您的位置:首頁>科技>正文

AI能否引爆智慧風控革命?風控VS征信差異如何?

文/小迪

隨著消費信貸, 特別是信用消費信貸領域的快速發展, 越來越多的傳統金融機構、互聯網公司進入這一領域, 並逐步形成了新型的金融業態和生態。

對於傳統金融, 其傳統的風控流程和技術手段已經不能滿足新業務場景的需求, 比如借貸的場景越來越多向網路上發展, 秒級、分鐘級小額放貸成為趨勢, 雖然眾多互聯網公司在技術體系上可以滿足新的業務要求, 但這些互聯網公司卻不懂風控, 因此逐步就誕生了一批利用自動決策分析技術、機器學習、大資料分析等技術為各類金融場景提供風險分析服務的公司,

這些公司的存在幫助這些金融機構大大地降低了欺詐及違約導致的壞賬成本, 同時也幫助提升了自動化審批效率。

比較有代表性的智慧分析公司包括:第四范式、桃樹科技、同盾科技、氪信、DataVisor(美國創業後進入中國)等, 智慧風控已經成為中國金融科技裡不容忽略的一股力量。

智能風控:智在何方?

智能風控, 智在何方?其實從商業模式就可分辨一二。

從運營模式上可以分為兩大類:

第一類是分析模型訓練、運營及對應軟體都在雲端, 比如同盾科技、氪信和DataVisor, 都是以提供類似SAAS軟體及分析API的方式説明金融機構識別風險, 同樣在國外類似的公司還有美國的41st(後來被Experian收購)、SiftScience、以色列的FraudScience(被PayPal收購)、ZestFinance等等;

第二類是分析模型和系統都部署在本地的, 比如第四范式和桃樹科技, 這兩家都有通用的機器學習平臺, 並且不僅幫助識別風險、也説明客戶做行銷分析、交叉銷售分析等。

從識別的風險類型看也可以分為兩大類:

一類是欺詐風險, 比如DataVisor、41st等公司都是專門識別欺詐風險的公司, 其中DataVisor是利用非監督型機器學習技術實現了欺詐風險的預測以及自學習;這些區別于利用打標資料和監督型機器學習去發現欺詐的SiftScience。

而兩者演算法也各有千秋:41st 則因為它的設備指紋技術聞名(筆者猜想其最初的模型有41個參數而因此命名公司), 可以在專利搜索網站上搜索 41st公司的專利, 筆者記得2005年左右他們就發表了類似的專利技術,

設備指紋技術在業內人看來相對已經比較成熟, 也有一些短期難以逾越的困難, 該技術不僅用於風險識別、也用於個性化推薦及廣告分析領域。

另一類則是在信用分析領域, 美國的 ZestFinance 則是利用社交網路資料在雲端説明識別個人的信用風險。

在國內,

同時可以將欺詐風險和信用風險分析都做地不錯的公司目前是位於杭州的同盾科技, 他們已經擁有超過600人的團隊, 且在這個領域還在不斷深挖, 當然這個領域也不乏一些後起之秀, 比如專門做反欺詐的猛獁科技、豈安科技, 以及專門做信用分析的冰鑒科技等。

企業服務公司的困境和機遇

在國內, 企業服務相對國外來說, 需要更大的耐力、耐心以及熱情, 特別是雲端企業服務公司, 在國內也面臨資料安全和客戶信任的考驗。 這就是這些公司需要考量的“控制”點。 在美國市值最高的SAAS企業服務公司是Sales Force, 也就剛超過500億美金, 和蘋果、Google、Facebook、阿裡等公司市值相比較還是比較小的。

但是筆者觀察企業服務也是一個大的趨勢,

SalesForce在過去兩年營收和市值大幅增長, Amazon的雲端企業服務收入也大幅增長, 阿裡更將阿裡雲作為集團的五大核心戰略之一重點發展。 可以這麼說, 企業服務在國內道路是曲折的, 但是前途是光明的。

