近日，2019愛(ài)分析 · 中國(guó)科技創(chuàng)新大會(huì)在京進(jìn)行。金融科技分論壇上，來(lái)自小微企業(yè)金融、消費(fèi)金融、互聯(lián)網(wǎng)保險(xiǎn)、大數(shù)據(jù)風(fēng)控、區(qū)塊鏈等多領(lǐng)域的重磅嘉賓齊聚一堂，分享行業(yè)洞見(jiàn)，共同探討技術(shù)在金融各細(xì)分領(lǐng)域的變革趨勢(shì)和應(yīng)用。

ZRobot作為京東數(shù)科旗下智能數(shù)據(jù)技術(shù)服務(wù)商，以大數(shù)據(jù)和靈活完善的風(fēng)控模型為基礎(chǔ)，為銀行、消費(fèi)金融、汽車金融等金融機(jī)構(gòu)提供智能化風(fēng)控管理解決方案，提升企業(yè)整體風(fēng)控能力。此次愛(ài)分析特邀ZRobot CEO喬楊進(jìn)行主題演講，現(xiàn)將精彩內(nèi)容與讀者分享。

喬楊：大家下午好，非常感謝主辦方給我這個(gè)機(jī)會(huì)，我今天分享的主題是“數(shù)字科技驅(qū)動(dòng)的信貸風(fēng)險(xiǎn)技術(shù)”。

首先請(qǐng)?jiān)试S我簡(jiǎn)單介紹一下我們公司。

ZRobot成立于2016年11月，作為京東數(shù)科旗下的大數(shù)據(jù)公司，致力于利用京東海量高維數(shù)據(jù)資源，同時(shí)結(jié)合業(yè)內(nèi)最先進(jìn)的數(shù)據(jù)挖掘技術(shù)和模型算法，不斷提升打磨自身技術(shù)實(shí)力，同時(shí)賦能我們的合作伙伴，幫助他們提升自己的風(fēng)控實(shí)力以及運(yùn)營(yíng)效率。目前已經(jīng)為銀行、保險(xiǎn)、證券、持牌消金、小貸公司等超過(guò)兩百家金融機(jī)構(gòu)提供了各類數(shù)據(jù)產(chǎn)品支持和智能風(fēng)控解決方案。

數(shù)據(jù)資源獨(dú)特，合作維度廣泛

作為股東及主要數(shù)據(jù)源之一，京東數(shù)科的數(shù)據(jù)具備大、厚、動(dòng)的特點(diǎn)，也就是數(shù)據(jù)量大，數(shù)據(jù)維度高，同時(shí)具備實(shí)時(shí)更新的能力。

基于自身多年在電商零售及不同金融場(chǎng)景下的積累，京東數(shù)科每天新增的數(shù)據(jù)量級(jí)達(dá)到800TB，比一些小型科技公司1年的數(shù)據(jù)增量還要多。

同時(shí)，京東數(shù)科已與700多家金融機(jī)構(gòu)合作，共同服務(wù)線上線下商戶達(dá)800萬(wàn)個(gè)，個(gè)人用戶數(shù)量超過(guò)4億?？扇?yún)⒛Ｐ妥兞砍^(guò)60萬(wàn)維，已搭建并成功應(yīng)用的風(fēng)險(xiǎn)策略超過(guò)5000個(gè)，風(fēng)險(xiǎn)模型超過(guò)500個(gè)。活躍客戶65%以上為80后主力消費(fèi)人群，也是消費(fèi)及金融領(lǐng)域的核心客戶人群。

除了京東數(shù)科及京東體系的數(shù)據(jù)之外，ZRobot也與中國(guó)銀聯(lián)、三大運(yùn)營(yíng)商等頭部數(shù)據(jù)合作方展開(kāi)深度合作，加上與騰訊、百度等聯(lián)手成立的京騰計(jì)劃、京度計(jì)劃等，目前可對(duì)超過(guò)6億的個(gè)人進(jìn)行準(zhǔn)確的風(fēng)險(xiǎn)評(píng)估。有了強(qiáng)大的數(shù)據(jù)基礎(chǔ)，ZRobot可以將數(shù)據(jù)技術(shù)發(fā)揮到極致，目前在AI領(lǐng)域?qū)崿F(xiàn)了一系列突破包括全流程智能風(fēng)險(xiǎn)識(shí)別，生物識(shí)別，AI模型能力等。

數(shù)據(jù)源開(kāi)放趨勢(shì)明顯，定制化風(fēng)控服務(wù)全面賦能

今天的主題會(huì)從四個(gè)大的維度去講，每一個(gè)維度我會(huì)舉一個(gè)簡(jiǎn)單的例子。我們認(rèn)為整個(gè)數(shù)字科技驅(qū)動(dòng)的風(fēng)控發(fā)展趨勢(shì)是從四個(gè)維度去看的。

