調研 | 青川
撰寫 | 青川
作為美國三大征信局之一的Experian（益博睿）， 實則是一家總部在愛爾蘭、於2006年在倫交所上市的一家跨國公司。 （公司發展歷程和業務可參考愛分析《征信系列報告之二： Experian， 一群倫敦裁縫成就的征信巨頭》）
截止2017年3月底， Experian具有9.89億個人用戶和1.11億企業使用者的征信資料， 其業務遍佈全球37個國家， 尤其以北美地區為主。
其服務首先是標準化的個人、企業征信報告， 通過其全球17個個人征信局、11個企業征信局收集資料， 每天提供約550萬份征信報告。
其次是諮詢業務， 包括決策分析、市場行銷等， 基於資料、模型能力在機構貸款時提高效率、降低風險，
Experian客戶來自金融、健康、零售、汽車、電信、保險、公共服務等各個領域， 主要收入來自信用報告服務， 包括2B和2C兩部分；其次是決策分析和市場行銷服務。 此外， Experian在2017財年有24.6億美元的收入來自北美地區， 占總收入的57%， 這也是其被視為美國三大征信局之一的原因。
國內業務最大區別是尚不提供個人征信服務
早在2005年， Experian便開始在中國展業， 服務物件包括銀聯、國內十大銀行、京東金融等頭部的金融機構， 與國外基本一致。
目前Experian在國內共有四大業務， 分別是信用服務、決策分析、反欺詐和身份認證、資料品質。
其中信用服務主要是企業征信領域， 為客戶風控提供資料支撐。
決策分析服務基於Experian資料、客戶自有資料和協力廠商資料， 為客戶提供風控解決方案和市場行銷解決方案。 其優勢是從事過多年的風控、市場行銷服務， 具有豐富的建模經驗和模型積累， 對業務理解能力更深刻。
反欺詐和身份認證包括數位身份認證技術、申請反欺詐、交易反欺詐等。 Experian與京東金融的合作便是線上反欺詐系統， 將其FraudNet反欺詐解決方案進行本土化適配， 通過設備識別、分析使用者線上消費行為進行欺詐識別與預防。
資料管理與分析包括為客戶檢查企業現有位址、聯繫方式， 對資料進行即時管理、遷移、評估、修正、監測等， 做資料加工、分析。
近日， Experian聯合IDC發佈了《2017年欺詐管理洞見》， 洞見中提出了Super-ID解決方案，
愛分析對Experian大中華區總裁黃堅、分析與諮詢策略總經理黃健銘進行了訪談， 二位主要就反欺詐問題發表了見解， 現摘取部分內容如下。
提供申請反欺詐與交易反欺詐服務
愛分析：申請反欺詐主要流程是怎樣的？
黃健銘：第一， 我們需要有一些黑名單資料， 確定申請者是不是在黑名單中， 所以資料是很重要的。
第二， 我們會做一些模糊匹配。 欺詐要麼是第一方欺詐、要麼是協力廠商欺詐， 以填寫的地址為例， 可能是原來就有問題的地址， 也可能是把順序調了， 我們將位址與黑名單裡的位址模糊匹配，
第三， 還有一個環節是關聯分析。 欺詐分子都會有一些同夥， 通過關聯分析可以確定這個人是不是在關聯網裡面。
這些都通過後， 基本上發生欺詐的可能性就微乎其微了。 風險和業務之間要有一定權衡， 不能因為降低風險就不做業務了， 所以對欺詐還是要有一定的容忍度。
愛分析：第一方主動欺詐的如何識別？
黃健銘：基本上黑名單可以找得出來， 因為都是慣犯了。
愛分析：信用卡交易反欺詐方面， Experian有何解決方案？
黃健銘：我們這塊做的是偏諮詢類的服務， 通過瞭解過去發生的欺詐事件， 從裡面剝離出一些規則， 防範類似的欺詐事件， 以及前瞻性的發現未來可能的欺詐場景。
愛分析：交易反欺詐和申請反欺詐， 底層邏輯是一樣的， 還是說是兩套服務？
黃健銘：完全兩套不同的服務， 兩套解決方法。
黃堅：底層統計會有一些複用， 比如人口統計資訊是一樣的， 其他就完全不一樣了。 交易反欺詐還是看你的記錄， 比如在電商買過什麼東西；申請反欺詐更多關注你在那個節點的狀況。
