同盾科技蒋韬：风控与场景强相关 不同领域的风控流程和模型完全不同

凤凰WEMONEY讯 9月17日，在由清华大学五道口金融学院、清华大学国家金融研究院主办的“2017第二届中国金融科技大会”的“大数据的创新与挑战”主题论坛上，同盾科技有限公司首席执行官蒋韬发表演讲。

蒋韬认为，消费信贷，其实现在面临非常多的问题。这些风险，包括伪冒的申请、做虚假资料、内部欺诈、信用风险等。现在中国有大量的信用白户人群，同时跨平台的负债非常地严重，信息无法全面的获取，便会导致风险信息获取滞后。因此，智能风控的创新将促进消费信贷业务发展。

蒋韬会上还提到，“风控是整个金融机构最重要的核心，风控其实跟场景是强相关的，不同的领域，包括汽车金融，你的一手分析和二手的车抵，它的风控流程和模型是完全不一样的。信用卡的网申，包括小贷公司，他们使用的流程也是完全不一样的。”（凤凰WEMONEY 张国栋/编辑）

以下为现场演讲实录：

感谢五道口今天的邀请！非常荣幸来参加今天这个会议，我作为同盾科技的创始人其实也非常荣幸在今年下周三就要入学五道口金融学院EMBA的第十期，所以我也变成了清华的校友，非常的有缘份。

今天我讲的主题其实主要跟智能风控相关，因为同盾其实相对来说是一家比较专注做一个细分领域的创新型公司。

今天演讲的主题是《智能风控创新促进消费信贷业务发展》。

消费信贷，其实现在面临的问题非常多，我们在跟很多客户交流的过程中。

1、他们跟我们提到的就是他们面临非常多欺诈类的风险。

2、面临非常多的信用违约的风险。

包括不良率，现在每年在商业银行和逐渐机构逐渐的攀升，这是大家都知道的事情。但是有一个数字可能大家不知道，就是在中国从事网络欺诈的人，人群在160万左右，欺诈的产业链上年产值大概是1100亿。

目前，在同盾我们的智能风控网络里面，现在我们能监测100万人的欺诈人群，这是我们能做到的一些事情。

主要有哪些点呢？

1、包括伪冒的申请，主要是身份被别人盗用，别人盗用你的身份去申请贷款，去骗贷。

2、做虚假资料，比如你在申请贷款的时候，你这个人确实是你这个人，但是你的身份信息，包括地址、收入、流水，包括其它信息，都有虚假或者造假的成份。

3、内部欺诈，大家都知道现在很多消费信贷机构（包括银行），他们有很多坏账都是来自于内部，有的时候其实外部的风险还是比较好防控的，但是内部的风险通常是最难去风控的。

4、信用风险。首先，现在中国有大量的信用白户人群，在这个信用白户人群在传统征信机构里他的数据维度不是特别的全。其次，跨平台的负债非常地严重，这个信息无法全面的获取，所以导致了风险信息获取的滞后。

这里举一个例子，美国最大的征信局叫Experian，他在2013年收购了一家在全美做线上交易风险的公司。大家会想，一家征信公司为什么要去收购一家花个三四亿美金去收购一家做线上交易风险、电商欺诈风险的公司呢？因为现在传统征信公司它们也越来越意识到，对于个人的画像维度越来越不全，他们迫切希望获取这些人在线上的一些行为。因为大家现在把日常的生活越来越多的都往线上、互联网上转化了，获取这些信息能够更好、更方便、更全面的帮助了解这些人潜在的一些风险，及时地做预防。

说到欺诈风险，其实工具非常多，手段也非常多，这里简单介绍一下。

1、一些申请的行为分析。

2、设备的一些关联。

3、IP的一些关联和检测。

4、号码的一些检测。

5、虚拟机，就是跟终端相关的一些检测。

6、包括地址相关的一些分析。

7、包括定位和归属页的分析。

说到信用风险，同盾在分析信用风险的时候主要用了几个维度：

1、社会数据，通常是可以在公网上爬取到的一些数据，包括法院执行和欠税的一些信息。

2、名单一些和贷后的表现信息，这些信息通常都是金融机构反馈给同盾科技的一些信息。

3、身份信息，通常是客户到你这儿做查询的时候传入的一些信息。

4、社交信息。

说到风控，其实大家都知道，风控是整个金融机构最重要的核心，同盾达到了“智能风控管理平台”，现在在这个平台上服务了6000多家机构，当然服务的层面可能有所不同。

大家可以从上往下看，上面的就是各个行业，其实我们服务于包括汽车金融、小贷，包括银行的信用卡、消费金融机构，包括现在非常火的现金贷机构，还包括一些有场景的消费金融机构，还包括一些电商、O2O，我们都在合作。

