調研 | 李喆 青川
撰寫 | 青川
在互聯網借貸大發展的背景下， 征信、風控服務的重要性越來越明顯， 越來越多的公司開始為金融機構提供相關的資料、模型、技術服務。
其創始人顧淩雲曾在美國金融科技公司ZestFinance任職， 擔任演算法模型負責人， 為無信用記錄的申請人提供信用評估。 此外， 顧淩雲還曾是Turbo Financial Group聯合創始人和首席風控官， 為金融機構提供個人、企業信用評估。
冰鑒最先切入的是小企業征信領域， 繼而為個人信貸提供征信支援。 對企業進行信用評估， 涉及到對企業主個人信用的評估， 在其看來， 從小企業征信到個人征信， 邏輯是自洽的。 去年12月， 冰鑒獲得創世夥伴、領渢資本1.1億元A輪投資。
滿足金融機構系統、模型多層次需求
冰鑒科技為金融機構提供IT系統服務、標準化產品、定制化解決方案以及工具類產品，
首先是IT系統， 冰鑒為小貸公司提供核心業務系統， 包含流量管理、流量管道篩選、借貸用戶管理、通過率管理、壞賬率管理、支付對接、壓力測試等模組，
截止2016年末， 全國共有小貸公司8673家， 對核心業務系統的需求廣泛存在。 但這八千餘家小貸公司平均貸款餘額僅1億元， 業務規模很小， 單獨研發核心系統性價比極低， 所以冰鑒提供的是標準化的SaaS服務。
其次是標準產品， 服務消費金融、小貸機構、P2P等機構， 包括個人業務層面的反欺詐引擎、個人信用畫像產品， 小微企業層面的企業信用評估、企業畫像產品。
冰鑒目前覆蓋了92%的城市人群和82%的農村人群， 反欺詐評分模型由上千條反欺詐規則組成， 資料維度包括黑名單資訊、個人資訊、行為資料以及爬蟲抓取的資訊， 形成分值300-850的反欺詐評分。 在評分的基礎上， 冰鑒還能提供通過、拒絕、警惕等決策建議。
金融機構通過API介面接入其反欺詐引擎， 輸入使用者姓名、身份證號、手機號即可獲得回饋結果。
再次是定制化解決方案， 根據國外FICO、Experian等公司的經驗， 這類需求長期存在， 包括行銷、反欺詐、信用評估、風險定價、貸後管理等。 冰鑒為標杆客戶提供定制服務， 當地語系化部署在其業務場景中。
冰鑒最初為銀行提供小微企業貸後管理。 銀行傳統做法是放款之後由信貸人員到各個企業調研， 查勘企業經營情況。 冰鑒貸後管理模型能篩選出風險較高的企業， 由信貸員重點關注這類企業， 用以提升貸後管理效率。
定制化服務諮詢屬性強， 需要投入較高的人力成本， 毛利率較低。 所以冰鑒只為標杆客戶或資料層面有較大補充意義的客戶提供定制化服務。
最後是工具類產品， 用以説明金融機構提升運營效率。 銀行的模型可能來自不同供應商， 任何模型想要進行修改， 都要由產品經理提需求， 再由IT部門排期、完成、回饋， 流程冗長複雜。
冰鑒科技為金融機構提供模型管理系統， 可以對金融機構所有模型進行統一管理、交互。 金融機構所有模型的修改都可在冰鑒的工具中進行， 能夠極大提升運營效率。
從美國市場的經驗來看， 金融機構對標準化信用評分產品和定制化風控建模的需求長期存在， 冰鑒提供的產品和服務具有長期、穩定的市場需求。
覆蓋人群廣， 資料維度豐富， 有助於提升標準評分的使用範圍
根據美國征信經驗， 通用的反欺詐、信用風險評分模型， 基本條件是要覆蓋足夠多用戶，建模維度相對統一，個體資料完整性較高。根據FICO的發展歷史看，其FICO評分也是在與三大征信局達成合作後才被大規模使用。
