案例丨譽存科技：智慧風控“衛士”如何玩轉大資料？
編者按：
風險管理是金融機構關注的重點。隨著需要進行風險監控的業務種類和需求不斷增多，
譽存科技是一家面向金融機構提供大資料風險解決方案的新技術產品公司，意圖通過技術手段重塑金融風險管理方式。
2017年3月，公司獲得來自星河集團的A+輪融資。公司發展上了快車道，經過半年的發展，公司獲取了500餘家企事業單位的優質客戶，預計全年收入達4000萬並開始盈利。
是什麼讓這家公司在強手如林的大資料技術公司中迅速脫穎而出並獲得客戶的廣泛認可呢？
半年營收超2000萬 優質客戶持續增加2016年，信貸風險持續暴露，中國金融業附加值占到了GDP的8.4%，超過了以金融業為主業的新家坡、美國等發達國家，也超過了一個發展中國家可以承受的風險水準。
國內整體信貸資產品質持續下滑，可控金融風險變得多樣化，系統性風險不斷增加，
國內各大風險主體均面臨一定挑戰，一行三會下發更多檔防範金融風險。大資料的價值在金融行業的作用愈加明顯。從傳統銀行到新興互聯網金融平臺都在通過大資料風控技術來控制信貸風險。
譽存科技以此為突破口進行創新，將大資料技術跨界應用于金融行業，形成了一系列金融大資料智慧風控產品。
“烽火臺”點火報警
烽火臺名稱取自古代戰爭長城點火報警，是一款風險監控平臺產品，每天推送受監管企業及相關企業的最新事件，覆蓋工商、訴訟、經營狀況、團隊、公告等，用戶還可設置個性化預警規則，平臺自動解讀分析和智慧預警。
以銀行業為例，
在資金貸出後還完前的這段時間，貸款公司可能會發生企業經營不善、資金鏈斷裂、關聯公司出現異常等事件，如能及早發現風險，銀行可以提前進行干預，比如增加抵押物或提前宣佈一些資產的報廢等，更好地保全自己的資產。
譽存科技通過獲取工商、法務、輿情、通訊等資訊資料，綜合判斷企業的實際經營狀況，挖掘企業間潛在的關聯關係，提前判斷出企業潛在的風險，為金融機構提前進行風險干預提供依據。
另外，在創業創新的社會大背景下，金融辦、金融局、工商局等政府部門，也會對一些創業園區企業的發展狀況進行資料監控，以便能夠制定出更符合創業企業需求的政策。
烽火臺產品自年初推向市場以來，僅半年時間就獲得了近20家銀行客戶的青睞，成為其進行風險監控的可靠選擇。
“星象”偵測勘察
公司另一款主打產品是“星象”，主要提供風控技術服務。
“星象”風控技術服務平臺
按規定，中標建設工程項目的公司都要到建委登記，支付保證金才能獲得開工許可。千萬標的額的專案保證金需要三五百萬，一般工程期的公司都需要貸款來解決這項資金需求。它們是銀行的潛在客戶。
星象通過每天發送中標資訊，讓銀行可以根據自身需求篩選企業，之後在星象系統中再進行一輪風險評估，選出優質企業作為目標客戶，向其提供專案保證金。
在這個風控技術服務平臺上，共有12種服務可以自由組合形成不同產品，進行個人身份核驗、企業經營指標和資金核驗等服務。以企業反欺詐為例，譽存科技基於對500萬高風險企業的挖掘分析，通過獨有的對公業務風險特徵，能夠快速識別高風險客戶。
譽存科技曾為一家銀行挖掘了一個表面光鮮的客戶背後隱藏的風險，為其避免了可能的大額經濟損失。
這家銀行準備向A公司發放貸款，結果通過星象平臺發現A公司在貸款後變更了實際控制人，新實際控制人名下有一家B公司，B公司新搬遷的地址上存在著同一控制人的C公司，而C公司有欠銀行500萬元貸款不還的記錄，剛被法院判罰。
這三家公司之間的隱藏關係靠銀行人工核驗很難發現。但是譽存科技通過公司掌握的獨家深度關聯資料，以及自主開發的風險鏈條搜尋引擎，很快查清了這種關係。據介紹，類似的鏈條關係從起始到終結最長的有七八層的距離。
目前，公司已經積累了包括建設銀行、中國電信、政府金融辦等在內的500餘家企事業單位優質客戶，半年營收超過2000萬元，全年預計營收4000萬並有上千萬的盈利。
資料管理技術領先科學應用海量資料來源譽存科技公司品牌主打智慧大資料。所謂智慧大資料是指以資料價值發現為目的，基於複雜網路和風險傳導等技術理念，結合機器人學習和人工智慧演算法，構成智慧大資料分析決策引擎，自動化定量風險的新科學。
