智能風(fēng)控產(chǎn)品及個人服務(wù)應(yīng)用介紹課件

1、智能風(fēng)控產(chǎn)品及個人服務(wù)應(yīng)用介紹目錄C O N T E N T SPart1.智能風(fēng)控發(fā)展現(xiàn)狀及背景風(fēng)控發(fā)展歷程及現(xiàn)狀智能風(fēng)控定義解讀及發(fā)展背景Part2.智能風(fēng)控產(chǎn)品及個人服務(wù)應(yīng)用貸前：數(shù)據(jù)整合快速規(guī)避風(fēng)險貸中：精細(xì)化管理有效攔截風(fēng)險貸后：智能優(yōu)化貸前、貸中策略需求端應(yīng)用：數(shù)據(jù)和技術(shù)互補推動需求端智能化布局Part3.智能風(fēng)控發(fā)展挑戰(zhàn)與趨勢智能風(fēng)控發(fā)展挑戰(zhàn)智能風(fēng)控發(fā)展趨勢智能風(fēng)控發(fā)展現(xiàn)狀及背景4Part 1 智能風(fēng)控發(fā)展現(xiàn)狀及背景 智能風(fēng)控定義解讀及發(fā)展背景業(yè)內(nèi)企業(yè)對智能風(fēng)控的不同觀點市場上對于智能風(fēng)控的定義還受限于大數(shù)據(jù)風(fēng)控，定義片面甚至混亂。隨著人工智能發(fā)展進入落地階段，對于“智能”的定義

2、已不局 限于大數(shù)據(jù)或者人工智能等技術(shù)的應(yīng)用。拜訪了大量智能風(fēng)控產(chǎn)業(yè)企業(yè)高管，以下是他們對智能風(fēng)控的觀點。905真融寶“智”體現(xiàn)在大數(shù)據(jù)為基礎(chǔ)的機器學(xué) 習(xí)和個性化風(fēng)險定價，可以覆蓋長尾 人群，同時降低人工成本，從粗放式 到精細(xì)化風(fēng)控的轉(zhuǎn)變；“能”體現(xiàn)在 把“智”的能力用科技方式去應(yīng)用，EO Inte提ll升ig運en營c效e率，實現(xiàn)商業(yè)化應(yīng)用ZRobot01在數(shù)字金融時代，智能風(fēng)控是以數(shù)據(jù) 為橋梁，智能手段為連接器，達(dá)到節(jié) 省成本、提高運營效率和精準(zhǔn)度的效 果；同時通過數(shù)據(jù)將場景端與資金端 串聯(lián)，將數(shù)據(jù)產(chǎn)生方和技術(shù)連接，提 升智能化程度06量化派首先是機器智能化，體現(xiàn)在機器可以 做到更接近人的判

3、斷，例如身份核實、 交叉驗證；另一方面是智能化可以做 到人工以前做不到的事情，在機器規(guī)則和精細(xì)化算法下，達(dá)到降本增效第四范式02智能的定義除了讓機器代替人，實現(xiàn) 效率的提高，還需要實現(xiàn)自動化判斷 風(fēng)險趨勢，其預(yù)測的意義遠(yuǎn)大于識別。 智能風(fēng)控相對于傳統(tǒng)風(fēng)控來說，除了 互補外，應(yīng)用更體現(xiàn)在高效的精準(zhǔn)、海量的個性化和快速的識別07同盾科技一方面是技術(shù)手段，通過大數(shù)據(jù)實現(xiàn) 智能化風(fēng)控，第二是云計算、人工智 能手段構(gòu)造的整體智能風(fēng)控體系。和 過去對比，智能化手段可以起到輔助 的作用，到應(yīng)用層面，真正的智能風(fēng) 控是無感風(fēng)控，簡化金融流程，提升 用戶體驗，實現(xiàn)交互人情化集奧聚合03從狹義的角度定義信貸風(fēng)控的

4、兩個方 面：其一是增能提效，更多的表現(xiàn)在 機器替換人工，或機器承擔(dān)更大比例 的工作；其二是提高精準(zhǔn)度，有效降 低逾期率的同時，優(yōu)化信審流程，提 升用戶體驗08智融集團區(qū)別于傳統(tǒng)風(fēng)控，差異體現(xiàn)在處理數(shù) 據(jù)的方式：以前是結(jié)構(gòu)化數(shù)據(jù)的處理， 現(xiàn)在通過接入大數(shù)據(jù)包含的非結(jié)構(gòu)化 數(shù)據(jù)，利用智能工具進行處理，替代人的學(xué)習(xí)，從而得到收益的提升百融金服04智能風(fēng)控分為兩個階段：目前是在向 自動化發(fā)展，在信貸流程審批中，用 大數(shù)據(jù)、人工智能算法替代人工審核， 實現(xiàn)系統(tǒng)化和自動化；在未來為了提 升客戶體驗和業(yè)務(wù)效率，會向人性化、智能化和定制化的方向發(fā)展Part 1 智能風(fēng)控發(fā)展現(xiàn)狀及背景 智能風(fēng)控定義解讀及發(fā)展背

5、景智能風(fēng)控與傳統(tǒng)風(fēng)控的互補和革新主要體現(xiàn)在兩個方面技術(shù)和應(yīng)用智能風(fēng)控是智能化技術(shù)手段在金融領(lǐng)域的重要應(yīng)用，通過構(gòu)建智能風(fēng)險管理體系，突破以人工方式進行經(jīng)驗控制的傳統(tǒng)風(fēng)控的局限 性和空間性，因此認(rèn)為智能風(fēng)控與傳統(tǒng)風(fēng)控的互補和革新主要體現(xiàn)在兩個方面技術(shù)和應(yīng)用；技術(shù)：智能化技術(shù)綜合運用互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計算、區(qū)塊鏈等先進技術(shù)手段、措施和方法，達(dá)到機器和業(yè)務(wù)流程的智能化轉(zhuǎn)型，實現(xiàn)數(shù)據(jù)驅(qū)動；應(yīng)用：通過構(gòu)建智能風(fēng)控體系, 提高金融機構(gòu)的業(yè)務(wù)效率和安全性，在有效降低風(fēng)險事件發(fā)生概率和損失的前提下，擴展業(yè)務(wù)覆蓋人 群，完善業(yè)務(wù)流程，降低風(fēng)控成本，實現(xiàn)貸前、 貸中、 貸后全鏈條自動化的同時，還可以促進

6、風(fēng)控管理差異化和信貸業(yè)務(wù)人情化。10達(dá)到機器和業(yè)務(wù)流程的智能化轉(zhuǎn)變，實現(xiàn)數(shù) 據(jù)驅(qū)動技術(shù)綜合運用互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計 算、區(qū)塊鏈等先進技術(shù)手段、措施和方法提高業(yè)務(wù)效率和安全性，在有效降低風(fēng)險事件 發(fā)生概率和損失的前提下，擴展業(yè)務(wù)覆蓋人群， 完善業(yè)務(wù)流程，降低風(fēng)控成本應(yīng)用實現(xiàn)貸前、 貸中、 貸后全鏈條自動化的同時， 促進風(fēng)控管理差異化和信貸業(yè)務(wù)人情化Part 1 智能風(fēng)控發(fā)展現(xiàn)狀及背景 智能風(fēng)控定義解讀及發(fā)展背景政策、經(jīng)濟、社會、技術(shù)多項利好因素推動智能風(fēng)控產(chǎn)業(yè)發(fā)展11智能風(fēng)控發(fā)展背景完善科技與金融結(jié)合機 制，加強金融機構(gòu)內(nèi)控， 提高信貸支持創(chuàng)新的靈活性和便利性政策大數(shù)據(jù)、人工智能、云

7、計算、區(qū)塊鏈等金融科 技代表技術(shù)，為智能風(fēng) 控的應(yīng)用落地提供技術(shù) 支持技術(shù)我國人均可支配收入快 速增長，消費結(jié)構(gòu)從生 存型向發(fā)展型升級轉(zhuǎn)變， 形成對消費金融的強需求社會金融機構(gòu)住戶消費貸款 和互聯(lián)網(wǎng)消費金融放貸 規(guī)?？焖僭鲩L，個人消 費貸款額持續(xù)高速上漲； 銀行業(yè)金融機構(gòu)用于小 微企業(yè)貸款增長率保持10以上%，商業(yè)銀行不 良貸款率上漲，急需智 能化風(fēng)控落地經(jīng)濟技術(shù)：生物特征識別、機器學(xué)習(xí)、自然語言處理、計算機 視覺、知識圖譜等AI核心技術(shù)助力風(fēng)控自動化17人工智能的發(fā)展離不開技術(shù)的不斷創(chuàng)新，在眾多技術(shù)中，認(rèn)為：生物特征識別、機器學(xué)習(xí)、自然語言處理、計算機視覺和 知識圖譜是現(xiàn)階段人工智能五大核心

