陈玮：通过大数据和人工智能重塑金融风险管理方式

誉存科技联合创始人兼COO陈玮

　　新浪财经讯 “第十四届中国国际金融论坛”于2017年12月14-15日在上海召开。论坛主题：金融本源回归服务实体经济发展，誉存科技联合创始人兼COO陈玮出席并演讲。

　　以下为演讲实录：

　　各位来宾，各位朋友：大家下午好！今天很荣幸受到主办方的邀请在这里分享一下我们在做的一些事情。刚才赵秘书长给我们做了一个非常全面的金融科技发展概况介绍，而我们做的事情就是在风控细分领域为金融机构赋能。

　　大数据产业发展非常的迅速，中国在过去5年，整个大数据的投入就翻了7倍，而且还在高速增长中。而在2017年可能有超过一半的大数据投入是落在银行业，所以我们也看到整个需求是非常的旺盛，而正是在这些云计算、大数据等新兴技术越来越成熟的情况下，为我们的金融，为我们创新业务提供了非常多的工具，比如精准营销、批量获客、风控等。全球其实有70%的企业在购买外部数据，但在中国可能只有30%多。记得我们在2015年，刚从美国回来不久，创业做这个企业大数据风控的时候，我们找了很多银行界、金融界的专家，整合一些外部数据，比如有工商、司法、招投标等等。过去银行比较注重财务数据，很少关注外部数据。当时很多人给了我们一个结论：“我觉得这些外部数据没什么用。”很明显，在2015-2016年越来越多的金融机构开始采购外部数据，2017年开始采购平台，对外部数据的使用让我们看到未来的发展趋势。

　　我们都很清楚传统信贷存在一些痛点，特别是做以抵押为主的大额放款，随着整个渠道的下沉，我们怎么能够更好的去做，更有效率的去做，更好的去把握这些风险？比如说传统的贷后管理，昨天还有专家跟我分享：他们要经常定时定点的走访客户，一个人怎么去跑这么多的业务，这些难度等等。现在是希望通过一些大数据和人工智能的手段能够重塑金融风险的管理的方式。

　　首先是信息查询。我们有全国7500万家企业各方面的经营数据，有一部分是互联网公开渠道收集的，比如招投标，招投标可能散布在几百个甚至更多的政府的招投标网站上；比如它在招什么人，这些团队的构成；比如舆情，开庭公告，法庭公告等等散布在全网的各个地方。另外一部分是我们跟很多权威机构有合作，拿到脱敏的数据，还有行业数据。可以非常近距离的观察行业的变化，大势的趋向。大家以前花很多精力做的事情，我们现在可以毫秒级速度给到最全的信息。

　　第二是风险扫描。传统做风控，来一个企业我们就看这个企业本身有没有问题，现在我们除了看这个企业本身以外，还要看它的整个网络，如果以社交比喻的话就是它的朋友圈，它的关联企业，关联人。它们到底健不健康，是不是好，有没有什么风险，能不能传递到被观察的企业本身。我们有500多万家黑名单企业，通过风险扫描工具，迅速的告诉你这家企业，它以及它的关联企业、关联人在哪一方面存在风险。我们现在设置有20多个不同的，可能产生一些失信行为的子领域。还有行为监控。举个例子——eBay，大家可能会觉得奇怪，它最大的损失，其实是商家的跑路。作为第三方平台，赋予每个人权利，只要你说你没有收到货，我就把你付的钱退给你。每年在eBay上面都有大量的商家收了钱但是跑路了，所以他们专门有一个组就在研究这些商家行为的变化：是不是忽然打折了，或者忽然出现跟往常交易不同的异常行为。在这一套风控策略里面，其实就是关注这些企业行为的变化，从各个维度去分析这些企业是否跟以前不一样。我们也会关注行为的变化，而不仅仅是财务了。

　　还有就是深度分析。当然，也包括智能预测。大数据最大的价值不在于把数据搜集起来进行展现，而是我能不能从这些数据里面得到洞察。我们现在基于500多万家的坏企业样本总结出了一些默认的规则，这些规则可能我们再次碰到的时候能够更好的预测这些企业风险的发生。这个我就简单的讲一下，因为今天不是讲技术，我们自助研发了一整套大数据的平台架构，从底层的信息搜集，到它的清洗处理，比如我们有很多的文本数据，一条司法记录进来了，到底谁是被告谁是原告，金额是多少，客户现在只看和金融机构相关的诉讼，我们把很多杂乱的信息排查掉了。还有建模，我们解决风险问题，推荐问题，匹配问题，最终到了应用层，我们给金融机构提供风控云产品和服务。

