金融科技公司布局大数据，如何走出风控创新之路？

文 | 李菲

来源 | 《财资中国|财富风尚》杂志2017年10月刊

财资一家（TreasuryChina）原创首发，转载请联系授权

麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”作为金融科技的核心部分与重要支撑，大数据金融表现在大数据征信、网络借贷、支付服务、综合金融服务、智能投顾及互联网保险等多个领域。

在此背景下，中国大数据金融领域具有前瞻性的专题论坛——“BDFF2017大数据金融论坛”在上海举办，论坛以“塑造数据生态·引领金融科技·聚焦数据未来”为主题，汇聚了大数据领域的专家学者、业内知名企业的决策者等，共同探讨在金融科技时代，如何建立更完善的数据生态以及金融场景、加强风控征信体系建设等行业热点话题，分析大数据金融科技发展趋势，为企业的战略转型和创新发展提供有力支持。

通过大数据，人们可以挖掘出以往尚未发现的很多信息，进一步开阔人们看问题的视野以及角度。数据就是资产，数据产生的价值不可低估，这逐渐成为人们的共识。

如今，大数据已经在各行各业得到了广泛地应用，并成为企业、相关机构，甚至是国家的一项重要资产。同时，随着技术的发展，对数据的处理能力，包括数据的收集、存储和分析等各项能力都在逐步提升，对数据调用也实现了毫秒级的极速反应，这些都促进大数据的进一步发展，使其得以成熟的应用于各个场景中。

对金融行业而言，大数据的处理分析则有助于机构更好地做出决策。张若飞表示自己长期关注欧美金融行业和金融科技的发展趋势，据了解，目前包括纳斯达克、彭博、穆迪、德勤以及一些领先的投行机构都广泛地应用了大数据，对资本市场、舆情、经济指标等进行监控，以辅助其金融、咨询等业务的开展。

事实上，不少领先的互联网金融平台已经开始将大数据应用于平台的征信、运营。张若飞指出，利用大数据满足传统金融机构难以覆盖的需求，并实现更高效、精准的信用判断。同时，大数据也能更精准地描摹用户的特征，实现需求的收集与分析和营销的精准化。

如果没有海量数据的存储技术和处理技术的不断发展，就没有大数据的今天。而现在，新兴技术仍然在不断推进大数据的发展和应用。张若飞认为，下一个阶段的大数据发展主要有两个方向：一是数据量的继续积累和互联互通，打破信息孤岛，充分发挥现有数据获取能力的作用；二是人工智能与大数据的深度结合，通过机器学习技术，人工智能目前在数据处理和图像识别等领域已经超越人类，相信很快还将迎来一波发展浪潮。如果结合量子计算技术，将计算能力提升到新的量级，将会给金融带来更大的可能。

金融业务的应用型数据技术尤为重要：首先是关于模型和算法，且和场景及业务相结合； 其次是具备高效处理海量高维数据的能力。除了大量的结构化数据，对较难处理的非结构化数据，比如文本、图像、音频视频等，需要一定的处理经验才能较好地落地应用于信贷评估；再者是引进先进技术，实现对金融弱活跃客群进行授信。而ZRobot就是业内第一家提出“Network Learning”或“漫网”技术概念的公司，将机器学习与复杂网络技术相结合，通过多维人际关系网络构建与用户个体画像的融合，落地应用于信用评估，关系授信，黑名单拓展，精准营销等丰富的场景。

同时，问题驱动技术的创新升级，将前沿技术落地应用于业务场景中，有助于解决现实问题。例如，ZRobot将产品分为：评分标签类、系统类、资产评估及定价、精准营销及定制化服务五个类型，其中系统类产品是风控云平台助力传统商业银行向直销银行转型，解决了开展线上信贷业务平台冷启动的问题。很多银行目前有客户转化需求，但现阶段仍无法解决沉淀及积累客户的问题；还有银行的系统不支持纯线上无人工干预审批流程，借助ZRobot的风控云平台，可以实现线上自动化秒级审批及授信。

关于信用打分流程，乔杨表示，主要是通过数据清洗提炼出风险描述性特点，然后输入到不同模型模块，包括反欺诈、授信、催收模型等，再得出综合评分。ZRobot的优势是非单一模型效果远胜单一模型，单一变量影响较小。如果模型包含互补因素，模型提升效果可成倍增长， 而不是线性叠加。对于该模型效果，乔杨认为， ZRobot的评分对于好坏客户的排序能力和区分度非常高。评分的优势体现在过件率不变的情况下，大幅降低逾期率。或者在风险不变的情况下，大幅提高进件率。同时，从数据可以看出，在垂直场景的覆盖率以及模型效果都是非常出色的。