8、技術(shù)。將人工智能技術(shù)應(yīng)用于信貸風(fēng)險控制，結(jié)合結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，可以覆蓋過去金融業(yè)務(wù)忽視的長尾人群，精準(zhǔn)的完成業(yè)務(wù)流程 中風(fēng)險的識別、控制和監(jiān)測。同時，人工智能的模型迭代相對傳統(tǒng)風(fēng)控模型表現(xiàn)出高度自動化的特征。主要人工智能技術(shù)機器學(xué)習(xí) 強化學(xué)習(xí) 監(jiān)督式學(xué)習(xí)非監(jiān)督式學(xué)習(xí)自然語言處理語音識別 文字識別 語義識別智能問答 信息抽取計算機視覺 圖像分類 對象檢測語義分割 實例分割生物特征識別指紋識別 人臉識別 聲紋識別虹膜識別 靜脈識別知識圖譜 信息抽取 知識表示知識融合 知識推理Part 1 智能風(fēng)控發(fā)展現(xiàn)狀及背景 智能風(fēng)控定義解讀及發(fā)展背景智能風(fēng)控產(chǎn)品及個人服務(wù)應(yīng)用35Part 2 智能風(fēng)控產(chǎn)品

9、及服務(wù)應(yīng)用個人篇智能化技術(shù)與傳統(tǒng)風(fēng)控模型互補，可以對客戶風(fēng)險進行更及時有效的識別、預(yù)警、防識，同時實現(xiàn)全鏈條自動化、智能化36個人信貸單筆數(shù)額小、數(shù)量大，需要大量的人力和時間投入，在效果提升和成本控制中很難達(dá)到指數(shù)級的突破。傳統(tǒng)個人信貸的審 批是通過客戶歷史信用信息和個人消費情況，對申請人風(fēng)險進行評分和預(yù)測，而金融相關(guān)數(shù)據(jù)一般呈現(xiàn)分散化、碎片化的特點，真 實、有效及完整的數(shù)據(jù)往往很難獲取，信息不對稱難以消除。智能風(fēng)控可以覆蓋包括貸前、貸中和貸后三個階段的個人信貸業(yè)務(wù)全流程，依托智能化技術(shù)與傳統(tǒng)風(fēng)控模型互補，對客戶風(fēng)險進行 更及時有效的識別、預(yù)警、防識，同時實現(xiàn)全鏈條自動化、智能化。網(wǎng)貸的風(fēng)險控

10、制由于其自帶“科技”屬性，所以智能化的滲透 率要高于傳統(tǒng)線下信貸。貸前審核身份認(rèn)證反欺詐征信授信貸中信用評分風(fēng)險定價審批交易監(jiān)控交易反欺詐貸后貸后監(jiān)控存量客戶管理催收個 人 信 貸 業(yè) 務(wù) 全 流 程3.1 貸前Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇37Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前貸前風(fēng)控：信貸流程的基礎(chǔ)，智能化手段通過線上線下結(jié)合，將非結(jié)構(gòu)化數(shù)據(jù)建立聯(lián)系，實現(xiàn)自動化的同時降本增效貸前風(fēng)控是整個信貸流程的基礎(chǔ)，直接影響信貸業(yè)務(wù)質(zhì)量。信貸風(fēng)控旨在解決信息不對稱，首先體現(xiàn)在貸前的信息收集和整合過程，收集和整合信息越充分，越有利于信貸審核以及做出正確決策。智能化手段通過線上線下

11、結(jié)合，將非結(jié)構(gòu)化數(shù)據(jù)建立聯(lián)系，利用機器代替人工，消除主觀判斷帶來的二次風(fēng)險，實現(xiàn)自動化的同時降低成本，提高效率。貸前風(fēng)險控制主要包括審核、身份驗證、反欺詐、征信和授信五大環(huán)節(jié)，本小節(jié)將從身份認(rèn)證、反欺詐和征信三個流程深 入分析智能風(fēng)控的技術(shù)實現(xiàn)和落地應(yīng)用。38審核傳統(tǒng)貸前審核依賴人工審 核和專家經(jīng)驗，在特征工 程上重勞力，而當(dāng)下高維， 非結(jié)構(gòu)化、高度分散的數(shù)據(jù) 環(huán)境下，知識圖譜等技術(shù)的 應(yīng)用可以加速篩選，甚至完 全實現(xiàn)自動化審核 和評估 ，有效減少風(fēng)險身份認(rèn)證傳統(tǒng)線下身份認(rèn)證依據(jù)提 供的身份資料進行實名制 認(rèn)證，隨著線上信貸業(yè)務(wù) 發(fā)展，傳統(tǒng)的認(rèn)證方式不 能滿足于互聯(lián)網(wǎng)環(huán)境要求， 因此基于生物特

12、征識別等 技術(shù)模型的應(yīng)用，實現(xiàn)身 份自動化識別并做出精準(zhǔn) 攔截反欺詐貸前欺詐主要是案件欺詐， 集團化和規(guī)?；墼p案件 很難利用人工實現(xiàn)規(guī)避。通 過大數(shù)據(jù)融合，基于高維度 變量和豐富應(yīng)用場景，構(gòu)建 反欺詐模型，同時動態(tài)優(yōu)化 反欺詐規(guī)則，提高欺詐案件 識別率征信按一定規(guī)則合法采集企業(yè)、 個人的信用信息，加工整 理形成個人的信用報告等 征信產(chǎn)品，隨著大數(shù)據(jù)征 信與央行征信不斷融合， 數(shù)據(jù)來源正在以多元性、 完整性和高可獲得為目標(biāo) 發(fā)展授信依據(jù)征信信息，信貸機構(gòu) 為借貸人提供信用擔(dān)保， 按期限分為短期授信和中 長期授信，結(jié)合維度相對 完整的征信數(shù)據(jù)，授信流 程實現(xiàn)自動化、便捷化和 差異化Part 2

13、智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前反欺詐：成為金融機構(gòu)待解決的核心問題，通過與數(shù)據(jù)商或第三方機構(gòu)合作，實現(xiàn)數(shù)據(jù)和技術(shù)互補，提高欺詐案件識別率目前個人信貸業(yè)務(wù)的風(fēng)險主要集中在欺詐案件，據(jù)中國銀行業(yè)協(xié)會發(fā)布的中國銀行卡產(chǎn)業(yè)發(fā)展藍(lán)皮書統(tǒng)計，2017年信用卡欺詐 率為1.36個BP（萬分之一），最主要的欺詐手段有三種：電信詐騙、互聯(lián)網(wǎng)欺詐和偽卡，欺詐過程呈現(xiàn)出集團化、規(guī)?；蛯I(yè)化 等特點。隨著線上業(yè)務(wù)的發(fā)展，欺詐案件呈爆發(fā)式增長、面對各種貸前申請中的欺詐案件，完善貸前反欺詐措施成為金融機構(gòu)待解決的核心 問題。目前已有很多金融機構(gòu)選擇和上游數(shù)據(jù)供應(yīng)商或第三方智能反欺詐機構(gòu)合作，通過金融機構(gòu)內(nèi)部數(shù)據(jù)和第三

14、方數(shù)據(jù)融合，基 于高維度變量和豐富應(yīng)用場景，構(gòu)建反欺詐模型。同時利用大數(shù)據(jù)、機器學(xué)習(xí)等技術(shù)動態(tài)優(yōu)化反欺詐規(guī)則，提高欺詐案件識別率， 實現(xiàn)數(shù)據(jù)和技術(shù)的互補。39智能反欺詐模型社交網(wǎng)絡(luò)欺詐團伙 關(guān)聯(lián)關(guān)系電商數(shù)據(jù)消費行為分析電信數(shù)據(jù)合謀作案鑒別押品及擔(dān)保押品變動擔(dān)保人 共同申請人欺詐黑名單欺詐團伙黑名單 跨行業(yè)黑名單設(shè)備數(shù)據(jù)設(shè)備指紋IP提高準(zhǔn)確率：多維度綜合判斷，精準(zhǔn)尋找欺詐客戶節(jié)省人力：準(zhǔn)備識別，避免冗余排查工作時效性：海量數(shù)據(jù)尋找信號，及時發(fā)現(xiàn)欺詐風(fēng)險靈活性：根據(jù)風(fēng)險情況靈活配置防范策略Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前ZRobot：專注信用生態(tài)，構(gòu)建一站式智能風(fēng)控平臺和大數(shù)據(jù)風(fēng)控產(chǎn)

15、品，科技賦能未來基于機器學(xué)習(xí)和深度學(xué)習(xí)構(gòu)建一站式智能風(fēng)控平臺和各類大數(shù)據(jù)風(fēng)控產(chǎn)品，實時評估 銀行、消費金融公司、汽車金融公司等行業(yè)機構(gòu)的業(yè)務(wù)風(fēng)險，實現(xiàn)智能化風(fēng)控管理， 提升企業(yè)整體風(fēng)控能力。40公司介紹：由數(shù)字科技公司京東金融成 立的金融科技公司，致力于構(gòu)建大數(shù)據(jù) 背景下的信用生態(tài)體系公司定位：作為京東金融旗下智能數(shù)據(jù) 技術(shù)服務(wù)商，以大數(shù)據(jù)和靈活完善的風(fēng) 控模型為基礎(chǔ)，實時評估業(yè)務(wù)風(fēng)險，為 行業(yè)機構(gòu)提供智能化風(fēng)控管理解決方案 核心產(chǎn)品：個人信用評分/小微企業(yè)信 用評分模型、反欺詐風(fēng)控系統(tǒng)、風(fēng)險管 理咨詢等應(yīng)用領(lǐng)域：消費信貸、汽車金融、基金 信托、銀行/保險等定制化數(shù)據(jù) 可視化平臺決策引擎平臺盤