第一個(gè)，從數(shù)據(jù)源的角度講，我們認(rèn)為將來(lái)的數(shù)據(jù)源會(huì)變得越來(lái)越開(kāi)放，數(shù)據(jù)孤島會(huì)被進(jìn)一步打通，逐步形成數(shù)據(jù)共享機(jī)制。

第二個(gè)，是從整個(gè)模型的搭建方式上面，我們會(huì)看到從監(jiān)督式學(xué)習(xí)向無(wú)監(jiān)督學(xué)習(xí)的迭代和發(fā)展。

第三個(gè)，對(duì)于風(fēng)險(xiǎn)的單點(diǎn)判斷，會(huì)向群像特征轉(zhuǎn)變。

最后一個(gè)，就是中心化管理更多會(huì)向去中心化的應(yīng)用靠攏。

首先從數(shù)據(jù)源的角度講，通過(guò)我們的數(shù)據(jù)挖掘技術(shù)，目前已經(jīng)形成了刻畫(huà)完整用戶畫(huà)像的數(shù)據(jù)維度及屬性。包括個(gè)人基本信息、生物特征、家庭信息、職業(yè)信息、資產(chǎn)信息、教育信息、消費(fèi)記錄等等。

有了這個(gè)屬性基礎(chǔ)，無(wú)論在風(fēng)險(xiǎn)管理方面，還是在精準(zhǔn)營(yíng)銷方面，都能對(duì)用戶做出比較全面和準(zhǔn)確的判斷。

數(shù)據(jù)孤島的打通，通過(guò)什么樣的方式可以有效做到呢？

第一個(gè)有效的方式，我們認(rèn)為可以通過(guò)聯(lián)合建模的方式做到。大家都比較熟悉的業(yè)內(nèi)聯(lián)合建模一般遵循五大步驟進(jìn)行。從提交樣本到最終部署上線及模型校驗(yàn)。我們認(rèn)為，在整個(gè)聯(lián)合建模的過(guò)程中，盡管能夠把數(shù)據(jù)資源打通，但是模型效果高度依賴于建模團(tuán)隊(duì)本身的實(shí)力。每家公司的建模團(tuán)隊(duì)實(shí)力是參差不齊的，因此我們?cè)诮Ａ鞒讨匈x予了合作方的建模團(tuán)隊(duì)一系列額外工具以及定制化的增值服務(wù)。

比如說(shuō)我們數(shù)據(jù)清洗和特征工程階段。做模型的人都知道，特征工程是建模最核心的過(guò)程，我們不僅把積累的數(shù)據(jù)字段推送到建模環(huán)境中供合作方使用，也會(huì)通過(guò)我們的核心模型加工訓(xùn)練方法提煉出我們認(rèn)為對(duì)業(yè)務(wù)方行之有效的特征變量并輸送到建模環(huán)境中，幫助我們的合作方更好地搭建自己的模型。

同時(shí)，我們的模型可以基于我們的合作方的業(yè)務(wù)需求做定制化的建模，不限于風(fēng)險(xiǎn)類的模型，可以是精準(zhǔn)營(yíng)銷類的模型，也可以是需求預(yù)測(cè)類的模型等等。

在整個(gè)第二步模型搭建過(guò)程中，可能有一些團(tuán)隊(duì)，尤其是銀行方的建模團(tuán)隊(duì)，對(duì)于像機(jī)器學(xué)習(xí)這樣的算法并不是很熟悉或者缺乏一定的業(yè)務(wù)相關(guān)經(jīng)驗(yàn)，如果需要這方面的模型咨詢以及額外的團(tuán)隊(duì)參與和輔導(dǎo)，我們?cè)谶@個(gè)環(huán)節(jié)也會(huì)提供一系列定制化服務(wù)，直至最終模型上線。

數(shù)據(jù)技術(shù)抵御團(tuán)體欺詐風(fēng)險(xiǎn)，更好服務(wù)白名單客戶需求

第二個(gè)趨勢(shì)我剛才也提到了，就是向群像特征的演變，剛才維信金科的李總也提到了，現(xiàn)在的欺詐風(fēng)險(xiǎn)，在中國(guó)信貸環(huán)境下遠(yuǎn)高于信用風(fēng)險(xiǎn)。