筆者和國內的一些企業服務公司聊過, 一家CRM公司的創始人分享其最大的挑戰就是如何說服大客戶上雲:大客戶付得起錢但是總想著在本地部署, 小客戶願意上雲但是付不起錢,這幾乎是所有中國企業服務公司的困境和難點。對於智慧分析服務公司,也許採取一種折中且混合的方式是一個生存之道,但是這其中也存在大量的“坑”需要創業者一個個去趟,比如如何監督分析的結果、如何保證資料的回流,如何不斷贏得客戶的信任……但是筆者認為,正是這些坑,才是做企業服務公司的真正門檻。

在中國,公司的成功要素有許多,且缺一不可:

第一、天時,智慧風控分析公司只有在消費信貸需求大量井噴的年代才有很大的剛需,才會有快速發展的機遇。

第二、地利,企業必須給自己找一個最適合的商業模式,有的企業選擇做底層的機器學習平臺,有的企業則選擇做偏上層的應用分析,這些都是基於創始人對於未來形勢的一個判斷,沒有孰對孰錯,選擇好了模式並且堅持下去,相信會有好的結果。

第三、人和,筆者認為,做企業成功與否80% 取決於一個企業的內因,20%由天命。創始團隊是否團結、是否有共同的願景和目標、是否可以一起挺過難關是最至關重要的。

在國內,創業很難,創業做企業服務更難,而創業做分析型的企業服務則難上加難,有很多人看這個領域熱鬧想進來,也有很多人歷經了酸甜苦辣想退出。

風控和征信之別

在國內,有不少人沒有弄清楚風控和征信的區別,筆者通過行業調研和專家訪談,總結了幾點區別:

征信是國家基礎設施,是收集基礎的全員信用資訊的機構,要求各家金融機構無條件上報。依據這一條,目前在國內稱得上征信機構的就只有央行征信中心一家;

利用客戶的資料及外部合規的三方資料做信用風險分析不屬於征信的範疇,而屬於科技公司的範疇;

反欺詐不屬於征信。反欺詐分析的是個人的行為資料,並不是信用資訊;

如果是征信公司,需要符合國家的征信條例。如果第二類的公司或者是反欺詐公司,只需要符合國家的隱私保護法以及網路安全法即可,比如說:美國的41st、以色列的FraudScience等公司需要符合個人隱私保護法,如果涉及到銀行卡的存儲和分析,則需要符合支付行業的PCI 規範(由Visa、MasterCard等卡組織發起)。

所以說,智慧風控分析服務公司和征信公司還是有很大的差別的,不能將兩者混為一談,否則不僅不利於整個社會征信體系的建設,也不利於科技創新。

在美國,一些金融機構、大型互聯網公司都會和三方的反欺詐公司合作,用來預防和及時發現各類欺詐行為。同時,一些金融機構也會和ZestFinance合作,去評估特定人員的信用風險,或者利用它的分數作為Fico分的參考。

從另外一個層面上說,整個社會的征信體系的建設,也不能只靠一家征信公司完成。征信公司只負責基礎信用資訊的收集和輸出,但是現實的情況是央行不太可能收集到全體社會成員的信用資訊,一是時間不允許,二是體制不允許(因為銀行也不能覆蓋全部的人群),所以需要由市場化的征信機構參與進來作為補充。

此外,還是需要眾多的風控和分析服務公司去為金融機構服務,征信公司提供的只是原料,還是需要有專業團隊説明金融機構去加工和利用這些原料,最後輸出的是模型和信用評分,且這些模型和各種金融場景相關,比如:汽車金融、消費金融(有場景)、現金貸、銀行零售、信用卡等。

最後,反欺詐依賴的也是專業化的工具和分析模型,則更適合科技公司去做。

當然,現在還有一類專門的三方資料公司,其實這類公司也不屬於征信公司,也不屬於分析服務公司,這類公司只要合規合法,只需要進行業務報備即可。這類公司會為包括智慧風控、廣告服務商、輿情監測、企業運營管理等公司提供資料服務。