16、古分定制分小白分黑名單定制化建模平臺定制化數(shù)據(jù)接口 平臺金融畫像欺詐評分網(wǎng)購畫像地址畫像信用管理體系多平臺借貸風(fēng)險架構(gòu) 咨詢智能風(fēng)控 決策引擎風(fēng)控數(shù)據(jù) 接入智能反欺詐 引擎數(shù)據(jù)應(yīng)用SaaS平臺聯(lián)合建模機器學(xué)習(xí)深度學(xué)習(xí)產(chǎn)品層技術(shù)層包含電商消費、互聯(lián)網(wǎng)支 付、金融業(yè)務(wù)屬性、歷史 行為軌跡、事實標(biāo)簽等多 維度數(shù)據(jù)的近360度環(huán)繞 畫像，支持建模技術(shù)源碼 全開放，為合作企業(yè)提供 封裝多種模型和建模各環(huán) 節(jié)的自建函數(shù)利用高維度變量、多個預(yù) 測分析模型，進行集中學(xué) 習(xí)或者多角度學(xué)習(xí)。通過 理論指標(biāo)、消費行為模式、 特征空間映射等構(gòu)建多層 神經(jīng)網(wǎng)絡(luò)模型體系，實現(xiàn)毫秒級計算輸出響應(yīng)根據(jù)特征構(gòu)造算法，針對 用戶

17、數(shù)據(jù)分析構(gòu)建深度學(xué) 習(xí)架構(gòu)和神經(jīng)網(wǎng)絡(luò)。應(yīng)用 數(shù)據(jù)反饋算法不斷優(yōu)化， 精確分析結(jié)果產(chǎn)出，完成 高精度風(fēng)險識別風(fēng)險政策 模型咨詢Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前ZRobot：億級評分和反欺詐數(shù)據(jù)庫、模塊化決策引擎，保證資產(chǎn)安全前提下，賦能銀行完善風(fēng)控模型、提升自身風(fēng)控能力在某股份制銀行與某互金機構(gòu)合作的聯(lián)合貸款中，ZRobot向銀行方提供包括風(fēng)險架構(gòu)咨詢、智能反欺詐引擎、風(fēng)險決策引擎、風(fēng)控 數(shù)據(jù)模型、風(fēng)險政策模型咨詢等產(chǎn)品服務(wù)的一站式智能風(fēng)控解決方案。作為京東金融旗下智能大數(shù)據(jù)服務(wù)平臺，ZRobot不僅擁有覆蓋電商場景的購物、交易、金融數(shù)據(jù)，還接入外部包括運營商、銀聯(lián)、公安及行業(yè)共享

18、等數(shù)據(jù)，覆蓋4億+用戶，可以與銀行征信數(shù)據(jù)形成互補；ZRobot的億級反欺詐數(shù)據(jù)庫、模塊化決策引擎可以提供 驗證且穩(wěn)定的風(fēng)控模型，同時賦能模型設(shè)計、開發(fā)、應(yīng)用等技術(shù)服務(wù)給予銀行技術(shù)團隊，提升銀行自身風(fēng)控能力。41審批時效提升至秒授信、秒放款結(jié)合ZRobot自身數(shù)據(jù)，可多識別18%優(yōu)質(zhì)客戶目前逾期率低于行業(yè)平均水平ZRobot 為銀行提供 三方面服務(wù)為銀行提供基于億級客戶的信用評分及用戶畫像產(chǎn)品，幫助銀行審批過程中實現(xiàn)精準(zhǔn)評估為銀行提供智能反欺詐引擎、決策引擎，幫助銀行完成線上信貸業(yè)務(wù)審批為銀行提供風(fēng)控模型搭建、調(diào)優(yōu)及運營的咨詢服務(wù)，幫助銀行熟悉線上信貸審批流程，具備線上信貸審批能力機構(gòu)傳入ZR

19、obot云端數(shù)據(jù)庫用戶申請機構(gòu)識別欺詐客戶智能反欺詐引擎用戶畫像對比 欺詐規(guī)則判斷機構(gòu)專屬用戶畫像 實時自動迭代用戶畫像機構(gòu)專屬數(shù)據(jù)庫實時 接口 調(diào)用疑似 欺詐 反饋輸出結(jié)果欺詐等級 對比命中規(guī)則明細(xì) 結(jié)果反饋基于監(jiān)督式學(xué) 習(xí)被動防御算法基于非監(jiān)督式支撐學(xué)習(xí)主動防御億級反欺詐 數(shù)據(jù)庫數(shù)據(jù) 維度Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前網(wǎng)信：通過金融科技技術(shù)輸出，打造互聯(lián)網(wǎng)科技創(chuàng)新平臺，致力建設(shè)全面、高效、開放、智能和共享的金融科技開放生態(tài)42公司介紹：2013年7月成立，依托集團15年為為中小企業(yè)投融資服務(wù)經(jīng)驗和客 戶沉淀，以投融資服務(wù)為基礎(chǔ)，輸出金 融科技技術(shù)，為金融機構(gòu)及非金融機構(gòu) 提

20、供線上用戶入口，為用戶提供一站式 綜合金融信息服務(wù)公司定位：互聯(lián)網(wǎng)科技創(chuàng)新平臺、金融 科技開放生態(tài)體系核心產(chǎn)品：金融科技技術(shù)輸出（智能風(fēng)控、智能策略、智能體驗）、綜合金融 信息服務(wù)、融資服務(wù)等應(yīng)用領(lǐng)域：持牌消費金融公司、互聯(lián)網(wǎng) 金融公司、銀行通過對機器學(xué)習(xí)、邏輯回歸等技術(shù)的探索和運用，建立多維數(shù)據(jù)交叉算法，驗證優(yōu)化 風(fēng)控模型，打造互聯(lián)網(wǎng)科技創(chuàng)新平臺，將領(lǐng)先的金融科技能力、運營能力、服務(wù)能力和 平臺能力實現(xiàn)開放共享，形成全面、高效、開放、智能和共享的金融科技生態(tài)系統(tǒng)。基金管 理公司保險 公司信托銀行消費金融公司基金銷售公司保險經(jīng) 紀(jì)公司網(wǎng)貸 公司金融產(chǎn)品證券C端客戶B端客戶助貸公司資產(chǎn)方個人中小

21、企業(yè)產(chǎn)業(yè)鏈企業(yè)金融科技技術(shù)輸出智能風(fēng)控：云端審批、大數(shù)據(jù)征信、反欺詐、機器學(xué)習(xí)決策引擎等智能體驗：智能推薦、風(fēng)險預(yù)測、減少用戶流失等智能策略：邏輯回歸、Boosting、循環(huán)網(wǎng)絡(luò)RNN，協(xié)同過濾等資金方Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前網(wǎng)信：基于四維風(fēng)控體系理念，引入量化風(fēng)險管理技術(shù)，構(gòu)建針對不同業(yè)務(wù)模式的風(fēng)控模型43引入量化風(fēng)險管理技術(shù)，收集借貸 人多類別、多維度風(fēng)險信息和關(guān)聯(lián) 數(shù)據(jù)，結(jié)合借款人的網(wǎng)絡(luò)行為數(shù)據(jù) 及機器學(xué)習(xí)算法構(gòu)建信用模型，應(yīng) 用于風(fēng)控策略、建模、信審、放款、 貸后管理等各環(huán)節(jié)，實現(xiàn)覆蓋全流 程的信用風(fēng)險管理信用風(fēng)險管理有效識別、科學(xué)評估并運用三層風(fēng) 險管理機制保障

22、業(yè)務(wù)安全運營： 第一層：部分風(fēng)險操作崗日常自查 第二層：風(fēng)險管理部監(jiān)督檢查第三層：內(nèi)外部審計全面核查操作風(fēng)險管理所有系統(tǒng)上線及升級流程，嚴(yán)格執(zhí) 行SDL安全開發(fā)流程，包括安全培 訓(xùn)、需求分析、系統(tǒng)設(shè)計、實現(xiàn)、 驗證、發(fā)布、相應(yīng)等各個軟件開發(fā) 周期和流程中均有嚴(yán)格的安全接入， 以確保系統(tǒng)安全信息安全風(fēng)險管理根據(jù)監(jiān)管及時落實相關(guān)要求，確保 業(yè)務(wù)合規(guī)經(jīng)營；強化對投資人的風(fēng) 險教育，充分披露各類潛在風(fēng)險； 引導(dǎo)投資人風(fēng)險測評，根據(jù)投資人 不同風(fēng)險承受能力實施分類管理合規(guī)風(fēng)險管理網(wǎng)信基于四維風(fēng)控體系理念，引入量化風(fēng)險管理技術(shù)，構(gòu)建針對不同業(yè)務(wù)模式的風(fēng)控模型，對信用風(fēng)險、操作風(fēng)險、合規(guī)風(fēng)險、信 息安全風(fēng)險