基於智慧大資料的監管科技，在歐美等發達國家已經有了較成熟的應用，中國卻還處於探索階段，譽存科技是這個領域最早的探索者之一。通過智慧大資料搭建的監管科技平臺RegTech，可以有效防控公司主要面向的金融行業的風險。
上千個資料來源的7500萬家企業大資料
譽存科技主打風控智慧大資料。這是指以資料價值發現為目的，基於大資料技術，創新性的應用複雜網路理論和知識圖譜等技術理念，再結合機器學習和自然語言學習等演算法，構造智慧大資料分析決策引擎，自動化的量化風險的新科學。
基於風控智慧大資料的監管科技(Reg Tech)，在歐美等發達國家已經有了較成熟的應用，中國卻還處於探索階段，譽存科技是這個領域最早的探索者之一。
譽存科技的資料來源主要集中在兩個方面：
一是網上爬取的公開或半公開數據。公開資料包括新聞輿情政府公告等，半公開資料往往是只在一定範圍內一定時間期限內公佈的情報。
二是通過與央企、國企、掛牌征信公司進行資料層面的戰略合作獲取權威資料。這部分資料占公司資料庫將近一半比例.
目前，公司已經整合了全網上千個資料來源的公開和半公開的多維度結構化、非結構化海量資料，累計擁有超過7500萬家企業資料和數億企業關聯人的全息影像。
除了資料來源廣泛外，譽存科技在大資料管理方面具有獨特優勢。通常，大資料管理分為四個階段：
第一階段是資料整合收集。譽存科技基於各種分散式雲服務，搭建了一套能夠即時監控、即時優化的具有自主智慧財產權的分散式爬蟲系統，能夠代表業內先進水準。
第二階段是資料清洗。公司自己定制開發的大資料平臺，能夠高效整合清洗收集的各種非結構化和半結構化資料，並存儲到各類資料庫，以便後續使用。
第三階段是建模分析。公司搭建機器學習平臺MaaS(machine learning as a service)，把常用的機器學習模型都部署到平臺上，讓系統智慧化地進行建模分析工作。比如按照一定格式把資料登錄到MaaS平臺上，就可以自動選擇最優的模型組合，產出一個最優的分析結果。
第四階段是場景應用。基於不同需求場景，譽存科技開發了多各種微服務。比如從最基本的資訊備料到後面的風險量化、風險掃描，還有企業排名、企業指標，再到貸後具體分析、監控和預警等。這些微服務保證了產品的高效組合和反覆運算優化。
每個環節都要微創新的資料處理技術
譽存科技在大資料技術方面具有獨特。通常，大資料管理分為四個階段：
第一階段是資料整合收集。譽存科技基於各種分散式雲服務，搭建了一套能夠即時監控、即時優化的具有自主智慧財產權的分散式爬蟲系統，能夠代表業內先進水準。
第二階段是資料清洗。公司自己定制開發大資料平臺，上有一些獨特應用，整合清洗收集的非結構化和半結構化資料，存儲進入公司資料庫，以便後續使用。
第三階段是建模分析。公司搭建機器學習平臺Maas（machine learning as a service），把常用的機器學習模型都部署到平臺上，讓系統智慧化地進行建模分析工作。比如我們按照一定格式把資料登錄到平臺上，它可以自動選擇最優模型，產出一個最優的分析結果。
第四階段是場景應用。這一系列服務分為幾種，比如從最基本的資訊備料到後面的風險量化、風險掃描，還有企業排名、企業指標，再到貸後具體分析、監控和預警等。監控和預警是針對場景和具體業務進行的，比如烽火臺就是基於場景應用的針對性產品。
優質產品和強力技術後面是高素質團隊的主導。譽存科技的團隊彙集了來自華為、百度、戴爾等的海歸資料科學家和高端市場、運營人才。公司現有的120多人中，研發團隊占比70%以上，博士員工超過12%、碩士超過18%。
公司三位創始人均有美國留學背景。創始人/CEO劉德彬資訊學博士畢業，曾任PayPal資深科學家，一直從事大資料、機器學習、資料採擷和風險控制等領域的原創性研究工作。
譽存科技創始人/CEO 劉德彬
COO陳瑋以印第安那大學物理學博士之身出任UTHorizon Fund聯合創始人兼投資總監、紐約Pacific私募基金副總裁，投融資總額超1.5億美金。CTO嚴開擁有16年互聯網大資料的開發和實踐經驗。