隨著欺詐手段的不斷升級(jí)，欺詐的團(tuán)伙化特征也日益明顯，欺詐的上下游產(chǎn)業(yè)鏈也越來(lái)越龐大，越來(lái)越成熟。僅僅通過(guò)對(duì)個(gè)人的欺詐風(fēng)險(xiǎn)判斷不能防范團(tuán)伙作案帶來(lái)的影響和損失。我們提出的漫網(wǎng)技術(shù)有效的解決了這個(gè)問(wèn)題：類似谷歌提出的Graph Learning, 對(duì)用戶全方位的關(guān)聯(lián)關(guān)系進(jìn)行識(shí)別包括設(shè)備關(guān)聯(lián)，地址關(guān)聯(lián)、通信關(guān)聯(lián)等等，構(gòu)建用戶的關(guān)系網(wǎng)絡(luò)圖譜，通過(guò)無(wú)監(jiān)督算法將無(wú)差別用戶劃分為不同群組，同時(shí)針對(duì)關(guān)聯(lián)關(guān)系強(qiáng)弱進(jìn)行判斷設(shè)定權(quán)重。漫網(wǎng)的優(yōu)點(diǎn)非常明顯，也有非常成功的應(yīng)用案例。

這個(gè)構(gòu)建過(guò)程的優(yōu)點(diǎn)是非常多的，不需要做數(shù)據(jù)打標(biāo)，也不需要專家經(jīng)驗(yàn)，同時(shí)還可以做提前預(yù)警，我們?cè)趦?nèi)部做了非常多的應(yīng)用。

在商城注冊(cè)上，我們的覆蓋度達(dá)到98%，而且準(zhǔn)確度達(dá)到99%。在金融刷券類場(chǎng)景，我們的覆蓋率達(dá)到92%，準(zhǔn)確率達(dá)到96%。有了內(nèi)部的打磨和迭代，可以將成熟的技術(shù)對(duì)外進(jìn)行賦能。

剛才我提到，非監(jiān)督學(xué)習(xí)這方面的應(yīng)用會(huì)越來(lái)越廣泛，我們提出另外一個(gè)概念叫“斑馬擴(kuò)散”，其實(shí)它的含義非常好理解，中國(guó)有一句古話叫近朱者赤，近墨者黑。

我認(rèn)為，我們不能只關(guān)注“黑”而去忽略“白”，這個(gè)關(guān)聯(lián)關(guān)系不光是應(yīng)用在黑名單擴(kuò)散和反欺詐領(lǐng)域，還可以應(yīng)用在白名單授信上，基于我們積累的黑名單歷史記錄以及白名單用戶的表現(xiàn)，進(jìn)行復(fù)雜網(wǎng)絡(luò)的搭建，結(jié)合我們的專家規(guī)則，可以把我們的白名單擴(kuò)散以及額外授信做大，這種技術(shù)的應(yīng)用可以在降低授信成本的基礎(chǔ)上大幅提升信貸效率，開(kāi)辟了金融信貸領(lǐng)域的新天地。

剛才我也提到了，特征挖掘是我們非常核心的技術(shù)壁壘。我舉一個(gè)具體的例子，大家知道用戶的顯性偏好，往往通過(guò)一些表層特征的挖掘，基于一些線性模型即可得到結(jié)論，但往往會(huì)出現(xiàn)較大偏差。如果不能對(duì)特征進(jìn)行修正的話，結(jié)論會(huì)產(chǎn)生極大的誤導(dǎo)性。

如果把這些結(jié)論作為業(yè)務(wù)方面的判斷，甚至?xí)斐蔀?zāi)難性的結(jié)果。

怎么對(duì)特征進(jìn)行修正？很簡(jiǎn)單的做法，我們自下而上地看下這個(gè)修正流程。第一步我們可以對(duì)比如瀏覽、關(guān)注、購(gòu)物車、交易等表層特征進(jìn)行提煉，通過(guò)牛頓冷卻定律對(duì)特征進(jìn)行修正。

牛頓冷卻定律指的是物體當(dāng)前溫度為前一時(shí)間單位下的溫度與時(shí)間衰減因子的乘積。這樣做的必要性在于，比如從時(shí)間維度考慮，最近一個(gè)月的消費(fèi)比六個(gè)月前甚至更久遠(yuǎn)的消費(fèi)對(duì)于判斷用戶偏好的貢獻(xiàn)更大。引入牛頓冷卻定律，賦予不同時(shí)間節(jié)點(diǎn)消費(fèi)特征不同的衰減因子，可以將特征的描述準(zhǔn)確度提升。

第二步可以用Wilson區(qū)間修正低頻行為下的偏好置信度，這個(gè)就不展開(kāi)講了。通過(guò)這個(gè)修正，大家可以看到這個(gè)用戶的顯性偏好，其實(shí)是比較好理解的。這類修正方法在數(shù)據(jù)不足，頻次較低的情況下是非常有效的。