23、實現(xiàn)全面管理。網(wǎng)信的風(fēng)控AI體系，對借款用戶通過網(wǎng)信綜合征信數(shù)據(jù)系統(tǒng)進行查詢，對多個黑名單、逾期數(shù)據(jù)、手機號等數(shù)據(jù)進行交叉比對，保證借款方信息的多維度核查。例如，基于對資產(chǎn)端客戶提交及第三方引入等多途徑產(chǎn)生數(shù)據(jù)的分析，進行貸前調(diào)查、額度審批和貸 后管理；甚至基于更多的數(shù)據(jù)，以關(guān)系圖譜、生成式對抗性網(wǎng)絡(luò)等工具對普惠金融原有風(fēng)控模型進行優(yōu)化，更精確地對欺詐、多頭 借貸等跡象進行預(yù)警。四維風(fēng)控體系理念Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前氪信科技：自研全球第一套基于深度學(xué)習(xí)和知識圖譜的AI智能金融引擎，助力金融機構(gòu)實現(xiàn)智能化升級44公司介紹：2015年成立，自研全球第一 套基于深度學(xué)習(xí)和知識

24、圖譜的金融AI解 決方案，致力于運用氪信AI智能引擎與 全域知識圖譜，助力金融機構(gòu)實現(xiàn)智能 化升級，提升風(fēng)控能力、營銷效能和運 營效率公司定位：智能金融技術(shù)服務(wù)領(lǐng)跑者 核心產(chǎn)品：X-AI非或然引擎（內(nèi)嵌金融 知識圖譜的軟件化AI引擎）、X-Cloud（大數(shù)據(jù)云評分）、X-Behavior（基于 移動設(shè)備行為特征的數(shù)據(jù)服務(wù)）應(yīng)用領(lǐng)域：銀行、持牌消費金融機構(gòu)、 互聯(lián)網(wǎng)金融公司智能營銷智能風(fēng)控智能客服智能運營智能投資氪信科技提供基于數(shù)據(jù)服務(wù)+AI引擎平臺+咨詢服務(wù)創(chuàng)新智能金融解決方案，自主研發(fā) 全球首個全流程閉環(huán)智能金融引擎，全面提升金融領(lǐng)域風(fēng)控、營銷、運營的智能化決 策水平。智能獲客XCloud大

25、數(shù)據(jù)云評分SaaS服務(wù)XBehavior基于SDK移動設(shè)備行為數(shù)據(jù)Data數(shù)據(jù)服務(wù)產(chǎn)品AI智能引擎平臺氪信智能引擎特征工程引擎模型訓(xùn)練引擎決策執(zhí)行引擎氪信知識圖譜自然語言處理深度學(xué)習(xí)技術(shù)圖與網(wǎng)絡(luò)分析Consulting業(yè)務(wù)咨詢服務(wù)AI+Risk Consulting：信 貸全生命周期風(fēng)險管理量化 建模+業(yè)務(wù)策略咨詢AI+Mkt Consulting：客 戶關(guān)系全生命周期精準(zhǔn)營銷 量化建模+業(yè)務(wù)決策咨詢AI Tech Consulting：提供AI應(yīng)用規(guī)劃、基礎(chǔ)架構(gòu)、算 法模型等技術(shù)咨詢，全面提 升金融機構(gòu)“智能”能力一站式智能金融解決方案（AI+反欺詐、AI+信用審批、AI+精準(zhǔn)營銷、AI+智

26、能客服等）Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前氪信科技：AI+反欺詐解決方案，助力某頭部股份制商業(yè)銀行信用卡中心反欺詐能力升級，為銀行智能化風(fēng)控賦能氪信科技與某頭部股份制商業(yè)銀行合作布局開發(fā)基于深度學(xué)習(xí)和知識圖譜技術(shù)的反欺詐模型，助力信用卡中心“智能+”反欺詐能 力升級，建立基于機器學(xué)習(xí)技術(shù)的反欺詐個體識別，基于網(wǎng)絡(luò)的群體欺詐風(fēng)險識別能力，降低欺詐率和欺詐損失。45高維機器學(xué)習(xí)和集成學(xué)習(xí)建模建立高維機器學(xué)習(xí)模型和集成學(xué)習(xí)模型，顯著提升模型KS等指標(biāo)模型快速自迭代，有效應(yīng)對欺詐模式的復(fù)雜多變知識圖譜、圖與網(wǎng)絡(luò)挖掘技術(shù)結(jié)合圖與網(wǎng)絡(luò)分析，捕捉群體欺詐基于圖與網(wǎng)絡(luò)的特征工程特征工程引擎基于反

27、欺詐信審專家經(jīng)驗知識+深度學(xué)習(xí)自動特征 提取技術(shù)擁有自主知識產(chǎn)權(quán)的行為特征語言特征分析技術(shù)BLP反欺詐策略應(yīng)用設(shè)計方案提供反欺詐策略應(yīng)用業(yè)務(wù)咨詢業(yè)務(wù)挑戰(zhàn)如何賦能項目效果傳統(tǒng)反欺詐規(guī)則和模型對群體欺詐風(fēng)險 防控乏力傳統(tǒng)反欺詐模型入模變量較少，難以全 面捕捉欺詐特征，且缺乏迭代機制，難 以識別快速復(fù)雜多變的互聯(lián)網(wǎng)欺詐風(fēng)險互聯(lián)網(wǎng)線上業(yè)務(wù)數(shù)據(jù)具有稀疏性及信用 風(fēng)險弱相關(guān)性的特點，傳統(tǒng)模型適應(yīng)性 不夠從0到1搭建全流程、閉環(huán)、自迭代基于 高維機器學(xué)習(xí)和集成學(xué)習(xí)、結(jié)合圖與網(wǎng) 絡(luò)挖掘技術(shù)的“智能+”反欺詐模型決策 流程和框架體系模型準(zhǔn)確率和召回率等欺詐模型評價指 標(biāo)顯著提升群體簇團和關(guān)聯(lián)欺詐識別率顯著提升，

28、 欺詐占比下降約22%通過規(guī)則和模型結(jié)合，提高自動審批率，人工反欺詐運營成本下降多模型平均KS范圍平均欺詐率下降平均逾期率下降50-70%約25%約30%Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前征信：大數(shù)據(jù)征信與傳統(tǒng)個人征信互補，提高數(shù)據(jù)多元性和可獲性國內(nèi)的征信體系建設(shè)源于信貸征信，個人征信體系制度伴隨著信貸規(guī)模的增長開始逐步建立。目前已經(jīng)形成以中國人民銀行的公共 信用信息征集系統(tǒng)為主、市場化征信機構(gòu)為輔的多元化格局。截至今年5月底，央行征信系統(tǒng)收錄自然人9.6億，央行征信系統(tǒng)的覆 蓋率已經(jīng)達(dá)到69%。征信信息的缺失成為中國信貸發(fā)展的短板，信用風(fēng)險也隨之而來。以央行征信為代表，傳統(tǒng)征信機

29、構(gòu)主要采集、加工和使用線下渠 道數(shù)據(jù)為主進行信息共享，以便授信機構(gòu)掌握貸款申請人的歷史貸款申請、批準(zhǔn)、使用和歸還情況；隨著大數(shù)據(jù)的發(fā)展，征信數(shù)據(jù) 所包含的領(lǐng)域和來源越來越廣，大量個人征信數(shù)據(jù)可被采集，與傳統(tǒng)個人征信數(shù)據(jù)互補，有效提升了數(shù)據(jù)的多元性和可獲性，滿足 了網(wǎng)絡(luò)借貸的個人征信需求。46基本信息（身份、居住、職業(yè)等）、歷史信貸信息（銀行流水、 個人貸款、行用卡、擔(dān)保等）、非銀行信息（電信、稅息等）、 公共信息（社保、住房公積金、行政處罰等）、查詢信息傳統(tǒng)個人征信覆蓋有信用記錄人群，客群有限傳統(tǒng)征信的數(shù)據(jù)來源單一、采集頻率低人工審核流程和周期都較長數(shù)據(jù)孤島導(dǎo)致信息長期不對稱社交數(shù)據(jù)、司法數(shù)據(jù)