三個人分別負責商務、技術和資料研究，是公司最早的核心團隊。“大資料創業對技術、經驗的要求遠遠超出一般行業，團隊的構成本身就是一道壁壘。像譽存科技這樣的團隊，在國內絕對是少數。”星河集團互聯大資料事業部負責人這樣評價。
這樣優秀的團隊和公司自然會被很多投資人關注。譽存科技與星河結緣的過程頗為有趣。2016年年中，公司在北京參加創業創新大賽時獲得了一等獎，被評委之一、時任星河互聯副總裁的陶振武先生看中。
後來的大半年時間裡陶振武一直跟CEO劉德彬保持密切的交流，並給出很多後來被證明非常有價值的思路、方向上的建議。敬業、熱情、專業是星河留給劉德彬的第一印象。
對於公司的快速發展，劉德彬表示，一方面源于客戶對公司產品、技術和團隊實力的認可，另一方面也與投資方星河互聯在業務、客戶資源、品牌市場等方面的幫助有很大關係。
未來，譽存科技還可借助星河在英國、美國、以色列等的海外資源拓展海外業務，謀求更大發展。
烽火臺產品自年初推向市場以來，僅半年時間就獲得了近20家銀行客戶的青睞，成為其進行風險監控的可靠選擇。
“星象”偵測勘察
公司另一款主打產品是“星象”，主要提供風控技術服務。
“星象”風控技術服務平臺
按規定，中標建設工程項目的公司都要到建委登記，支付保證金才能獲得開工許可。千萬標的額的專案保證金需要三五百萬，一般工程期的公司都需要貸款來解決這項資金需求。它們是銀行的潛在客戶。
星象通過每天發送中標資訊，讓銀行可以根據自身需求篩選企業，之後在星象系統中再進行一輪風險評估，選出優質企業作為目標客戶，向其提供專案保證金。
在這個風控技術服務平臺上，共有12種服務可以自由組合形成不同產品，進行個人身份核驗、企業經營指標和資金核驗等服務。以企業反欺詐為例，譽存科技基於對500萬高風險企業的挖掘分析，通過獨有的對公業務風險特徵，能夠快速識別高風險客戶。
譽存科技曾為一家銀行挖掘了一個表面光鮮的客戶背後隱藏的風險，為其避免了可能的大額經濟損失。
這家銀行準備向A公司發放貸款，結果通過星象平臺發現A公司在貸款後變更了實際控制人，新實際控制人名下有一家B公司，B公司新搬遷的地址上存在著同一控制人的C公司，而C公司有欠銀行500萬元貸款不還的記錄，剛被法院判罰。
這三家公司之間的隱藏關係靠銀行人工核驗很難發現。但是譽存科技通過公司掌握的獨家深度關聯資料，以及自主開發的風險鏈條搜尋引擎，很快查清了這種關係。據介紹，類似的鏈條關係從起始到終結最長的有七八層的距離。
目前，公司已經積累了包括建設銀行、中國電信、政府金融辦等在內的500餘家企事業單位優質客戶，半年營收超過2000萬元，全年預計營收4000萬並有上千萬的盈利。
資料管理技術領先科學應用海量資料來源譽存科技公司品牌主打智慧大資料。所謂智慧大資料是指以資料價值發現為目的，基於複雜網路和風險傳導等技術理念，結合機器人學習和人工智慧演算法，構成智慧大資料分析決策引擎，自動化定量風險的新科學。
基於智慧大資料的監管科技，在歐美等發達國家已經有了較成熟的應用，中國卻還處於探索階段，譽存科技是這個領域最早的探索者之一。通過智慧大資料搭建的監管科技平臺RegTech，可以有效防控公司主要面向的金融行業的風險。
上千個資料來源的7500萬家企業大資料
譽存科技主打風控智慧大資料。這是指以資料價值發現為目的，基於大資料技術，創新性的應用複雜網路理論和知識圖譜等技術理念，再結合機器學習和自然語言學習等演算法，構造智慧大資料分析決策引擎，自動化的量化風險的新科學。
基於風控智慧大資料的監管科技(Reg Tech)，在歐美等發達國家已經有了較成熟的應用，中國卻還處於探索階段，譽存科技是這個領域最早的探索者之一。
譽存科技的資料來源主要集中在兩個方面：
一是網上爬取的公開或半公開數據。公開資料包括新聞輿情政府公告等，半公開資料往往是只在一定範圍內一定時間期限內公佈的情報。
二是通過與央企、國企、掛牌征信公司進行資料層面的戰略合作獲取權威資料。這部分資料占公司資料庫將近一半比例.
