◆ 作為清華博士， 高強帶著一批精英創立了“法海風控”。
文| 鉛筆道 記者 趙芳馨
►導語
招商銀行、工商銀行、交通銀行等20家大型銀行，
2014年7月， 高強創立法海風控， 定位于金融風控大資料服務商， 服務于銀行， 金融、征信機構。 其系統採集了包含涉訴、稅務、工商、環保等20大領域、140個維度的企業信用資料， 總量為20億；再利用人工智慧技術將資料結構化， 進而為金融機構定制化建模。
從採集資料到建模完成， 法海風控一般花費2～3個月時間。 傳統征信手段依賴於人工調查、寫報告， 放貸結果往往需一周後知曉；而模型打分、出報告， 最快僅需要幾秒鐘。
今年1月， 法海風控獲得A輪融資， 投資方為雪杉資本和綠禾資本。
硬需求
清華經濟管理學院出身的高強，
沿著這一思路， 他集結了一批清華系的精英， 以及花旗、渣打等銀行前高管為銀行、金融機構、征信企業服務。 “法海風控”隨之於2014年7月成立， 定位于金融風控大資料服務商。
鄧白氏（歷史最悠久的企業資信調查類信用管理公司）是法海風控最早的合作夥伴。 起初， 它希望高強及團隊做資料獲取， 其核心是司法資料。
在此之前， 鄧白氏利用人工調查、編輯資料。 但各省市的法院多達3000多家， 企業也不局限於在某一地區做生意。 “根本沒辦法單獨查。 ”
而資料獲取是法海風控的強項。
在原有資源的基礎上， 團隊研發了人工智慧系統“小龍人”， 其核心之一是天羅採集系統。 擬人化的“小龍人”在網上巡邏， 查看頻道、資料是否增加， 若出現新資料則進行採集。
服務鄧白氏時， 系統掃描追蹤了16萬個司法方向的網站頻道， 最終採集3億多條消息。 在客戶最關心的資料完備性上， 系統基本能實現採集到完備的資料。
隨後， 法海風控一路走得比較順利。 各大銀行也找上門來， 希望法海風控為其提供資料服務。
20領域140維度數據
起步於司法資料， 但這還遠遠不夠。
很快， 客戶提出了新需求：能不能把相關新聞也摘出來？利用語義分析，
除了新聞之外， 法海風控逐步增加了稅務、環保、行政處罰等資訊， 共20大領域、140個維度。 為了保證可信度， 這些外部資訊的背書來自于權威媒體、政府機構等。
每一條採集來的資料， 系統均為其打標籤。 銀行中有企業信用的五級分類， 而團隊發明了風險資訊五級分類（已申請專利）， 包括警告、負向、中性、正向和利好。 以企業老闆失聯為例， “警告”的標籤顯示了銀行最關心的部分——此類事件的性質。
有了標籤， 團隊可以為客戶提供更深層次的服務：一是把文本化的資料結構化， 可大批量輸出；二是建模。
◆ 法海風控的系統名， 如元界、天羅、小龍人等都是中國風。
通過建模， 銀行等機構得到企業的風險概率， 再確定是否放貸。 這是一項個性化的需求， 因此團隊中的專家們制定相應方案， 再據此調教人工智慧系統， 為企業打分。
一般而言， 打分的依據是機構的信貸偏好。 “有的機構放貸，企業收益要達到30%，有的5%即可。”在此基礎上，模型通過2000多個維度欄位，算出哪一家企業有問題。
在測試中，法海風控利用外部資料與客戶歷史資料做對比，計算出的企業不良準確率吻合度約為60.8%。
更顯著的是效率的提升。從採集資料到建模完成，法海風控一般花費2～3個月時間。傳統征信手段依賴於人工調查、寫報告，放貸結果往往需一周後知曉；而模型打分、出報告，最快僅需要幾秒鐘。“大幅度降低成本，最起碼大量的人工就用不著了。”
獲A輪融資
隨著客戶增多，越來越多的機構選擇法海風控，比如支付寶（芝麻信用）。“金融信貸圈子不大，靠的是口碑和圈內相互推薦。”
總的來說，這些大體量客戶的需求精確，多為定制化服務。但實際上，躺在法海風控後臺的兩萬多家申請試用的企業，只有少部分享有了團隊的服務。
而高強並不想放棄頂級客戶之下的巨大市場。在他看來，法海的優勢在於“人工智慧方向上有頂尖科學家”，團隊也足夠優秀。待到成本降下來，開發出通用簡化版模型之後，系統就能大規模推出。
今年1月，法海風控獲得A輪融資，投資方為雪杉資本和綠禾資本。在此之前，公司曾獲得好貸網的天使輪投資。
因此本輪融資之後，高強計畫繼續服務更多的優秀金融機構。他著重點出“優秀”二字，若保持現有客戶的品質和業務的專精，“在別處發力的前景也是很樂觀的”。
截至目前，法海風控每天掃描跟蹤300多萬個網站頻道，採集收錄20大領域、140個維度的20多億條信用數據。未來，他希望這個資料能達到100億。
而人工智慧系統的下一步的目標則是40個領域、400個維度的資料。“這些資料和維度，會產生很多神奇的效果。”對此高強留了一個懸念，“肯定不是現在的玩法。”
/The End/
編輯 孫 嬌 校對 石 偉
“有的機構放貸，企業收益要達到30%，有的5%即可。”在此基礎上，模型通過2000多個維度欄位，算出哪一家企業有問題。在測試中，法海風控利用外部資料與客戶歷史資料做對比，計算出的企業不良準確率吻合度約為60.8%。
更顯著的是效率的提升。從採集資料到建模完成，法海風控一般花費2～3個月時間。傳統征信手段依賴於人工調查、寫報告，放貸結果往往需一周後知曉；而模型打分、出報告，最快僅需要幾秒鐘。“大幅度降低成本，最起碼大量的人工就用不著了。”
獲A輪融資
隨著客戶增多，越來越多的機構選擇法海風控，比如支付寶（芝麻信用）。“金融信貸圈子不大，靠的是口碑和圈內相互推薦。”
總的來說，這些大體量客戶的需求精確，多為定制化服務。但實際上，躺在法海風控後臺的兩萬多家申請試用的企業，只有少部分享有了團隊的服務。
而高強並不想放棄頂級客戶之下的巨大市場。在他看來，法海的優勢在於“人工智慧方向上有頂尖科學家”，團隊也足夠優秀。待到成本降下來，開發出通用簡化版模型之後，系統就能大規模推出。
今年1月，法海風控獲得A輪融資，投資方為雪杉資本和綠禾資本。在此之前，公司曾獲得好貸網的天使輪投資。
因此本輪融資之後，高強計畫繼續服務更多的優秀金融機構。他著重點出“優秀”二字，若保持現有客戶的品質和業務的專精，“在別處發力的前景也是很樂觀的”。
截至目前，法海風控每天掃描跟蹤300多萬個網站頻道，採集收錄20大領域、140個維度的20多億條信用數據。未來，他希望這個資料能達到100億。
而人工智慧系統的下一步的目標則是40個領域、400個維度的資料。“這些資料和維度，會產生很多神奇的效果。”對此高強留了一個懸念，“肯定不是現在的玩法。”
/The End/
編輯 孫 嬌 校對 石 偉