30、、社會行為、搜索數(shù)據(jù)、電商數(shù)據(jù)、線下消費行為等大數(shù)據(jù)征信通過大數(shù)據(jù)技術(shù)捕獲傳統(tǒng)征信沒有覆蓋到的人群，滿 足了沒有進入征信范疇、但有借貸需求的人群數(shù)據(jù)維度廣，有利于全面評估信息主體信用風(fēng)險應(yīng)用場景豐富，信用評估時效性高，減少信息不對稱Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前征信：大數(shù)據(jù)時代征信定義和范圍不斷拓寬，銀行業(yè)金融機構(gòu)和非銀行信貸服務(wù)機構(gòu)間數(shù)據(jù)會趨于統(tǒng)一，以完整性為目標(biāo)國內(nèi)個人征信機構(gòu)還在合規(guī)化初期，與企業(yè)征信牌照的122家企業(yè)規(guī)模相比，只有百行征信一家企業(yè)持有牌照，市場上其余個人征 信企業(yè)參差不齊，產(chǎn)品不成熟，急需建立行業(yè)標(biāo)準(zhǔn)，制定數(shù)據(jù)使用規(guī)則，以應(yīng)對互金機構(gòu)業(yè)務(wù)帶來的新風(fēng)險。4

31、7數(shù)據(jù)、技術(shù)和分析能力會成為影響征信機構(gòu)的核心競 爭力技術(shù)是企業(yè)商業(yè)模式能否成立和獲利的決定性因素， 甚至成為企業(yè)壁壘將有限的資源利用到特定的市場中，以減少不必要的 損失小額分散的信貸需求需要快速響應(yīng)，傳統(tǒng)風(fēng)控技術(shù)無 法支持，時效性差和手續(xù)復(fù)雜嚴(yán)重影響用戶體驗互聯(lián)網(wǎng)金融公司客群與銀行差異較大，這些用戶沒有 個人征信報告，缺乏支持授信評價的足夠維度數(shù)據(jù)參考國外個人征信頭部企業(yè)，不管是產(chǎn)品多樣化還是數(shù)據(jù)分析深度，已經(jīng)發(fā)展到非常成熟的水平。究其商業(yè)模式的根本，可以發(fā)現(xiàn) 征信企業(yè)的主要業(yè)務(wù)都是以消費者信息為基礎(chǔ)，利用技術(shù)手段加工成不同層次的數(shù)據(jù)產(chǎn)品，同時連接服務(wù)兩端的商業(yè)機構(gòu)和消費者。站在國內(nèi)市場環(huán)境

32、的角度來看，相比征信報告，信用評分相對容易實現(xiàn)量化和拓展應(yīng)用場景，因此用戶接受程度較高；而信用評分 只是征信系統(tǒng)的一部分，企業(yè)要想在長期發(fā)展中占據(jù)有利位置，除了吸取成熟企業(yè)的經(jīng)驗外，還需要多加探索以建立自身的護城河。在大數(shù)據(jù)時代，征信的概念和范圍不斷拓寬，銀行業(yè)金融機構(gòu)和非銀行信貸服務(wù)機構(gòu)間的數(shù)據(jù)會趨于融合，以數(shù)據(jù)完整性為目標(biāo)， 為征信企業(yè)的發(fā)展、合規(guī)提供有利條件。央行征信報告獲取難度較大：目前主要是銀行和一些 持牌金融機構(gòu)能夠查詢，非持牌消費金融公司等不能接入央行征信系統(tǒng)國外個人 征信企業(yè) 啟示國內(nèi)個人 征信機構(gòu) 發(fā)展困難Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸前百行征信：個人征信機構(gòu)標(biāo)

33、桿，獲得國內(nèi)個人征信第一張牌照，推動傳統(tǒng)征信和大數(shù)據(jù)征信實現(xiàn)信息共享和風(fēng)險聯(lián)動預(yù)警由于個人數(shù)據(jù)涉及隱私，國家對于個人征信企業(yè)的把控十分嚴(yán)格，百行征信作為央行 征信中心的補充，推動小貸公司、網(wǎng)貸機構(gòu)等全面接入征信系統(tǒng)，實現(xiàn)傳統(tǒng)征信和大 數(shù)據(jù)征信彼此間信息共享和風(fēng)險聯(lián)動預(yù)警，快速識別和有效化解潛在金融風(fēng)險。作為個人征信機構(gòu)標(biāo)桿，制定共享數(shù)據(jù)標(biāo)準(zhǔn)、確保數(shù)據(jù)高質(zhì)量和可信度、建立標(biāo)準(zhǔn)化 個人征信數(shù)據(jù)平臺，降低行業(yè)獲取和使用數(shù)據(jù)門檻，是百行征信需要解決的首要任務(wù)。48公司介紹：在央行監(jiān)督指導(dǎo)下，由芝麻信用、騰訊征信、前海征信、考拉征信、鵬元征信、中誠信征信、中智誠征信、 華道征信等8家市場機構(gòu)與中國互聯(lián)網(wǎng)

34、 金融協(xié)會共同發(fā)起組建，2018年2月22 日獲得第一張個人征信牌照公司定位：第一家市場化個人征信機構(gòu)，解決非央行征信覆蓋人群的數(shù)據(jù)孤島 核心產(chǎn)品：暫無個人征信服務(wù)模式，可 能會采取信用評分模式提供個人征信相 關(guān)產(chǎn)品服務(wù)應(yīng)用領(lǐng)域：預(yù)計年底開展實際業(yè)務(wù)合作中國互聯(lián)網(wǎng) 金融協(xié)會8%芝麻信用8%騰訊征信8%前海征信8%鵬元征信8%中誠信征信8%考拉征信8%中智誠征信8%華道征信助貸機構(gòu)民營銀行汽車金融公司網(wǎng)絡(luò)小額貸款企業(yè)240余家已簽約信息共享合作機構(gòu)金融科技公司網(wǎng)貸機構(gòu)消費金融公司3.2 貸中Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇49Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸中貸中風(fēng)控：實現(xiàn)

35、對在線交易進行仿冒和欺詐識別，對借款人進行實時管控，有效防范和控制欺詐交易等貸中風(fēng)險威脅貸中風(fēng)險管理能夠?qū)崿F(xiàn)對在線交易進行仿冒和欺詐識別，對借款人進行實時管控，有效防范和控制欺詐交易等貸中風(fēng)險威脅。實時 監(jiān)控的依據(jù)來源于實時監(jiān)測的渠道數(shù)據(jù)，由于互聯(lián)網(wǎng)數(shù)據(jù)具有更新周期短、反饋及時等優(yōu)點，因此大數(shù)據(jù)接入可以協(xié)助借貸方實現(xiàn) 動態(tài)監(jiān)控、異常行為預(yù)警（多頭借貸行為監(jiān)控、還款能足指標(biāo)異常預(yù)警及還款意愿交叉識別）等風(fēng)控管理流程。智能化手段可以對信貸交易進行風(fēng)險判定、以借款人為核心關(guān)系的人際關(guān)系網(wǎng)絡(luò)，通過對借款人的交易行為、還款行為、設(shè)備使用 行為等各方面關(guān)鍵信息項的交叉?zhèn)蓽y，提前發(fā)現(xiàn)風(fēng)險，進行預(yù)警并對借款人

36、賬戶進行實時管控。貸中風(fēng)險控制主要包括信用評分、風(fēng)險定價、審批、交易監(jiān)控和交易反欺詐五大環(huán)節(jié)，本小節(jié)將從信用評分、交易監(jiān)控和交易反欺詐三個流程深入分析智能風(fēng)控的技術(shù)實現(xiàn)和落地應(yīng)用。50信用評分以一套相關(guān)指標(biāo)體系為考 量基礎(chǔ)，標(biāo)示出個人償付 貸款能力和意愿的過程。 傳統(tǒng)金融機構(gòu)使用FICO 評分衡量用戶信用風(fēng)險， 隨著大數(shù)據(jù)對征信體系的 補充，信用評分模型實現(xiàn) 差異化風(fēng)險定價通過放貸成本和基準(zhǔn)利差 建立風(fēng)險定價體系。傳統(tǒng) 風(fēng)險定價主要參考征信、 流水等線下數(shù)據(jù)外，而智 能化手段應(yīng)用可以實現(xiàn)線 上線下相結(jié)合的同時，個 性化定價，提升邊際收益審批依據(jù)借款人信息、放貸機 構(gòu)的貸前審查意見和信用 報告等

37、資料決策是否放款。 智能審批可以綜合前面流 程中的多維數(shù)據(jù)、差異化 定價模型實現(xiàn)自動化審批， 節(jié)省時間，解放人力交易監(jiān)控對貸款流程中潛在或者已 經(jīng)發(fā)生的風(fēng)險進行監(jiān)控， 以預(yù)防壞賬和交易欺詐。 傳統(tǒng)的交易監(jiān)控依賴于人 工，更新周期長，信息延 遲導(dǎo)致決策失準(zhǔn)，智能化 交易監(jiān)控可以實現(xiàn)實時監(jiān) 控反饋，及時調(diào)整風(fēng)控策 略，優(yōu)化模型，防控風(fēng)險交易反欺詐交易欺詐是針對信貸業(yè)務(wù) 發(fā)生時的第三方欺詐，以 往交易反欺詐系統(tǒng)由于數(shù) 據(jù)庫技術(shù)限制，只能實現(xiàn) 事后風(fēng)險識別和管控，時 效性差。利用機器學(xué)習(xí)等 技術(shù)構(gòu)建反欺詐模型，可 以識別可疑交易、降低欺 詐損失Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸中信用評分：依