目前，公司已經整合了全網上千個資料來源的公開和半公開的多維度結構化、非結構化海量資料，累計擁有超過7500萬家企業資料和數億企業關聯人的全息影像。
除了資料來源廣泛外，譽存科技在大資料管理方面具有獨特優勢。通常，大資料管理分為四個階段：
第一階段是資料整合收集。譽存科技基於各種分散式雲服務，搭建了一套能夠即時監控、即時優化的具有自主智慧財產權的分散式爬蟲系統，能夠代表業內先進水準。
第二階段是資料清洗。公司自己定制開發的大資料平臺，能夠高效整合清洗收集的各種非結構化和半結構化資料，並存儲到各類資料庫，以便後續使用。
第三階段是建模分析。公司搭建機器學習平臺MaaS(machine learning as a service)，把常用的機器學習模型都部署到平臺上，讓系統智慧化地進行建模分析工作。比如按照一定格式把資料登錄到MaaS平臺上，就可以自動選擇最優的模型組合，產出一個最優的分析結果。
第四階段是場景應用。基於不同需求場景，譽存科技開發了多各種微服務。比如從最基本的資訊備料到後面的風險量化、風險掃描，還有企業排名、企業指標，再到貸後具體分析、監控和預警等。這些微服務保證了產品的高效組合和反覆運算優化。
每個環節都要微創新的資料處理技術
譽存科技在大資料技術方面具有獨特。通常，大資料管理分為四個階段：
第一階段是資料整合收集。譽存科技基於各種分散式雲服務，搭建了一套能夠即時監控、即時優化的具有自主智慧財產權的分散式爬蟲系統，能夠代表業內先進水準。
第二階段是資料清洗。公司自己定制開發大資料平臺，上有一些獨特應用，整合清洗收集的非結構化和半結構化資料，存儲進入公司資料庫，以便後續使用。
第三階段是建模分析。公司搭建機器學習平臺Maas（machine learning as a service），把常用的機器學習模型都部署到平臺上，讓系統智慧化地進行建模分析工作。比如我們按照一定格式把資料登錄到平臺上，它可以自動選擇最優模型，產出一個最優的分析結果。
第四階段是場景應用。這一系列服務分為幾種，比如從最基本的資訊備料到後面的風險量化、風險掃描，還有企業排名、企業指標，再到貸後具體分析、監控和預警等。監控和預警是針對場景和具體業務進行的，比如烽火臺就是基於場景應用的針對性產品。
優質產品和強力技術後面是高素質團隊的主導。譽存科技的團隊彙集了來自華為、百度、戴爾等的海歸資料科學家和高端市場、運營人才。公司現有的120多人中，研發團隊占比70%以上，博士員工超過12%、碩士超過18%。
公司三位創始人均有美國留學背景。創始人/CEO劉德彬資訊學博士畢業，曾任PayPal資深科學家，一直從事大資料、機器學習、資料採擷和風險控制等領域的原創性研究工作。
譽存科技創始人/CEO 劉德彬
COO陳瑋以印第安那大學物理學博士之身出任UTHorizon Fund聯合創始人兼投資總監、紐約Pacific私募基金副總裁，投融資總額超1.5億美金。CTO嚴開擁有16年互聯網大資料的開發和實踐經驗。
三個人分別負責商務、技術和資料研究，是公司最早的核心團隊。“大資料創業對技術、經驗的要求遠遠超出一般行業，團隊的構成本身就是一道壁壘。像譽存科技這樣的團隊，在國內絕對是少數。”星河集團互聯大資料事業部負責人這樣評價。
這樣優秀的團隊和公司自然會被很多投資人關注。譽存科技與星河結緣的過程頗為有趣。2016年年中，公司在北京參加創業創新大賽時獲得了一等獎，被評委之一、時任星河互聯副總裁的陶振武先生看中。
後來的大半年時間裡陶振武一直跟CEO劉德彬保持密切的交流，並給出很多後來被證明非常有價值的思路、方向上的建議。敬業、熱情、專業是星河留給劉德彬的第一印象。
對於公司的快速發展，劉德彬表示，一方面源于客戶對公司產品、技術和團隊實力的認可，另一方面也與投資方星河互聯在業務、客戶資源、品牌市場等方面的幫助有很大關係。
未來，譽存科技還可借助星河在英國、美國、以色列等的海外資源拓展海外業務，謀求更大發展。