　　刚才提到的底层技术，像搜索引擎或者是决策引擎，我们现在有几百上千套的决策系统，既有默认的从很多历史的数据学习出来的策略规则，也可以很灵活的让金融机构自己去定制这些策略，而这些策略通通布置在这个平台上。风控总监为什么很值钱？因为有很多的经验，我们在设计产品的时候采访过很多的风控总监，你看到这个事情为什么觉得有问题呢？我的经验告诉我一看就知道哪里有问题，哪里我觉得不对，我会深入的研究这个事情。人工智能就是没有疲倦，不断学习这些经验，并将这些经验在我的平台上工具化，这样整套风控的决策系统就会越来越精准。现在我们这个平台更多像一个初级的风控经理，越来越精准的时候就像风控总监。大数据技术支持这种变化！

　　另外还有自主研发的机器学习平台，过去的话一个工程师一天大致能解析两个网站，现在有一套机器学习的平台可以更智能的解析这些网站，一下子就把效率从两个提到50个，一个公司可能一天就能解析50个网站，这些都是大数据技术给我们带来的一些变革。

　　算法层我们也有一些自创的，比如说基于复杂网络的风险传导模型，基于时间序列的预测模型，还有很多可视化的数据工具，基于场景里面的具体交易数据做数据驱动的金融产品。客户中有好几个在对小B端放款的金融产品，现在坏账率都是零，放在以前他们都是不敢做的，现在不但能做，还能够做到坏账率很低，整套放款的速度也是在分钟级别。

　　以我们一个具体的算法为例子，给大家更形象的讲讲我们在做的事情，比如说复杂网络。大家都知道六度空间的理论，任何两个点之间在一个网络里面最多不超过六度，我和特朗普之间可能不超过6个人就能联系在一起。在做企业风控的时候，我们就可以把这些企业的网络看成一个社交圈，他们之间也是互相连接、互相影响的。

　　在这个网络里面，存在各种各样的节点，有些节点可能非常重要，连接了很多很多的节点，有些节点可能只是一个过桥，连接了两个大的群集，所以每个节点在网络里面产生的价值都不一样。我们要做的事情就是挖掘这些“企业到人，再到企业，再到人”的整个网络里面节点的权重度。这样我们就会知道在这个网络里面谁是坏的节点，谁是正在发生问题的节点，再量化这些风险，看这些黑点怎么影响这个网络里面的其他的节点。

　　下面我们举一个例子，浙江有一个明星企业——庄吉集团，它拥有上百个子公司，整个业务也涉及到船务、房地产、商贸等等，实际在2014年的时候，我们在网络里面就可以看到，有大量的子公司开始出现了金融的纠纷，从2014-2015年大量的子公司被注销，慢慢的看到，子公司有欺诈的诉讼等等。但是一直到2015年，我们单看庄吉集团的主体企业都非常的完美，无论是财务报告还是获得的荣誉等都非常好，再到2016年，我们看到高管跑路，员工发不出工资，2016年爆发300亿的坏账。在这个过程中，关联网络里面有很多红点都一直在闪灯，但现实中我们没有注意到关联的风险。而通过大数据，我们可能提前6-12个月就能被预警。

　　当许多独立事件一串起来的时候，也就能够更好的预测下一步走向。我们基于大数据的十七大核心工具产品以及全平台为金融机构提供风险管理服务。在全国服务了近1000家的金融机构，包括几十家银行。

　　再说一个我们在供应链金融的场景案例。一家全国知名的整车制造商，他们的贷后非常简单，两个人开一个车，全国巡查各个供应商有没有什么问题。但是今年年初的时候发生了一件事情，他们其中一个供应商对外投资了一家房地产企业，那家房地产企业出现资金链断裂，导致供应商发不出工资，工厂停产。这是一个典型的投资风险预警，单纯现场核实是没有办法注意到的。整车厂说出现这种情况，他也没法替换供应商，那样影响更大。所以我们需要大数据，全面监控这些风险因子，做到提前预警风险。

　　以上是我们在供应链端的应用场景。现在我们这个平台也逐渐对外开放，布局更多场景化产品。比如跟人民银行下属的子公司联合发布关于高管的个人背调。

　　成都有一家企业，2015年的时候发展非常好，到了2016年，对外投资，然后注销，2017年跑路。投资人的想法是，如果我早点知道，其实在2015年之前这个创始人就有很多的金融纠纷，还两次被列入到成都锦江区人民法院被执行人名单，那么我绝对不会投资这个企业。所以，我们的平台也关注这些企业的关联人，他们的背景情况，他们是否有失信的行为。

　　同时，我们作为中国和新加坡合作（中新示范项目）的10个重点项目之一，现在也开始提供面向东南亚以及“一带一路”上国家的很多企业数据，包括像新加坡、马来、文莱等，推进双边企业的互通，促进更多跨境投融资。

　　我的分享到此结束，谢谢大家！

　　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。