38、托大數(shù)據(jù)平臺，以征信記錄為基本點，國內(nèi)個人信用評分產(chǎn)品在FICO模型上進行了本土化演變由于個人征信信息涉及隱私，因此用于借貸機構(gòu)使用的通常是處理掉敏感信息的評分和等級報告。傳統(tǒng)的信用評分卡起源于美國FICO信用分，而當(dāng)具體應(yīng)用在中國金融環(huán)境中時，F(xiàn)ICO還是會出現(xiàn)一些問題，比如數(shù)據(jù)的準(zhǔn)確性、模型的適用性、應(yīng)用領(lǐng)域的局限 性，過分忽略低得分人群，會催生惡意信貸的發(fā)生。機器學(xué)習(xí)算法可以將數(shù)據(jù)庫中數(shù)據(jù)拆分為兩部分，分別用來訓(xùn)練模型和預(yù)測估計，將數(shù)據(jù)按照分布映射成高維度的特征數(shù)據(jù)，通過 對評分卡模型的訓(xùn)練，將復(fù)雜的模型權(quán)重用符合信貸業(yè)務(wù)標(biāo)準(zhǔn)的分?jǐn)?shù)表示。國內(nèi)個人信用評分產(chǎn)品在FICO模型的基礎(chǔ)上進行了本

39、土化演變，依托大數(shù)據(jù)平臺，以征信記錄為基本點，同時加入行為偏好、履約能力、身份特質(zhì)、人脈關(guān)系等維度，根據(jù)貸款發(fā)放后實際情況不斷調(diào)整評分卡系統(tǒng)，規(guī)避基于評審經(jīng)驗帶來的風(fēng)險，可以有效提高審批效率、降低貸款風(fēng)險，具有高時效、低風(fēng)險、低成本的優(yōu)勢，甚至為風(fēng)險定價提供依據(jù)。51FICO評分卡通過申請人消費表現(xiàn)，對未來：可能出現(xiàn)的違約行為進行 預(yù)測，主要用于信貸審批和額度確定信用評分680分，認(rèn)為借款人信用卓著，可以立即放款； 信用評分0.35分期模型（信用卡）線上分期信用貸產(chǎn)品，期限2-12期， 件均3k-2w：加入多維專屬特征，模 型穩(wěn)定性高， KS0.35分期模型（第三方支付）線上分期信用貸產(chǎn)品，期

40、限2-12期， 件均3k-2w ：產(chǎn)出分值+建議授信額 度，可直接用于放款決策，KS0.35網(wǎng)銀 支付寶 淘寶 公積金跨 客 群 風(fēng) 控 模 型全息用戶畫像 多頭報告互聯(lián)網(wǎng)行為報告互聯(lián)網(wǎng)行為反欺詐報告 多頭反欺詐報告位置穩(wěn)定性報告 社交反欺詐消費能力報告Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸中融360：基于海量跨行業(yè)數(shù)據(jù)及專業(yè)風(fēng)控經(jīng)驗，為各類信貸平臺及企業(yè)提供風(fēng)控解決方案融360天機系統(tǒng)基于海量跨行業(yè)數(shù)據(jù)及專業(yè)風(fēng)控經(jīng)驗，已為銀行、消費金融公司、互聯(lián)網(wǎng)金融公司提供風(fēng)控解決方案，而其自營貸 款核心系統(tǒng)可以實現(xiàn)自動化對接資產(chǎn)服務(wù)平臺和資方的包括訂單管理、風(fēng)險管理、結(jié)算管理和報表管理等一系列流程

41、，同時提供差 異化資產(chǎn)方案配置、產(chǎn)品方案配置和渠道方案配置。以融360和某股份制商業(yè)銀行聯(lián)營卡合作為例，銀行由于缺少傳統(tǒng)信用卡拒絕用戶的樣本和經(jīng)驗?zāi)Ｐ?，無法實現(xiàn)提供差異化金融服 務(wù)，通過融360天機平臺提供的數(shù)據(jù)、模型、人群篩選到業(yè)務(wù)設(shè)計等服務(wù)，達(dá)到全流程布局，有效提升用戶體驗；某城商行拓展線 上小額貸款業(yè)務(wù)同樣選擇融360的風(fēng)控決策引擎，通過聯(lián)合部署，最終成功上線并實現(xiàn)KS超過45%，30+%壞賬損失率降低至1% 的顯著效果。60痛點：信用卡審批率在10-20%之間，優(yōu)質(zhì)高潛 客戶因征信不足被拒，獲客效率低、成本高合作方案：包含前篩獲客、貸前聯(lián)合授信風(fēng)控、 聯(lián)合發(fā)卡、貸中監(jiān)控、風(fēng)險轉(zhuǎn)移、貸后

42、催收、風(fēng) 險共擔(dān)等模塊痛點：從線下業(yè)務(wù)轉(zhuǎn)型開展線上小額貸款，缺 乏風(fēng)控經(jīng)驗和樣本合作方案：整套風(fēng)控決策引擎設(shè)計，包括風(fēng)控 決策引擎、反欺詐規(guī)則和風(fēng)控模型，一個月內(nèi) 協(xié)助部署上線股份制商業(yè)銀行聯(lián)營卡合作案例項目上線后，針對23萬拒絕用戶發(fā)卡，最終月激活 卡量1.5萬卡，該行月發(fā)卡量增加23%城商行解決方案合作案例上線后，審批通過率提高至27%，30+壞賬損失率 降低至1%，風(fēng)控模型采用30萬表現(xiàn)樣本訓(xùn)練，底層 涵蓋十多個模塊兩百多維特征，KS超過45%3.3 貸后Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇61Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸后貸后風(fēng)控：信貸管理的最終環(huán)節(jié)，有效防范和控

43、制貸后環(huán)節(jié)風(fēng)險，是促進信貸業(yè)務(wù)持續(xù)健康發(fā)展的必要因素作為信貸管理的最終環(huán)節(jié)，確保貸款安全、案件防控和業(yè)務(wù)管理質(zhì)量往往取決于貸后風(fēng)控的精細(xì)化程度。針對有逾期征兆或者行為 的客戶進行管理、識別和催收，以往的貸后風(fēng)控措施依賴于人工操作，成本高回報小，因此很多信貸機構(gòu)在貸后布局投入較小。利用機器學(xué)習(xí)處理多維弱變量數(shù)據(jù)，可以精準(zhǔn)估計違約風(fēng)險，制定風(fēng)險管理策略、風(fēng)險偏好、風(fēng)險限額和風(fēng)險管理政策和程序，通過自動監(jiān)控策略執(zhí)行情況及時優(yōu)化調(diào)整，提升業(yè)務(wù)端風(fēng)險管理體系的有效性，打造信貸風(fēng)控閉環(huán)。相比貸前調(diào)查和準(zhǔn)入手段的更新， 貸后管理雖然目前在各類金融機構(gòu)還未得到行之有效的應(yīng)用效果，但是加強貸后管理，有效防范和控

44、制貸后環(huán)節(jié)風(fēng)險，會成為促進 信貸業(yè)務(wù)持續(xù)健康發(fā)展的必要因素。貸后風(fēng)險控制主要包括貸后監(jiān)控、存量客戶管理和催收三大環(huán)節(jié)，本小節(jié)將從貸后全流程深入分析智能風(fēng)控的技術(shù)實現(xiàn)和落地應(yīng)用。62貸后監(jiān)控從貸款發(fā)放后到本息收回或信 用結(jié)束的信貸監(jiān)控行為：通過 掃描借款人新增風(fēng)險，幫助信 貸機構(gòu)動態(tài)監(jiān)控借款人信息變 更，及時發(fā)現(xiàn)不利于貸款按時 歸還的問題，調(diào)整相應(yīng)催收策 略，解決壞賬隱患存量客戶管理存量客戶既包括當(dāng)前未結(jié)清的 借款人，也包括已結(jié)清貸款賬 戶的歷史客戶。通過經(jīng)營存款 客戶和貸款之間交叉營銷，是 金融機構(gòu)常見的管理過程，其 主要核心目標(biāo)是提高客戶價值催收逾期貸款回收的一種方式，通 常把逾期M3+ 定

45、義成不良、M6+定義成壞賬。傳統(tǒng)金融機 構(gòu)的催收分為內(nèi)催和委外催收 兩種，成本高、效果差，智能技術(shù)有望賦能催收產(chǎn)業(yè)實現(xiàn)智能化、科技化、合規(guī)化Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸后貸后監(jiān)控：人工智能和大數(shù)據(jù)助力信貸機構(gòu)完善監(jiān)管能力，結(jié)合差異化客戶管理和催收策略，降低成本、提高資源配置效率貸后管理的重要性大于控制，通過對用戶進行貸后監(jiān)控，可以第一時間了解用戶動態(tài)，對貸款的風(fēng)險狀況做出及時判斷，制定應(yīng)對 風(fēng)險的措施。信貸行業(yè)的監(jiān)控管理水平隨著數(shù)據(jù)的完善得以提高，例如生物特征識別等技術(shù)不斷完善，將在未來幫助金融機構(gòu)和監(jiān)管部門實現(xiàn)在公共安全領(lǐng)域的精確搜索，解決失信黑名單的失聯(lián)問題；基于大數(shù)據(jù)技術(shù)