從覆蓋人群來看，冰鑒已經達到很高規模，即顧淩雲所說的覆蓋92%的城市人群和82%的農村人群。目前，冰鑒資料來源包括合作的上百家金融機構的第一方信貸資料，銀聯、工商、法院、稅務、通信等數十個協力廠商資料來源。
其下一步要做的是增強資料深度，增加個體資料的完整性，使得模型區分度更高。目前冰鑒反欺詐和信用評分每月有3-4千萬的查詢量。
冰鑒的反欺詐和個人信用風險評估都涉及到評分，反欺詐評分和信用風險評分兩款產品未來發展路徑會有不同。
反欺詐模型考慮的是身份識別、社交關係、個人行為、黑名單記錄等資訊，這類資訊相對容易獲取，不存在政策上的壁壘。所以對冰鑒來說，通用的反欺詐評分模型更容易建立，會成為其核心壁壘。
信用評分更多依賴金融屬性強相關的變數，信用記錄又是其中最核心的維度，而央行之外機構很難獲得用戶在持牌機構的還款表現。所以冰鑒信用評分、信用評估更適用於無央行征信的人群，服務於非持牌機構，未來可在此構建競爭壁壘。
綜合來看，冰鑒創始團隊具有很深的個人、企業征信背景，對業務場景的理解能力深入。其產品、服務種類豐富，能滿足金融機構多層次的需求；標準、定制產品之間在獲客、建模等方面具有協同作用。最後，冰鑒在用戶覆蓋率上已經形成一定的規模。
近日，愛分析對冰鑒科技CEO顧淩雲進行了訪談，現摘取部分內容如下。
冰鑒提供企業、個人征信服務
愛分析：冰鑒的發展戰略？
顧淩雲：可以用五個大的維度概括。第一是業務包含個人征信、小微企業征信，第二是產品包含標準化產品和定制化產品，第三是客戶包括銀行和新金融公司，第四是服務分IT服務和模型服務，第五是中國市場與美國市場同時在做。
愛分析：是否會從事資料服務？
顧淩雲：我們不會做資料買賣業務，我們所有的資料獲取都獲得授權、符合規定，然後自己進行變數清洗，建模之後以分數的形式輸出。
愛分析：反欺詐主要以黑名單的方式在做？
顧淩雲：黑名單只是方法之一，主要是通過反欺詐模型在做。專家系統或者黑名單做出來的是線性邊界，很有可能降低一分放進很多壞人，增加一分刷掉很多好人；模型做出來的是非線性的決策邊界，則不存在這個問題。
愛分析：反欺詐評分、信用風險評分底層建模維度有何不同？
顧淩雲：反欺詐評分和信用評分的評分體系有交叉的地方也有相對獨立的地方。反欺詐底層建模維度變數的個數更多，而每一個具體變數含義都比較弱化。相反在信用評分建模當中變數數目比較少，但絕大多數都是金融屬性強相關的變數。
愛分析：冰鑒如何識別使用者多頭借貸情況？
顧淩雲：已經有大量金融機構在使用我們的標準產品、模型，查詢量非常大，短期內我們可以全面的看到一個借款人在不同金融機構、平臺的訪問和借貸次數，這樣形成的多頭借貸的資料是非常精准的。
愛分析：標準化產品是以SaaS服務的方式提供？
顧淩雲：是的，而且我們反欺詐評分和信用評分產品覆蓋率很高，對於央行有征信報告的人群，可以讓產品維度更全面，對於央行征信報告不能覆蓋的小白人群，我們綜合覆蓋率超過85%，對於想用我們產品的金融機構來說，基本能保證在查詢時返回相應結果，而不是空的欄位。
只要用借款使用者的三要素資訊查詢，我們一定不會返回空記錄，多多少少會有這個人記錄對應的量化分數。
愛分析：冰鑒給出返回結果的形式？
顧淩雲：分數、報告的形式都有，可以低付費只要分數，也可以高付費返回一份報告。但不管是分數還是報告，都不會直接推導出具體的個人資訊。
愛分析：標準化產品有哪些目標使用者？