愛分析：標準化產品服務和偏諮詢的模型服務， 效果上會有明顯的不同？
黃健銘：這個肯定是有不同的。 比如現在已經有央行征信分數， 銀行還要自己開發一個申請評分卡， 主要原因是每個銀行經營的人群是不一樣的， 需要根據自身客群去開發模型，這樣更精准。
不同機構需求點存在差異
愛分析：金融、電信、電商對風控、反欺詐的需求有何差別？
黃健銘：金融業對風控是非常願意投入的，風控是核心，風控不好貸款是要賠掉的，所以金融非常願意投入且是畢業的。電信相對沒那麼關注，目前還不太需要反欺詐。電商對反欺詐也很關注，因為如果商品被欺詐的話，也會產生很大的損失，所以對反欺詐也很重視。
愛分析：與金融機構的合作中，主要是業務流程的哪個環節？
黃健銘：我們説明金融機構客戶做生命週期的風險管理，從獲客到存量客戶的管理，再到最後發生逾期。
我們有A/B/C評分卡，A卡是申請評分卡，在獲客時將有違約可能性的用戶排除在外；B卡是行為評分卡，對存量用戶進行管理，好的可以提升額度，差的降額；C卡是催收評分卡，對有違約可能的用戶感覺催收。
此外，我們也會幫企業獲客，比如生態圈的打造，白名單的輸出等。
愛分析：Experian與京東金融的合作形式是怎樣的？
黃健銘：我們和京東金融的合作是希望能夠共同面向金融業，他們有資料、做Fintech輸出，我們做AI支持。
業務環節中，我們幫他們做線上開戶反欺詐，這其實是銀行最頭疼的；線上開戶之後，在交易環節進行監控、防範欺詐。
愛分析：Experian會為銀行做模型優化？
黃健銘：對，我們會根據銀行的資料來開發模型。我們跟其他公司不一樣的一點是，我們很多成員來自銀行，對銀行業務更瞭解，可以從銀行的角度出發建模。如果不瞭解銀行的業務，做出來的模型會非常不符合業務，我們做定制化模型會跟客戶進行很多討論。
愛分析：Experian在國外合作的都是比較大的機構，國內有一些新興金融機構雖然現在還不大，但是成長性非常強，會與他們建立合作麼？
黃堅：互聯網金融方向一直是我們關注的領域，我們不排除任何方式的合作，但是合作夥伴我們還是有選擇性的，不會選擇只做一單或者兩單的機構，一定是戰略合作夥伴。
愛分析：Experian在中國缺乏資料，未來發展路徑是深入內部做一些諮詢服務？
黃健銘：現在監管不允許我們擁有個人資料的，所以我們在國內是運用資料。我們也在思考，現在跟一些比較大的資料提供商都有合作。我們通過它們的資料建模，來提升自己的風控能力，或者提高對方的風控能力。
現在央行針對每個人有征信報告，但是通過征信資料可以打造不同的征信分，比如根據一個人住在哪裡、收入情況都可以評分。收入是金融機構比較頭疼的問題，一旦知道收入，可以預測授信額度。在美國、英國我們有一系列這種基於征信資料的模型，很希望推廣到中國來。所以我們雖然沒有資料，但我們有技術和能力，知道怎麼把資料轉化成有價值的風控輸出。
愛分析：國內很多在做征信、反欺詐相關的協力廠商服務，而美國最後只有幾家在做，國內最後也會成為寡頭市場？
黃堅：大家現在覺得征信很簡單，很多創新公司在做，但其實美國是經過幾十年上百年的發展，最後形成這三家寡頭。征信很多技術和模型是經歷很長時間積累起來的，現在三個巨頭資料是互通的，競爭的是科技、服務和品質。
國內做征信創新，如果沒有傳統銀行資料作為根基，是很難做的。如果是用電商或者電信替代資料，只能是做一個輔助工具。資料之外，模型的設計也需要很長時間做積累。
黃健銘：在美國我們反欺詐的競爭對手不是其他兩家征信局，而是來自各個不同的領域，大家鎖定的反欺詐內容不同，比如Master card或者Visa通過不同的手法做反欺詐。Experian在美國依託征信局資料和黑名單資料，反欺詐效果會比較全面。在國內目前還沒有征信資料，希望未來可以涉足。