46、將時空數(shù)據(jù)、地理數(shù)據(jù)和登記信息建立聯(lián)系，通過模型算 法管理借貸人，及時預(yù)警潛在壞賬和失聯(lián)用戶。通過監(jiān)測，對客戶的風(fēng)險程度進行評分，采取不同的客戶管理措施，同時對風(fēng)險極高的用戶及時采取催收手段，通過多維數(shù)據(jù)鎖定借貸人，利用差異化催收策略進行貸后催收。63極低低中高極高增額正常追蹤止付收貸根據(jù)預(yù)警規(guī)則和貸后行為評分卡解析借款人，通過 維護優(yōu)質(zhì)客戶，管理高風(fēng)險客戶，實現(xiàn)貸后管理差 異化，減少成本消耗，提高資源配置效率Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸后存量客戶管理：推動信貸經(jīng)營從“重增量”向“增量與存量并重”轉(zhuǎn)變，營銷成為激活存量客戶重要手段人口紅利消失、獲客成本持續(xù)上升意味著存量客戶的開

47、拓將成為企業(yè)競爭發(fā)力點，盡管“盤活存量”的概念常被提及，但信貸供應(yīng) 的關(guān)注焦點仍主要集中在信貸的增量和增速上。隨著信貸規(guī)模持續(xù)增長，存量基數(shù)逐年增大，為了適應(yīng)經(jīng)濟提質(zhì)增效對金融服務(wù)的 新要求，需要推動信貸經(jīng)營從“重增量”向“增量與存量并重”轉(zhuǎn)變。對于傳統(tǒng)金融機構(gòu)，存量管理的資源配置效率高于增量管理模式，例如工商銀行2018上半年新投放信貸總量1.68萬億元，其中貸款 存量到期收回移位再貸1.05億元，占比62.5%，相比2015年的同期數(shù)據(jù)63.75%反而略有下降，說明增量結(jié)構(gòu)優(yōu)化作用空間拓寬， 傳統(tǒng)金融機構(gòu)需要加大投入深化存量與增量并軌管理。營銷是激活存量客戶手段之一。隨著數(shù)據(jù)維度不斷豐富，

48、應(yīng)用場景不斷增多，位置數(shù)據(jù)等移動數(shù)據(jù)日趨豐富，智能營銷時代已經(jīng)到 來。平安集團旗下金融科技子公司金融壹賬通布局的“未來銀行AI+營銷”解決方案，以人工智能為核心，將大數(shù)據(jù)、生物識 別等先進技術(shù)與銀行業(yè)務(wù)流程融合，通過全流程智能化改造，推動銀行存量客戶激活等能力的提升。根據(jù)公開資料顯示，該方案應(yīng) 用于樂山市商業(yè)銀行，銀行整體客戶活躍度提升50%以上，沉睡客戶喚回率平均提升3-5倍以上。64通過存量收回再貸，也檢驗了原貸款投向的質(zhì)量和效率通過信貸存量管理，提高信貸周轉(zhuǎn)速度，擴大同等信貸資金投入的實際資本供應(yīng)水平，節(jié)約資本通過資產(chǎn)交易、不良資產(chǎn)處置等措施，增強銀行信貸資產(chǎn)流動性，為提高資產(chǎn)負(fù)債 匹配

49、度、改善資產(chǎn)質(zhì)量提供主動性理有效進行“智能化手段催化信貸存量客戶管”Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸后催收：傳統(tǒng)催收投入高、成效差，隨著國家合規(guī)性政策收緊，智能技術(shù)有望賦能催收產(chǎn)業(yè)實現(xiàn)智能化、科技化、合規(guī)化貸后催收主要是針對逾期還款催收，傳統(tǒng)的催收環(huán)節(jié)基本依靠線下，大規(guī)模的催收團隊成本高、效率低，甚至還存在不合規(guī)現(xiàn)象。 逾期催收的難點在于，不同逾期時段的催收成功率和重點差距較大。企業(yè)的催收能力主要體現(xiàn)在兩個方面：失聯(lián)修復(fù)的能力和命中 率、催收話術(shù)和催收策略。互聯(lián)網(wǎng)借貸逾期率較高，逾期體量較大，尺長對催收的需求呈幾何倍增長，借助大數(shù)據(jù)和人工智能等技術(shù)賦能催收產(chǎn)業(yè)，貸后催收 逐步實現(xiàn)智

50、能化、科技化、合規(guī)化。65傳統(tǒng)催收催收人員情緒和話術(shù)管理無法標(biāo)準(zhǔn)化，通過主觀因素?zé)o法規(guī)避所有潛在問題；在合規(guī)前提下，傳統(tǒng)模式催收成本會一直上升；足夠的人力雖然可以解決審查的覆蓋需求，但龐大的人力管理需要消耗大量精力；審核的滯后無法系統(tǒng)的統(tǒng)計，需要業(yè)務(wù)人員核對，對違規(guī)行為的監(jiān)管性差。智能催收自然語言處理技術(shù)可以實現(xiàn)文字、語音和關(guān)鍵字的識別，節(jié)省大量人工環(huán)節(jié)；可以實現(xiàn)實時監(jiān)控，覆蓋率接近100%，節(jié)約人工和時間成本，實現(xiàn)自動化；生物特征識別可以實現(xiàn)對用戶的情緒識別，以便選擇合適的催收策略和話術(shù)；根據(jù)用戶貸前、貸中數(shù)據(jù)，細(xì)化用戶畫像，對逾期用戶的催收評分，實現(xiàn)差異化催收。Part 2 智能風(fēng)控產(chǎn)品及

51、服務(wù)應(yīng)用個人篇貸后智能催收實現(xiàn)個人信貸業(yè)務(wù)鏈條串聯(lián)，優(yōu)化貸前和貸中風(fēng)控策略，未來會向標(biāo)準(zhǔn)化、精細(xì)化、透明化、工具化和系統(tǒng)化發(fā)展智能催收系統(tǒng)可以完成數(shù)據(jù)分析、篩選及判斷，為風(fēng)險預(yù)警提供策略，更好地識別和評估風(fēng)險，使催收決策科學(xué)化、自動化，針對 不同客戶風(fēng)險程度組合不同催收手段，節(jié)省人力成本，提高工作效率，同時優(yōu)化貸前和貸中風(fēng)控策略，實現(xiàn)個人信貸業(yè)務(wù)鏈條串聯(lián)。目前已有一些市場化智能化催收產(chǎn)品的應(yīng)用效果已經(jīng)得到了業(yè)內(nèi)的認(rèn)可，例如逾期客戶畫像、催收評分等，這一系列產(chǎn)品主要應(yīng)用數(shù)據(jù)挖掘和統(tǒng)計學(xué)方法，以決策樹、神經(jīng)網(wǎng)絡(luò)和評分結(jié)果展示為主要模型，根據(jù)不同規(guī)則將個人信貸催收管理模式精細(xì)化為：按照 逾期時間增加

52、催收力度，按照業(yè)務(wù)規(guī)則細(xì)分客戶和按照催收評分細(xì)分客戶，選擇差異化催收策略。在催收手段的使用方式上，目前 催收政策已經(jīng)采取了如電話催收、短信催收、上門催收、信函催收等多元手段，配合催收策略進行調(diào)整。隨著數(shù)據(jù)體量累積和技術(shù)的更新迭代，未來催收產(chǎn)品會從勞動密集型向技術(shù)密集型轉(zhuǎn)變，以大數(shù)據(jù)和人工智能為驅(qū)動，繼續(xù)向標(biāo)準(zhǔn)化、精細(xì)化、透明化、工具化和系統(tǒng)化的方向發(fā)展。66逾期客戶畫像明晰催收對象情況，多維 度畫像數(shù)據(jù)，精確勾勒逾 期客戶還款能力與意愿的 相關(guān)情況并精準(zhǔn)量化催收評分評估對象催收難度，融合 金額、賬齡、地域等多維 度信息建模評分系統(tǒng)，對 債務(wù)還款可能性進行綜合 評估分單策略根據(jù)催收評分，結(jié)合系統(tǒng)

53、 總催收人員能力制定分單 策略，以對案件進行合理 化分配，提升催收效果輪循撥號友好自動撥號，對于高頻、 簡單的催收案件，采用試 觸式輪循撥打，減少人工 操作，縮短撥打間隔，有 效提升催收效率失聯(lián)催收跟蹤關(guān)注類用戶行為軌跡， 適時預(yù)警，并在逾期失聯(lián) 后以恰當(dāng)方式進行催收Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸后同盾科技：第三方智能風(fēng)控與分析決策服務(wù)提供商，堅持AaaS風(fēng)控理念，提供跨行風(fēng)險管理、反欺詐和營銷分析服務(wù)同盾科技已經(jīng)為超過一萬家企業(yè)提供各類信貸風(fēng)控和反欺詐服務(wù)，在眾多實踐案例中 積累出大量方法論；同盾科技還成立了反欺詐研究院，從風(fēng)險識別、預(yù)防、警報、打 擊到圍堵，致力于對欺詐行為全