顧淩雲：銀行、P2P、小貸公司和消費金融公司都是我們的目標使用者。四大國有行、股份制銀行、城商行、農商行以及民營銀行都有我們的付費用戶。消費金融領域，持牌消費金融公司和一些不持牌的機構都有我們用戶。
滿足金融機構行銷、反欺詐、信審等各類需求
愛分析：國有大行具體哪些業務部門對冰鑒有需求？
顧淩雲：四大行在國家政策引導下，開始成立普惠金融部、小微企業部，之前他們對普惠金融、小微企業是不感興趣的。在政策的引導下，他們要對個人放貸、要對小微企業放貸，就有很強的動力與我們合作。
愛分析：銀行普惠金融具體的需求？
顧淩雲：精准行銷、反欺詐、信審模型，包括定價、定額模型我們都做。
愛分析：銀行信用卡中心會有合作需求？
顧淩雲：我們現在只跟一家股份制銀行的信用卡中心合作，信用卡是銀行做的最為成熟的一個方向，我們暫時也不願意在在銀行做到最好的領域切入。
愛分析：現金貸公司會直接使用冰鑒的標準化產品還是作為一個參考？
顧淩雲：頭部的客戶基本上都用了我們的產品，但是他們自己會建模，把我們的分數作為他們模型的一個輸入變數。小一點的現金貸公司可能會直接用我們的標準化產品。
愛分析：精准行銷是説明銀行篩選客戶，還是用更好的方式觸達？
顧淩雲：用更好的方式觸達，比如如何喚醒沉睡用戶；銀行本身已有存量用戶，如何進行交叉銷售；從管道推送來用戶時，如何篩選出有價值用戶，而不是把資源、時間浪費在沒有希望的用戶上。
愛分析：定額模型的難點在哪裡？
顧淩雲：定額非常難做。人總是有犯罪動機的，對銀行來說，給用戶100萬的貸款，可能不跑路；但給1000萬貸款可能就跑了。
定額模型最終是一個開口向下的馬鞍形，不一定是二維函數，可能是三次或者四次函數，這個時候就會發現額度特別低時，用戶壓根不敢興趣；額度慢慢提高，用戶就開始用了；等到額度更大的時候，就有人開始不還錢了。所以我們需要找到函數的極值點在哪裡，這是定額最難的地方。
愛分析：最先從哪個環節為銀行提供服務？
顧淩雲：貸後管理。對銀行來說，小微企業信貸貸後管理非常痛苦，很難大規模的對已經放貸的小微企業進行管理。按照傳統的辦法，信貸員每個月需要去核查已經放貸的企業是不是正常營業，員工數有沒有大規模變化等各種資訊，一個月也就能跑個150-180家。
使用我們的貸後模型後，我們可以挑選出風險更高的企業，信貸員重點關注，能極大提高貸後管理效率，一個信貸員管理的企業能增加到280-300家。
愛分析：在小微企業信貸中，冰鑒還能提供哪些類型的服務？
顧淩雲：貸前管理模型，以前一個小微企業的貸款需要一個信貸員兩三天時間才能確定下來，使用我們模型以後，流程可以縮短到半天甚至一兩個小時，放款效率會有很大的提高。
還有定額模型，也起到了非常重要的作用。信貸員存在兩個風險，一是客觀判斷失誤，比如明明只能授信50萬元，卻提供了150萬元的貸款；二是主觀道德風險，內外勾結進行騙貸。這個時候我們的模型會提供輔助判斷，比如明明只能授信50萬元，業務員卻幫助申請300萬，我們就會讓其上級來核查為何差別這麼大，降低主觀偏差和道德風險。
愛分析：服務如何收費？
顧淩雲：我們IT系統有一套標準的軟體定價方式，然後每年會收一個授權費用。標準化模型產品則是SaaS服務，按查詢收費。
愛分析：在美國提供哪些類型的服務？
顧淩雲：我們在美國為借貸機構提供次貸人群的反欺詐和信用評分，所以業務邏輯和底層模型演算法邏輯與國內是完全相同的。當然美國資料來源不同，監管也更加嚴格，我們仍然會以中國市場為主，但是美國的業務起量很快。
