集奥聚合赵星星：提供全流程的信贷解决方案

集奥聚合（北京）人工智能科技有限公司副总裁赵星星

　　“第二届金融科技与金融安全峰会暨‘番钛客2018’金融科技双创大赛启动仪式”于6月28日在北京举行。集奥聚合（北京）人工智能科技有限公司副总裁赵星星出席并演讲。

　　以下为现场文字实录：

　　谢谢主持人，谢谢大会今天给我这样一个机会来跟大家介绍一下，我们集奥聚合在信贷风控领域所做的一些工作。首先我可以跟大家简单介绍一下我们公司，集奥聚合是成立于2012年，从成立之初我们公司一直秉成着将现在先进的前沿的技术和数据结合起来服务于特定的业务场景，经过长时间的摸索，我们现在服务了将近600家的优质客户，包括部分国有大银行及各类的股份制商业银行、城商行等等，也在今年我们连续获得了三次科技部的独角兽企业的称号。

　　公司截至目前拥有知识产权136项，发明专利9项等。从产品体系上来看，我们可以把整个智能化风控服务分成三个层级，一方面是以企业级的平台服务作为支撑体系，并在基础之上我们会搭载相应的场景化信息服务体系，而这两部分综合起来最终要实现的目的在哪里呢？就在于对普惠金融业务场景下具体的风险点的防范和识别。从整个信贷流程来看，第一步肯定是获客，无论是传统的金融机构还是现在蓬勃发展的互联网金融机构，其实想要去寻找他相对应的客群是件比较难的事情，我们集奥聚合把营销和风控结合起来，从两个维度来给金融机构带来优质客群，一方面是判断个人的风险属性，一方面是识别他个人的意愿属性，只有在他风险表现良好以及意愿都OK的情况下，我们认为才是金融机构一个合适的客户，并且每个产品所对应的客群是不一样的，信用卡客群有信用卡客群的特征，信用卡代偿客群也有其特定的特征。在这个过程当中需要嵌入对人工智能技术的一些应用以实现对数据深度的挖掘。在获客结束之后，下一步肯定是对欺诈风险的识别，而欺诈风险我后面也会说到，包含三类，一方面是第一方欺诈，一方面是第三方欺诈，一方面是团伙欺诈，目前市场上对前两者有比较好的解决方案，而我们集奥聚合基于我们跟运营商的深度合作，可以构建覆盖面更全、准确度更高的用于识别团伙欺诈的知识图谱。在对欺诈人群筛除之后，下一步就是对好人要做进一步细分。其实大家都知道整个央行征信系统从创立之初到现在，大概有9亿人在库中，但是实际上具备完整信贷机构的只有三亿多不到四亿人，剩下这部分人都是征信白户。同时，普惠金融整体客群比银行传统客群肯定是要下沉的，包括现在很多类似于像汽车金融业务也逐渐往三四线城市发展，遇到的最大问题就是如何进一步去刻画这部分征信白户或者征信信息不足客群的信用风险。我们集奥聚合在这方面融合了多方面的数据，基于特定的场景之下帮助金融机构来挖掘出对一个人信用能力，并进一步确定风险定价和授信额度。