54、面剖析，梳理欺詐行為的新手段、新技術(shù)、新變種， 致力于為客戶提供高效智能的風(fēng)控、反欺詐及營銷分析服務(wù)。67公司介紹：2013年成立，通過持續(xù)創(chuàng)新 產(chǎn)品與技術(shù)，堅持AaaS(智能分析即服 務(wù))的風(fēng)控理念，將人工智能與業(yè)務(wù)場景 深度結(jié)合，不斷提升服務(wù)可靠性，將人 工智能技術(shù)深度應(yīng)用到金融和互聯(lián)網(wǎng)風(fēng) 險管理和反欺詐領(lǐng)域公司定位：專業(yè)的第三方智能風(fēng)控和分 析決策服務(wù)提供商核心產(chǎn)品：信貸風(fēng)控服務(wù)、反欺詐服務(wù)、用戶增長服務(wù)應(yīng)用領(lǐng)域：銀行、保險、汽車金融、非 銀行信貸、基金理財、第三方支付、電 商、社交平臺等信貸風(fēng)控反欺詐深度學(xué)用戶增長習(xí)平臺層產(chǎn)品層圖像識別 文本識別設(shè)備指紋 黑產(chǎn)工具識別代理檢測 實時團伙

55、檢測地址雷達(dá)虛擬號、小號識別技術(shù)層機器學(xué)習(xí)平臺圖計算平臺模型平臺決策引擎流計算平臺深度學(xué)習(xí)平臺計算 平臺地理定位技術(shù) 全網(wǎng)黑產(chǎn)名單庫大數(shù)據(jù)基礎(chǔ)平臺數(shù)據(jù)交換數(shù)據(jù)管理數(shù)據(jù)分析任務(wù)調(diào)度應(yīng)用層銀行 電商非銀行信貸 第三方支付汽車金融 基金理財保險服務(wù)層AaaS平臺FAaaS欺詐分析即服務(wù)CAaaS信用分析即服務(wù)RAaaS風(fēng)險分析即服務(wù)BAaaS商業(yè)分析即服務(wù)SaaS云服務(wù)私有 云服務(wù)Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇貸后同盾科技：以人工智能、大數(shù)據(jù)、云計算等技術(shù)構(gòu)建智能風(fēng)控平臺，為銀行和互金公司提供全面風(fēng)險管理解決方案同盾科技為某銀行和某互聯(lián)網(wǎng)金融公司提供的信貸風(fēng)控解決方案，以人工智能、大數(shù)據(jù)

56、、云計算等技術(shù) 構(gòu)建智能風(fēng)控平臺，基于對銀行和互金公司的業(yè)務(wù)洞察，著力提供全流程云到端智能風(fēng)控能力，規(guī)劃整 體風(fēng)險管理和分析決策解決方案，減少潛在損失。68同盾科技與某銀行/非銀行信貸風(fēng)控解決方案貸后管理貸前審核同盾智察分貸后監(jiān)控逾期催收/用戶運營知客圖鑒逾期管家催管大師逾期精靈反欺詐服務(wù)同盾智信分同盾定制分授信貸款審批放款成功網(wǎng)上銀行 手機銀行直銷銀行撞庫、暴力破解、賬戶盜用、電信詐騙、洗錢、 釣魚、木馬等風(fēng)險虛假注冊、羊毛黨、仿冒申請、虛假申請貸款、 過度授信、逾期、信用惡化等信用風(fēng)險仿冒申請?zhí)摷俨牧闲庞每ㄆ墼p申請、虛假交易等風(fēng)險信用風(fēng)險申請身份造假、盜取他人身份信息與申請材料， 仿冒他人

57、騙取貸款申請人對身份或者資質(zhì)材料造假，以通過審批 獲得更高額度征信數(shù)據(jù)維度不足，信用白戶問題、跨平臺負(fù) 債嚴(yán)重，無法全面獲知風(fēng)險及獲取滯后銀行金融機構(gòu)常見風(fēng)險非銀行金融機構(gòu)常見風(fēng)險貸前審核：提供定制化、針對性行業(yè)服務(wù) 模型；豐富產(chǎn)品數(shù)據(jù)組合，有效降低風(fēng)險同盾智察分：多維度模型、高預(yù)測能力； 實時計算、毫秒級快速反饋貸后監(jiān)控：海量場景化及指標(biāo)化數(shù)據(jù)為業(yè) 務(wù)提供服務(wù)基礎(chǔ)，同時發(fā)現(xiàn)潛在風(fēng)險逾期管家：一站式解決方案；精準(zhǔn)預(yù)測案 件風(fēng)險，實現(xiàn)催收決策精細(xì)化、智能化逾期精靈：領(lǐng)先AI語音技術(shù)，快速識別； 最佳實踐策略和技術(shù)，持續(xù)優(yōu)化迭代催管大師：依靠海量數(shù)據(jù)庫和分析能力， 補全失聯(lián)客戶信息，提高催收成功率

58、知客圖鑒：分析已有用戶特征及潛在需求， 深耕客戶價值，推進后續(xù)交易反欺詐服務(wù)：全場景覆蓋，聯(lián)防聯(lián)控；用 戶體驗佳，集成簡單同盾智信分：覆蓋上億人群，支持線上實 時調(diào)用，有助于快速審批同盾定制分：海量場景化數(shù)據(jù)及指標(biāo)，支 持最新模型開發(fā)3.4 需求端應(yīng)用Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇69Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇 需求端應(yīng)用新經(jīng)濟環(huán)境下信貸業(yè)務(wù)風(fēng)控面臨更大挑戰(zhàn)，技術(shù)互補和數(shù)據(jù)融合將成為推動行業(yè)發(fā)展的重要因素?zé)o論是越來越多的金融機構(gòu)開始布局線上分期服務(wù)和網(wǎng)貸平臺，還是發(fā)展迅猛的互聯(lián)網(wǎng)借貸平臺，都為個人信貸的風(fēng)險控制在不同 層次上提出了新的挑戰(zhàn)：傳統(tǒng)金融機構(gòu)對線上場景理解

59、不夠，互聯(lián)網(wǎng)金融公司目標(biāo)客群信息真實性差、準(zhǔn)入門檻低，貸前貸后風(fēng)控 措施嚴(yán)重失衡，問題平臺的不斷出現(xiàn)給行業(yè)發(fā)展帶來波動。各類金融機構(gòu)在開展新的信貸業(yè)務(wù)時，擁有區(qū)別化的優(yōu)劣勢，認(rèn)為，信貸產(chǎn)業(yè)的發(fā)展會很大程度上取決于技術(shù)互補和數(shù)據(jù) 融合，傳統(tǒng)金融機構(gòu)、互聯(lián)網(wǎng)金公司和金融科技公司取長補短，成為推動行業(yè)發(fā)展的重要力量。需求端現(xiàn)已形成三種主要布局智能 風(fēng)控的方式：自身建立智能風(fēng)控部門，探索科技手段應(yīng)用、與金融科技公司合作開發(fā)智能風(fēng)控系統(tǒng)平臺、與互聯(lián)網(wǎng)金融公司合作開 展業(yè)務(wù)，發(fā)揮各自優(yōu)勢。70傳統(tǒng) 金融機構(gòu)互聯(lián)網(wǎng) 金融公司優(yōu)勢：已擁有成熟風(fēng)控體系，數(shù)據(jù)真實性高，結(jié) 構(gòu)化數(shù)據(jù)可實現(xiàn)共享等劣勢：對線上業(yè)務(wù)場景

60、理解不夠，數(shù)據(jù)維度有限，傳統(tǒng)業(yè)務(wù)涉及部門眾多導(dǎo)致落地速度緩慢，成本 高、周期長、效率低等優(yōu)勢：覆蓋長尾人群，信息獲取成本低，流程簡 化，效率高等劣勢：目標(biāo)客群真實性差，準(zhǔn)入門檻低，數(shù)據(jù)質(zhì)量差，共享制度不完善，問題平臺頻現(xiàn)，缺乏標(biāo) 準(zhǔn)化管理等Part 2 智能風(fēng)控產(chǎn)品及服務(wù)應(yīng)用個人篇 需求端應(yīng)用不管是銀行開展自身網(wǎng)貸業(yè)務(wù)還是作為存管機構(gòu)，銀行整體風(fēng)控能力建設(shè)都將成為重點開發(fā)對象傳統(tǒng)金融機構(gòu)除了通過智能風(fēng)控技術(shù)反哺自身風(fēng)控系統(tǒng)外，為了尋求新的客戶增長和更廣的業(yè)務(wù)范圍而開展的線上業(yè)務(wù)，則需要更 深層次的智能風(fēng)控系統(tǒng)全流程設(shè)計和布局，銀行主要業(yè)務(wù)長期位于線下，因此開展網(wǎng)貸平臺并不具備技術(shù)優(yōu)勢，目前布局