基本條件是要覆蓋足夠多用戶，建模維度相對統一，個體資料完整性較高。根據FICO的發展歷史看，其FICO評分也是在與三大征信局達成合作後才被大規模使用。從覆蓋人群來看，冰鑒已經達到很高規模，即顧淩雲所說的覆蓋92%的城市人群和82%的農村人群。目前，冰鑒資料來源包括合作的上百家金融機構的第一方信貸資料，銀聯、工商、法院、稅務、通信等數十個協力廠商資料來源。
其下一步要做的是增強資料深度，增加個體資料的完整性，使得模型區分度更高。目前冰鑒反欺詐和信用評分每月有3-4千萬的查詢量。
冰鑒的反欺詐和個人信用風險評估都涉及到評分，反欺詐評分和信用風險評分兩款產品未來發展路徑會有不同。
反欺詐模型考慮的是身份識別、社交關係、個人行為、黑名單記錄等資訊，這類資訊相對容易獲取，不存在政策上的壁壘。所以對冰鑒來說，通用的反欺詐評分模型更容易建立，會成為其核心壁壘。
信用評分更多依賴金融屬性強相關的變數，信用記錄又是其中最核心的維度，而央行之外機構很難獲得用戶在持牌機構的還款表現。所以冰鑒信用評分、信用評估更適用於無央行征信的人群，服務於非持牌機構，未來可在此構建競爭壁壘。
綜合來看，冰鑒創始團隊具有很深的個人、企業征信背景，對業務場景的理解能力深入。其產品、服務種類豐富，能滿足金融機構多層次的需求；標準、定制產品之間在獲客、建模等方面具有協同作用。最後，冰鑒在用戶覆蓋率上已經形成一定的規模。
近日，愛分析對冰鑒科技CEO顧淩雲進行了訪談，現摘取部分內容如下。
冰鑒提供企業、個人征信服務
愛分析：冰鑒的發展戰略？
顧淩雲：可以用五個大的維度概括。第一是業務包含個人征信、小微企業征信，第二是產品包含標準化產品和定制化產品，第三是客戶包括銀行和新金融公司，第四是服務分IT服務和模型服務，第五是中國市場與美國市場同時在做。
愛分析：是否會從事資料服務？
顧淩雲：我們不會做資料買賣業務，我們所有的資料獲取都獲得授權、符合規定，然後自己進行變數清洗，建模之後以分數的形式輸出。
愛分析：反欺詐主要以黑名單的方式在做？
顧淩雲：黑名單只是方法之一，主要是通過反欺詐模型在做。專家系統或者黑名單做出來的是線性邊界，很有可能降低一分放進很多壞人，增加一分刷掉很多好人；模型做出來的是非線性的決策邊界，則不存在這個問題。
愛分析：反欺詐評分、信用風險評分底層建模維度有何不同？
顧淩雲：反欺詐評分和信用評分的評分體系有交叉的地方也有相對獨立的地方。反欺詐底層建模維度變數的個數更多，而每一個具體變數含義都比較弱化。相反在信用評分建模當中變數數目比較少，但絕大多數都是金融屬性強相關的變數。
愛分析：冰鑒如何識別使用者多頭借貸情況？
顧淩雲：已經有大量金融機構在使用我們的標準產品、模型，查詢量非常大，短期內我們可以全面的看到一個借款人在不同金融機構、平臺的訪問和借貸次數，這樣形成的多頭借貸的資料是非常精准的。
愛分析：標準化產品是以SaaS服務的方式提供？
顧淩雲：是的，而且我們反欺詐評分和信用評分產品覆蓋率很高，對於央行有征信報告的人群，可以讓產品維度更全面，對於央行征信報告不能覆蓋的小白人群，我們綜合覆蓋率超過85%，對於想用我們產品的金融機構來說，基本能保證在查詢時返回相應結果，而不是空的欄位。
只要用借款使用者的三要素資訊查詢，我們一定不會返回空記錄，多多少少會有這個人記錄對應的量化分數。
愛分析：冰鑒給出返回結果的形式？
顧淩雲：分數、報告的形式都有，可以低付費只要分數，也可以高付費返回一份報告。但不管是分數還是報告，都不會直接推導出具體的個人資訊。
愛分析：標準化產品有哪些目標使用者？