國內很多公司資料獲取還處於一個灰色地帶，比如你點同意之後，他就可能通過爬蟲獲取很多你的資料，一旦未來這部分形成監管以後，形勢會更明朗。
需要根據自身客群去開發模型，這樣更精准。不同機構需求點存在差異
愛分析：金融、電信、電商對風控、反欺詐的需求有何差別？
黃健銘：金融業對風控是非常願意投入的，風控是核心，風控不好貸款是要賠掉的，所以金融非常願意投入且是畢業的。電信相對沒那麼關注，目前還不太需要反欺詐。電商對反欺詐也很關注，因為如果商品被欺詐的話，也會產生很大的損失，所以對反欺詐也很重視。
愛分析：與金融機構的合作中，主要是業務流程的哪個環節？
黃健銘：我們説明金融機構客戶做生命週期的風險管理，從獲客到存量客戶的管理，再到最後發生逾期。
我們有A/B/C評分卡，A卡是申請評分卡，在獲客時將有違約可能性的用戶排除在外；B卡是行為評分卡，對存量用戶進行管理，好的可以提升額度，差的降額；C卡是催收評分卡，對有違約可能的用戶感覺催收。
此外，我們也會幫企業獲客，比如生態圈的打造，白名單的輸出等。
愛分析：Experian與京東金融的合作形式是怎樣的？
黃健銘：我們和京東金融的合作是希望能夠共同面向金融業，他們有資料、做Fintech輸出，我們做AI支持。
業務環節中，我們幫他們做線上開戶反欺詐，這其實是銀行最頭疼的；線上開戶之後，在交易環節進行監控、防範欺詐。
愛分析：Experian會為銀行做模型優化？
黃健銘：對，我們會根據銀行的資料來開發模型。我們跟其他公司不一樣的一點是，我們很多成員來自銀行，對銀行業務更瞭解，可以從銀行的角度出發建模。如果不瞭解銀行的業務，做出來的模型會非常不符合業務，我們做定制化模型會跟客戶進行很多討論。
愛分析：Experian在國外合作的都是比較大的機構，國內有一些新興金融機構雖然現在還不大，但是成長性非常強，會與他們建立合作麼？
黃堅：互聯網金融方向一直是我們關注的領域，我們不排除任何方式的合作，但是合作夥伴我們還是有選擇性的，不會選擇只做一單或者兩單的機構，一定是戰略合作夥伴。
愛分析：Experian在中國缺乏資料，未來發展路徑是深入內部做一些諮詢服務？
黃健銘：現在監管不允許我們擁有個人資料的，所以我們在國內是運用資料。我們也在思考，現在跟一些比較大的資料提供商都有合作。我們通過它們的資料建模，來提升自己的風控能力，或者提高對方的風控能力。
現在央行針對每個人有征信報告，但是通過征信資料可以打造不同的征信分，比如根據一個人住在哪裡、收入情況都可以評分。收入是金融機構比較頭疼的問題，一旦知道收入，可以預測授信額度。在美國、英國我們有一系列這種基於征信資料的模型，很希望推廣到中國來。所以我們雖然沒有資料，但我們有技術和能力，知道怎麼把資料轉化成有價值的風控輸出。
愛分析：國內很多在做征信、反欺詐相關的協力廠商服務，而美國最後只有幾家在做，國內最後也會成為寡頭市場？
黃堅：大家現在覺得征信很簡單，很多創新公司在做，但其實美國是經過幾十年上百年的發展，最後形成這三家寡頭。征信很多技術和模型是經歷很長時間積累起來的，現在三個巨頭資料是互通的，競爭的是科技、服務和品質。
國內做征信創新，如果沒有傳統銀行資料作為根基，是很難做的。如果是用電商或者電信替代資料，只能是做一個輔助工具。資料之外，模型的設計也需要很長時間做積累。
黃健銘：在美國我們反欺詐的競爭對手不是其他兩家征信局，而是來自各個不同的領域，大家鎖定的反欺詐內容不同，比如Master card或者Visa通過不同的手法做反欺詐。Experian在美國依託征信局資料和黑名單資料，反欺詐效果會比較全面。在國內目前還沒有征信資料，希望未來可以涉足。
國內很多公司資料獲取還處於一個灰色地帶，比如你點同意之後，他就可能通過爬蟲獲取很多你的資料，一旦未來這部分形成監管以後，形勢會更明朗。