征信體系的建立任重而道遠,市場化的征信機構、智慧風控分析公司以及三方資料公司的存在都為這個體系的健全合理發揮貢獻,不斷發展前進。

小客戶願意上雲但是付不起錢,這幾乎是所有中國企業服務公司的困境和難點。對於智慧分析服務公司,也許採取一種折中且混合的方式是一個生存之道,但是這其中也存在大量的“坑”需要創業者一個個去趟,比如如何監督分析的結果、如何保證資料的回流,如何不斷贏得客戶的信任……但是筆者認為,正是這些坑,才是做企業服務公司的真正門檻。

在中國,公司的成功要素有許多,且缺一不可:

第一、天時,智慧風控分析公司只有在消費信貸需求大量井噴的年代才有很大的剛需,才會有快速發展的機遇。

第二、地利,企業必須給自己找一個最適合的商業模式,有的企業選擇做底層的機器學習平臺,有的企業則選擇做偏上層的應用分析,這些都是基於創始人對於未來形勢的一個判斷,沒有孰對孰錯,選擇好了模式並且堅持下去,相信會有好的結果。

第三、人和,筆者認為,做企業成功與否80% 取決於一個企業的內因,20%由天命。創始團隊是否團結、是否有共同的願景和目標、是否可以一起挺過難關是最至關重要的。

在國內,創業很難,創業做企業服務更難,而創業做分析型的企業服務則難上加難,有很多人看這個領域熱鬧想進來,也有很多人歷經了酸甜苦辣想退出。

風控和征信之別

在國內,有不少人沒有弄清楚風控和征信的區別,筆者通過行業調研和專家訪談,總結了幾點區別:

征信是國家基礎設施,是收集基礎的全員信用資訊的機構,要求各家金融機構無條件上報。依據這一條,目前在國內稱得上征信機構的就只有央行征信中心一家;

利用客戶的資料及外部合規的三方資料做信用風險分析不屬於征信的範疇,而屬於科技公司的範疇;

反欺詐不屬於征信。反欺詐分析的是個人的行為資料,並不是信用資訊;

如果是征信公司,需要符合國家的征信條例。如果第二類的公司或者是反欺詐公司,只需要符合國家的隱私保護法以及網路安全法即可,比如說:美國的41st、以色列的FraudScience等公司需要符合個人隱私保護法,如果涉及到銀行卡的存儲和分析,則需要符合支付行業的PCI 規範(由Visa、MasterCard等卡組織發起)。

所以說,智慧風控分析服務公司和征信公司還是有很大的差別的,不能將兩者混為一談,否則不僅不利於整個社會征信體系的建設,也不利於科技創新。

在美國,一些金融機構、大型互聯網公司都會和三方的反欺詐公司合作,用來預防和及時發現各類欺詐行為。同時,一些金融機構也會和ZestFinance合作,去評估特定人員的信用風險,或者利用它的分數作為Fico分的參考。

從另外一個層面上說,整個社會的征信體系的建設,也不能只靠一家征信公司完成。征信公司只負責基礎信用資訊的收集和輸出,但是現實的情況是央行不太可能收集到全體社會成員的信用資訊,一是時間不允許,二是體制不允許(因為銀行也不能覆蓋全部的人群),所以需要由市場化的征信機構參與進來作為補充。

此外,還是需要眾多的風控和分析服務公司去為金融機構服務,征信公司提供的只是原料,還是需要有專業團隊説明金融機構去加工和利用這些原料,最後輸出的是模型和信用評分,且這些模型和各種金融場景相關,比如:汽車金融、消費金融(有場景)、現金貸、銀行零售、信用卡等。

最後,反欺詐依賴的也是專業化的工具和分析模型,則更適合科技公司去做。

當然,現在還有一類專門的三方資料公司,其實這類公司也不屬於征信公司,也不屬於分析服務公司,這類公司只要合規合法,只需要進行業務報備即可。這類公司會為包括智慧風控、廣告服務商、輿情監測、企業運營管理等公司提供資料服務。

征信體系的建立任重而道遠,市場化的征信機構、智慧風控分析公司以及三方資料公司的存在都為這個體系的健全合理發揮貢獻,不斷發展前進。

Next Article
喜欢就按个赞吧!!!
点击关闭提示