乔杨：通过数据技术促进金融领域健康发展

　　新浪财经讯 “2017中国金融论坛”于6月7日-8日在北京召开。北京至上泽思信息技术有限公司乔杨出席并发言。

　　其表示他们打造了从前端精准营销、反欺诈、信用评估，到贷中监控及贷后管理的一整套闭环服务体系，提供全流程的风控及数据技术服务，将先进的技术落地于金融信贷的各个环节，大幅提升信贷效率，通过数据技术促进金融领域的高效健康发展。

　　以下为演讲全文：

　　乔杨：ZRobot于2016年宣布成立，但产品搭建历时两年多，拥有京东金融多场景应用经验与美国ZestFinace最先进的数据挖掘和建模技术，是一家服务于本土金融业务的应用型数据技术公司。

　　ZRobot公司有以下优势：

　　1）业内最领先的模型和算法，且和场景及业务相结合。技术本身并不是壁垒，一定要和场景和业务相结合。ZRobot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。

　　2）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，都有丰富的处理经验，落地应用于信贷评估。

　　3）利用美国多年经验积累，对央行征信不覆盖客群，即金融弱活跃客群进行授信。中国央行征信覆盖人群中有信贷记录人群为3.8亿，只有2.75亿符合打分级别，公司技术可以对剩余人群进行精准的信用评估。模型对数据量的依赖度更低，传统模型需要单个用户有50+条的有效数据记录才能够对此用户做出信用判断，但ZRobot的模型针对有效数据记录较少的弱活跃用户也有很强的判断与预测能力。因此使得模型有效覆盖的客群大幅扩展。

　　ZRobot提倡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，解决现实问题。我们认为任何脱离业务及场景的技术都是不切实际的。

　　ZRobot公司产品分5个类型，包括评分标签类产品、系统类产品、资产评估及定价、精准营销及定制化服务。

　　以系统类产品为例。风控云平台可以助力传统商业银行向直销银行的转型，同时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在现阶段仍以联合放贷的业务居多，无法解决沉淀及积累客户的问题。同时很多银行的系统不支持纯线上无人工干预的审批流程。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。

　　ABS资产定价是我们的创新产品，中国很多优质资产没有办法在证券化市场得到认可，因为缺少长期稳定的资产表现，现金流预测及定价很难做，我们的技术可以填补这一空白。

　　ZRobot的精准营销系统并不是一个简单的营销标签输出，是通过数据挖掘和建模的方式实现的。

　　同时，ZRobot提供定制化服务。对于某些垂直细分场景的客户，我们提供定制化建模及策略开发服务。

　　ZRobot信用分打分流程：清洗数据，提炼风险描述特征，输入多个模型模块，得出综合评分。我们客户大部分是金融弱活跃客户，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、催收模型等等，得出综合评分。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。

　　那我们的模型效果如何呢？这幅图展示了我们的信用评分和市场上其他评分的一个差异。如果把打分样本分为10等份，按照评分由低到高排续。纵轴对应的是逾期率。可以看出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，从我们的数据可以看出，在垂直场景的覆盖率及模型效果都是非常出色的。

　　如果说数据量的多少决定了模型的可能上限，那特征工程和算法就决定了模型的实际上限，这也是ZRobot的核心竞争力。

　　在未来，新数据源和新特征的获得会越来越难，模型精度并不是随着特征的增长而线性增长。比如，IBM的Watson超级计算机。以它在“危险游戏”节目中与人类选手的对照可以看出，随着新的数据及特征的增加，Watson的表现越来越好，但是在达到一定程度后就会出现边际效益递减。所以在特征工程之后，如果想达到进一步的效果提升，需要在算法和模型上做进一步的优化。

　　说到算法，举一个我们独有的漫网技术的例子。

　　漫网技术识别欺诈集团。我们提出机器学习+复杂网络的“漫网”技术，通过中心人手机号、通讯录、地址等多维度联系方式，从全局观综合判断，识别可疑团体，定位好人/坏人的子网率。概念已落地，京东金融内部已充分利用漫网技术，对于欺诈团伙、羊毛党、刷单、经营账号等高危群体的识别率高达70%以上。

　　这个是一个刷单团体及经营账号识别的漫网技术可视化展示。具体不做阐述。

　　关联方式的技术包括文本挖掘、图像识别，关联也不是简单的1度关联，而是N度关联。同时对关系的性质及强弱关系做出判断，简单的金融应用场景包括黑名单免疫及白名单扩散等。

　　最后，再举一个数据技术在防范黑产领域落地的应用：舆情平台对平台漏洞进行预警。在借贷领域黑中介对新推出平台风险漏洞进行集中性的挖掘并公布，然后在平台风控并不完善的前提下，对平台发起攻击。我们通过网络爬虫，文本挖掘、自然语言处理等方式，能提前做预警，在风险敞口被发现之前提前对这个平台做出通知，提前采取防范。

　　这是我们对国内某大型互金平台被攻击前做的预警分析展示。在提前近一周的时间内，通过我们的全网监控和数据分析，预测到平台将受攻击，同时给出平台受到攻击后的预估损失。我们的预警在事后得到了确认，各项指标高度吻合。所以这项技术对互金平台的帮助是非常显著的。

　　最后，我们打造了从前端精准营销、反欺诈、信用评估，到贷中监控及贷后管理的一整套闭环服务体系，提供全流程的风控及数据技术服务，将先进的技术落地于金融信贷的各个环节，大幅提升信贷效率，通过数据技术为金融领域的高效健康发展贡献一份微薄之力。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。