信息；通過授權(quán)定向抓取技術(shù)，在用戶直接授權(quán)下獲取其交易記錄、通信記錄等。以上這些采集方式，都是信用科技在采集方式上的進(jìn)化，其獲取信息的方式更穩(wěn)定、更實(shí)時(shí)、更可靠。當(dāng)然，我們也注意到數(shù)據(jù)采集技術(shù)的進(jìn)化，會帶來更多關(guān)于用戶隱私保護(hù)方面的難題，亟待解決。
第三，是對數(shù)據(jù)處理方式上的進(jìn)化。早期的征信技術(shù)，主要是對數(shù)據(jù)的ETL，即對數(shù)據(jù)的清洗與融合。而現(xiàn)在，除了這些基礎(chǔ)數(shù)據(jù)處理技術(shù)外，還廣泛的采用聚類技術(shù)對人群進(jìn)行分類，再利用數(shù)據(jù)的標(biāo)簽化處理對人進(jìn)行畫像，以更為生動直觀的形式刻畫人的信用；利用ID Mapping技術(shù)對人的更多可識別維度進(jìn)行關(guān)聯(lián)，例如除了姓名、身份證、手機(jī)號、銀行卡等信息外，還利用照片、設(shè)備指紋、網(wǎng)絡(luò)指紋等非機(jī)構(gòu)化信息進(jìn)行身份關(guān)聯(lián)。在身份關(guān)聯(lián)以外，知識圖譜技術(shù)還提供了對數(shù)據(jù)更平面化的處理，即通過降維處理，信息被定義為“主體”與“關(guān)系”，不但能夠?qū)⑷伺c人進(jìn)行關(guān)聯(lián)，還能夠?qū)⑷伺c企業(yè)、人與事件、人與所有事物進(jìn)行關(guān)聯(lián)，進(jìn)一步為更深層次的關(guān)聯(lián)風(fēng)險(xiǎn)分析提供支持。所以，對于數(shù)據(jù)的處理，其進(jìn)化的方向是從冰冷到生動，由表層到深層。
從“人工+智能”到“人工智能”的進(jìn)化
第四是信用建模技術(shù)的進(jìn)化。
在一個(gè)信貸業(yè)務(wù)場景中產(chǎn)生的實(shí)際案例。第一張圖示真實(shí)的歷史數(shù)據(jù)，星型標(biāo)記為一個(gè)借貸人，區(qū)域的顏色表示的是信用情況，綠色代表健康，紅色代表風(fēng)險(xiǎn)，可以看到這個(gè)借貸人的信用情況是處于綠色區(qū)域的，也就是還不錯(cuò)。第二幅圖，是傳統(tǒng)的統(tǒng)計(jì)分析視角下的情況，可以看到有兩根白色的線，分別代表了兩個(gè)統(tǒng)計(jì)分析模型，在這兩個(gè)模型下，風(fēng)險(xiǎn)都能得到不同程度的控制，但是我們的目標(biāo)借貸人很不幸的被排除在批準(zhǔn)區(qū)域外了。而在第三幅圖中，是在機(jī)器學(xué)習(xí)視角下的情況，我們會看到模型不再是規(guī)律的曲線，而是不規(guī)則的形狀，在這樣的模型下，我們的目標(biāo)借貸人被準(zhǔn)確的識別出來了。這就是信用建模從統(tǒng)計(jì)分析到機(jī)器學(xué)習(xí)的進(jìn)化，也是模型由強(qiáng)解釋性到弱解釋性的進(jìn)化。
眾所周知，要建立一個(gè)信用評估模型，實(shí)際是就是對y=f(x)中的f進(jìn)行求解。在求解的過程中，要經(jīng)歷數(shù)據(jù)抽取、特征工程、算法選擇、參數(shù)調(diào)優(yōu)和樣本檢驗(yàn)，如果效果未達(dá)預(yù)期，再次回到數(shù)據(jù)抽取，進(jìn)而循環(huán)迭代。對于這個(gè)循環(huán)，我們一方面通過程序化處理，讓整個(gè)過程自動化完成，另一方面通過人工智能算法，對于特征工程、算法選擇和參數(shù)調(diào)優(yōu)環(huán)節(jié)進(jìn)行智能優(yōu)化，更快速的達(dá)成更準(zhǔn)確的模型。這是從“人工+智能”到“人工智能”的進(jìn)化。
從征信的“個(gè)體信用”到評級的“資產(chǎn)信用”的進(jìn)化
在信用領(lǐng)域，信用的類別可以歸納為個(gè)人信用、企業(yè)信用、政府信用、以及由信貸資產(chǎn)抽象而來的資產(chǎn)信用。在信用評估層面，征信和評級一直是作為兩個(gè)各自獨(dú)立的存在。征信服務(wù)于消費(fèi)者信貸中的個(gè)體信用，評級服務(wù)于機(jī)構(gòu)主體和資產(chǎn)包的宏觀信用。在獨(dú)立、客觀的信用科技驅(qū)動下，從征信的“個(gè)體信用”到評級的“資產(chǎn)信用”路徑正在被打通和連接，信用科技的價(jià)值表現(xiàn)，正在擴(kuò)大化。
在中誠信征信，我們圍繞“個(gè)體信用”和“資產(chǎn)信用”分別推出了“萬象風(fēng)云”和“AXIS資產(chǎn)交易智能掃描”平臺，并剛剛在8月初召開了產(chǎn)品發(fā)布會。
在萬象風(fēng)云平臺，我們專注于基于“數(shù)據(jù)+規(guī)則+模型”三位一體的智能風(fēng)控服務(wù)，在數(shù)據(jù)層面，我們提供了剛才提及的幾乎所有API聚合數(shù)據(jù)支持和其他采集插件；在規(guī)則層面，我們依托專家經(jīng)驗(yàn)和機(jī)器學(xué)習(xí)成果，提供了包括身份認(rèn)證、數(shù)據(jù)勾稽、交叉核驗(yàn)、黑名單、團(tuán)伙反欺詐、設(shè)備反欺詐、行為反欺詐、交易反欺詐等一些的規(guī)則集，近千條原子規(guī)則，并可以通過可視化、可編輯的規(guī)則引擎自主配置；在模型層面，我們內(nèi)置了針對不同場景的模型組，可以在預(yù)設(shè)的通過率和壞賬率標(biāo)尺下進(jìn)行自主選擇。除此之外，風(fēng)云還內(nèi)置了知識圖譜工具、AI智能建模工具，讓風(fēng)控和建模以極為簡單的操作方式展現(xiàn)給所有人。
在AXIS資產(chǎn)交易智能掃描平臺，我們專注于通過獨(dú)立第三方征信和信用評估，讓消費(fèi)金融ABS資產(chǎn)包的底層資產(chǎn)以更為透明的方式展示給投資人。我們利用基于個(gè)人信用評分和轉(zhuǎn)移矩陣的創(chuàng)新理論，進(jìn)行現(xiàn)金流預(yù)測分析；利用機(jī)器學(xué)習(xí)和統(tǒng)計(jì)分析相結(jié)合，進(jìn)行資產(chǎn)篩選、資產(chǎn)重構(gòu)、資產(chǎn)跟蹤和對比。
從萬象風(fēng)云到AXIS，我們旨在打通從貸前、貸中、貸后的個(gè)體信用評估，到信貸資產(chǎn)入池、資產(chǎn)篩選、資產(chǎn)配置、資產(chǎn)跟蹤的資產(chǎn)信用評估的全鏈條，以“征信”促“增信”。