　　我们依据信贷流程来构建一个完整的风控解决方案及信息服务闭环，其目的主要在于帮助金融机构特别是一些中小银行能够快速实现技术上的升级和业务上的转型。举个例子，以团伙欺诈识别来看，传统做法大都基于自有的一些进件数据或者自己所获取的一些第三方数据来构建的知识网络，这里面存在最大的问题就是对于新客的覆盖面会存在一定缺陷。集奥长期以来跟三大运营商有深度的合作，在运营商实际上是可以了解到每一笔业务发生的时候，每一个申请发生的时候，移动终端中几个关键ID的对应关系，比如手机号、IMEI号、IMSI号等等。团伙欺诈来看，一定要借助工具，工具就来源于现在的手机，我们实际上可以把这些手机号IMEI号或者IMSI把它串联起来。类似于像一台设备上搭载的工作手机号，某一个手机号有可能涉黑或者他有严重一些的历史逾期的信息，相应的另外一个手机号也会有一定的风险性，我们基于这样的逻辑在运营商侧构建了一个知识图谱，这样的方式一方面我们合规的使用数据，另外一方面他所构建的知识网络图谱是能够覆盖到中国绝大多数的手机，解决了对于前端欺诈风险在人群覆盖不足这一点上的问题，而且我们通过在运营商多方面信息维度的挖掘，其实是可以构建出三个关系圈，一方面是通话圈，我跟A打电话，A跟B打电话，B跟C打电话，有一句话说，7个人连载到一起的话，这样你就可以跟世界上任何一个人有联系，通过不断的通话关系的图谱构建，可以牵扯到我们所涉及到的每一个人，从而在前端识别出他们具备团伙欺诈的可能性。对于我们产品来说，在知识图谱的基础之上我们也搭载了一些，比如他是否是一些设备小号，他是否存在严重的多头借贷。多头借贷这块也具备一定的特色，他能够覆盖到整个的尤其是非银行业的信贷流程，从注册、申请、放款、驳回、逾期等角度来分析多头行为，通过独立第三方的角度客观公正的反应共债信息，不会存在场景上的误伤，或者白名单倒灌的情形。基于此我们做了一些关于团伙欺诈风险的识别，一方面说我们可以返回了相应团伙大概的有多少人的规模，同时给到机构客户相应的一些特征变量。

　　另外一个重点，在于解决非征信客群的信用风险刻画问题，我们集奥其实综合了五大维度的数据，一方面是社交指数，大家可以简单的理解为每一个人通话详单，通话详单在运营商的数据库中，我们不能输出，只能和运营商联合建模，最后针对特定场下的风险景输出一个分值，还有他的消费情况，每个人的兴趣爱好的情况，及多头共债等行为，基于这五大维度的数据底层我们可以在不同场景下做风险建模，类似现在大家做的比较多的中大额现金分期，线上消费分期等等。其实最关键的一点不同的场景之下他的风控预算是不一样的，所以说我们可以把我们的评分，我们的集智指标碎片化，再基于模块化的组合，最终达到一个最优的效果，首先数据并不是越多越好，我们是基于对特定场景来实现一个最优的数据配置，来对他进行一个建模。

　　前面主要是基于信贷的全流程来有了一些信息化的产品，而为了支持信息化产品能够运行起来，我们也有相应的企业级的平台服务支撑，包括我们的信审系统，包括决策引擎，类似于像信托公司有大量的资金，相应的，其对接的资产也很多，这个时候对于信托公司来讲我们也可以给他部署资产的管理平台，不同的渠道资产怎么样，不同的渠道来源的风险如何，进行定制化的管理方式，这就是我们所提供的资产管理的平台系统。

　　另外一点，现在特别是对于一些中小银行，我们提供称之为企业级建模平台的服务，我们在这个平台之上会把业务的具体场景，比如你是做消费贷款还是在某一个贷中的监控场景，或者是做信用卡发卡的场景，具体的业务场景和具体的业务数据，类似于像行方的外部数据、行方的自有数据，以及我们内部数据结合在一起，在这个平台上实现可视化的模型训练，比如我们有深度学习的算法，有xgboost的算法，方便于行方的业务人员及时根据他自己的业务情况进行调整，免去了一个繁琐的模型招标过程。

　　最后，需要跟大家再说一下关于我们这样一个决策引擎，其实我前面提到的建模平台只是决策引擎的一个部分，在决策引擎是要对每个人的风险分阶段进行识别的，我们把从前端设备层面的风险防范到你申请风险的一些识别以及你后面信用风险的防范，整整集合在一个决策引擎上来，进行规则的配置和模型的优化， 实现了整个风险决策机制自动化的调优的过程。

　　以上就是我们为整个金融机构所带来的整体产品体系。最后说一下，如果对这部分有兴趣的话，我们可以在会后进行交流，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。

责任编辑：梁斌 SF055