在应用层，我们主要提供3种类型的产品或者应用的产品体系：

1、我们称之为智能风控应用，这就涉及到贷前、贷中、贷后，包括催收，贷前我们也分欺诈分、信用违约分，包括贷后我们有相应的监控预警，包括智能催收，待会儿我会详细的讲一下。

2、反欺诈，主要是帐户、交易、申请相关的一些欺诈。

3、我们在客户管理方面也做了一些相关工作。

这是我们应用层给客户提供的一些能力。

随着我们的客户越来越多，数据量越来越大，今天同盾我们在北京、上海有超过2000台的物理服务器，虚拟机我们有超过上万台，目前这个计算量是非常大的，我们在底层搭建了我们自己的分布式计算、实时计算，包括自动化的机器学习平台，包括深度学习平台，这些能力都是我们在搭建。

随着搭建不断的深入，包括我们计算量不断的扩大，其实我们已经有一些客户提出了一些需求，说对于我来说花个几百万去搭建这样的自动化机器学习平台，包括搭建这样的实时计算机平台太麻烦了，我能不能用你的计算能力？我们会发现，我们的计算能力在高峰的时候，其实只能用到80%，在晚上或者在周六、周日的时候可能只能用到20%或30%，绝大多数机器其实都是空闲的，这些能力其实是可以开放给我们的客户用的。

这就是从应用层面上到底层能力层面上的开放。最后，我们也会用到存储，这个就不详细介绍了。

另外，大家都知道风控其实跟场景是强相关的，不同的领域，包括汽车金融，你的一手分析和二手的车抵，它的风控流程和模型是完全不一样的，信用卡的网申，包括小贷公司，他们使用的流程也是完全不一样的。

你要想把所有客户都服务好，需要你去匹配对于这些行业真正了解和熟悉的一些业务专家，他能真正帮你了解这些客户的一些真实需求。

所以，其实虽然我们是一个大的平台，但我们服务的这些客户，其实每个模型都是千差万别的，或者你叫千人千面也好，1000个客户可能在我这里就会有1000个模型同时在运行。

当然，底层的这些指标计算，包括实时计算，包括这些计算能力和平台是通用的，但上层的这些模型，我们现在都有一些定制化的操作在里面，这其实是非常好的满足了客户的需求。

最后，我们最近也推出了像智能催收这样的产品，因为确实随着“两高”出来之后很多金融机构的贷后部门，包括一些催收公司，都面临非常大的问题，就是信息泄露的问题，传统的大家都知道，做催收或多或少都涉及到一些个人的信息，包括很多金融机构其实都会涉及到个人信息。怎么规避这样的风险呢？我们推出了一个，其实任何一个操作人员和运行人员根本接触不到个人信息的自动化催收，这个中间我们会去通过模型、机器学习的方式，对这个人自动做分层、做打标，打完标之后我们会根据这个人不同的等级做不同的催收政策，爸爸话术，另外我们在中间引入了IVR包括语音的技术在里面。

通过这样的一个平台，现在跟我们合作的很多金融机构贷后部门，不光是催收的效率大大提升了，此外催收的成本其实也有所降低，原来它要维护2000人或者3000人的催收团队，管理成本包括法律法规合规的风险，都是非常非常大的，通过我们的工具可以有效的去解决。

最后，因为同盾我们定位就是一家数据分析公司，我们通过我们的专业能力帮助客户解决问题，这个问题就是降低成本、提升效率，无非就是这两点。很多客户也提出，同盾除了做风控以外，能不能帮我做一些数据分析的事？我们也就相应的推出了类似像用户价值挖掘的产品。在这方面其实有两块：

1、我们推出了兴趣雷达，我们可以帮助这些金融机构分析这个人对于某种贷款类型的兴趣偏好。

2、我们会做一些陌客激活的模型，有一些客户，比如结算未重新申贷的一些客户，他其实是沉睡的客户，怎么通过数据全网分析的方式，来激活这些客户，其实是非常非常有意思的事情，这个我们也在推进。