在沒(méi)有完善方法論的時(shí)候，可以通過(guò)統(tǒng)計(jì)用戶在各個(gè)領(lǐng)域的購(gòu)物頻次、RFM的方法也能得到用戶顯性偏好的推斷。但對(duì)于用戶的隱形偏好，需要更深層的數(shù)據(jù)挖掘。

比如我們可以將總體平均顯性行為作為先驗(yàn)概率，通過(guò)貝葉斯推斷對(duì)比推斷用戶的后驗(yàn)隱性偏好。這就是我們通過(guò)用戶與群體偏好對(duì)比推斷用戶隱形偏好概率的方法論。

區(qū)塊鏈落地金融場(chǎng)景，為信用租賃免除后顧之憂

最后一個(gè)趨勢(shì)，我剛才提到了去中心化。提到去中心化，大家第一個(gè)想到的就是區(qū)塊鏈。但大家可以看到，區(qū)塊鏈的應(yīng)用并不普及，除了在幣圈有諸多的應(yīng)用之外，在信貸等金額場(chǎng)景沒(méi)有看到很好的區(qū)塊鏈落地應(yīng)用，其主要原因之一是不能從根本解決上鏈數(shù)據(jù)真實(shí)性的問(wèn)題。

作為京東數(shù)科消費(fèi)金融信用管理部的負(fù)責(zé)人，我負(fù)責(zé)的一個(gè)核心業(yè)務(wù)就是我們的租賃業(yè)務(wù)?；仡欉^(guò)往的兩年時(shí)間，共享經(jīng)濟(jì)的迅速崛起將一種全新的租賃模式普及到大眾消費(fèi)者眼前-信用租賃。相比傳統(tǒng)租賃需要抵押、擔(dān)保的方式，信用租賃直接將企業(yè)或者個(gè)人信用作為依據(jù)進(jìn)行商業(yè)活動(dòng)，這種模式會(huì)大大降低租賃產(chǎn)業(yè)的門(mén)檻。大家知道在中國(guó)整個(gè)現(xiàn)代消費(fèi)產(chǎn)業(yè)升級(jí)重構(gòu)的大環(huán)境下，信用租賃其實(shí)是共享經(jīng)濟(jì)非常核心的要素，為什么現(xiàn)在沒(méi)有蓬勃發(fā)展起來(lái)，最核心的問(wèn)題就是承租方和交易方雙方建立信任非常難，這個(gè)過(guò)程中基于傳統(tǒng)的公證流程會(huì)存在舉證難、周期長(zhǎng)、成本高、程序多等痛點(diǎn)，區(qū)塊鏈作為新興技術(shù)，其去中介化、開(kāi)放性、自治性、信息不可篡改、匿名性等特征，自誕生起就在信用租賃領(lǐng)域產(chǎn)生了不小的觸動(dòng)。

在我們京東數(shù)科的租賃平臺(tái)上面，當(dāng)用戶完成租賃下單后，可以看到“區(qū)塊鏈防篡改電子數(shù)據(jù)保全已完成”的提示，用戶還可以進(jìn)一步點(diǎn)擊進(jìn)入查看區(qū)塊鏈保全詳情。若發(fā)生不可協(xié)商的糾紛違約，區(qū)塊鏈記錄的電子數(shù)據(jù)將成為各方可信賴的電子證據(jù)。

在保全說(shuō)明欄中，基于京東內(nèi)部可信節(jié)點(diǎn)和部分司法權(quán)威機(jī)構(gòu)節(jié)點(diǎn)，在區(qū)塊鏈網(wǎng)絡(luò)下多方共同達(dá)成共識(shí)，保證存證結(jié)果的不可篡改性。

ZRobot通過(guò)京東智臻鏈區(qū)塊鏈技術(shù)實(shí)現(xiàn)了信用租賃在信用和存證環(huán)節(jié)的技術(shù)落地，這也是目前信用租賃行業(yè)里面第一個(gè)區(qū)塊鏈落地應(yīng)用項(xiàng)目。我們期待未來(lái)隨著區(qū)塊鏈技術(shù)的應(yīng)用日趨成熟，會(huì)對(duì)更多行業(yè)和領(lǐng)域帶來(lái)更多革命性的影響。

我通過(guò)四個(gè)例子已經(jīng)展示了四個(gè)趨勢(shì)在我們公司以及整個(gè)行業(yè)中的各類應(yīng)用，我也衷心希望能夠跟在座的同仁、專家在不同發(fā)展領(lǐng)域可以展開(kāi)更多、更深入的合作，共同推動(dòng)中國(guó)金融科技的發(fā)展。

這就是我今天演講的全部?jī)?nèi)容，謝謝大家！