顧淩雲：銀行、P2P、小貸公司和消費金融公司都是我們的目標使用者。四大國有行、股份制銀行、城商行、農商行以及民營銀行都有我們的付費用戶。消費金融領域，持牌消費金融公司和一些不持牌的機構都有我們用戶。
滿足金融機構行銷、反欺詐、信審等各類需求
愛分析：國有大行具體哪些業務部門對冰鑒有需求？
顧淩雲：四大行在國家政策引導下，開始成立普惠金融部、小微企業部，之前他們對普惠金融、小微企業是不感興趣的。在政策的引導下，他們要對個人放貸、要對小微企業放貸，就有很強的動力與我們合作。
愛分析：銀行普惠金融具體的需求？
顧淩雲：精准行銷、反欺詐、信審模型，包括定價、定額模型我們都做。
愛分析：銀行信用卡中心會有合作需求？
顧淩雲：我們現在只跟一家股份制銀行的信用卡中心合作，信用卡是銀行做的最為成熟的一個方向，我們暫時也不願意在在銀行做到最好的領域切入。
愛分析：現金貸公司會直接使用冰鑒的標準化產品還是作為一個參考？
顧淩雲：頭部的客戶基本上都用了我們的產品，但是他們自己會建模，把我們的分數作為他們模型的一個輸入變數。小一點的現金貸公司可能會直接用我們的標準化產品。
愛分析：精准行銷是説明銀行篩選客戶，還是用更好的方式觸達？
顧淩雲：用更好的方式觸達，比如如何喚醒沉睡用戶；銀行本身已有存量用戶，如何進行交叉銷售；從管道推送來用戶時，如何篩選出有價值用戶，而不是把資源、時間浪費在沒有希望的用戶上。
愛分析：定額模型的難點在哪裡？
顧淩雲：定額非常難做。人總是有犯罪動機的，對銀行來說，給用戶100萬的貸款，可能不跑路；但給1000萬貸款可能就跑了。
定額模型最終是一個開口向下的馬鞍形，不一定是二維函數，可能是三次或者四次函數，這個時候就會發現額度特別低時，用戶壓根不敢興趣；額度慢慢提高，用戶就開始用了；等到額度更大的時候，就有人開始不還錢了。所以我們需要找到函數的極值點在哪裡，這是定額最難的地方。
愛分析：最先從哪個環節為銀行提供服務？
顧淩雲：貸後管理。對銀行來說，小微企業信貸貸後管理非常痛苦，很難大規模的對已經放貸的小微企業進行管理。按照傳統的辦法，信貸員每個月需要去核查已經放貸的企業是不是正常營業，員工數有沒有大規模變化等各種資訊，一個月也就能跑個150-180家。
使用我們的貸後模型後，我們可以挑選出風險更高的企業，信貸員重點關注，能極大提高貸後管理效率，一個信貸員管理的企業能增加到280-300家。
愛分析：在小微企業信貸中，冰鑒還能提供哪些類型的服務？
顧淩雲：貸前管理模型，以前一個小微企業的貸款需要一個信貸員兩三天時間才能確定下來，使用我們模型以後，流程可以縮短到半天甚至一兩個小時，放款效率會有很大的提高。
還有定額模型，也起到了非常重要的作用。信貸員存在兩個風險，一是客觀判斷失誤，比如明明只能授信50萬元，卻提供了150萬元的貸款；二是主觀道德風險，內外勾結進行騙貸。這個時候我們的模型會提供輔助判斷，比如明明只能授信50萬元，業務員卻幫助申請300萬，我們就會讓其上級來核查為何差別這麼大，降低主觀偏差和道德風險。
愛分析：服務如何收費？
顧淩雲：我們IT系統有一套標準的軟體定價方式，然後每年會收一個授權費用。標準化模型產品則是SaaS服務，按查詢收費。
愛分析：在美國提供哪些類型的服務？
顧淩雲：我們在美國為借貸機構提供次貸人群的反欺詐和信用評分，所以業務邏輯和底層模型演算法邏輯與國內是完全相同的。當然美國資料來源不同，監管也更加嚴格，我們仍然會以中國市場為主，但是美國的業務起量很快。