论坛实录|科技助力智能风控 平衡创新与风险

论坛：科技助力智能风控，平衡创新与风险

　　“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。国务院发展研究中心金融研究所副所长陈道富，北京瓴岳信息技术有限公司首席产品官（CPO）贾旭东，旷视科技（Face++） 副总裁敖翔，融360首席风控官叶梦舟，苏宁金融研究院互联网金融研究中心主任、高级研究员薛洪言，因果树创始合伙人鲁嫚出席并参与“科技助力智能风控 平衡创新与风险”主题对话。

　　以下为对话实录：

　　鲁嫚：大家好，我是因果树的鲁嫚，非常荣幸能够担任论坛上的主持人，能与台上的各位嘉宾一起交流互动学习，应该说我们赶上一个好的时代，不知不觉我们进入一个智能时代，大数据人工智能跟我们身边各种场景相结合，从交通到各个维度，大数据人工智能跟金融结合会给我们带来什么样的影响呢？尤其金融领域的风控又是重中之重。今天我们非常荣幸的请到了五位嘉宾，期待一会儿他们能够充分的发表他们的观点，我想请我们所有台下的嘉宾把掌声先送给我们嘉宾，鼓励他们一下。今天我们要谈到的话题会有几个维度，首先请几位嘉宾做一个自我介绍，谈谈这方面的想法。

　　陈道富：我是陈道富，来自国务院发展研究中心金融所，每次参加金融科技方面的论坛我都忐忑不安，担心有一些科技的名词我听不懂，别人问我，我不知道说什么，一直都是以学习的心态来参加会议。

　　今天讲到了要把金融科技或者说大数据和人工智能跟风控结合起来，我觉得这对金融来说是最核心的领域。金融风险到底在多大程度上能够有大数据和人工智到底能在多大程度上对金融风险风控发挥作用，在什么样的情况下可能不一定完全能替代传统的功能，在实现大家期待的这些功能过程中，它可能带来的成本和代价又是什么，这都引发我的兴趣的话题，我自己觉得大数据和人工智能可以用到一般的传统金融机构方法中，金融风控更有效率，能够在更大的范围多类型的数据形成更及时、更有效率或者说更加理性的一些做法，但是它们也有自己的适用范围，所以我觉得一开始要两方面看，既要发挥大数据在人工智能风控方面的积极作用，同时也要看到它在解决风险控制方面所有的人类所要面临的困境。

　　鲁嫚：陈所长非常的谦虚，而且也给我们提出了很好的话题，我们还有哪些风险要注意规避，同时也有请贾总介绍一下。

　　贾旭东：大家好，我是北京瓴岳科技的贾旭东，让我介绍公司有点困难，因为我们不是一家擅长介绍自己的一家企业，所以在座有很多朋友不知道我们到底是哪家科技公司，瓴岳科技是在2015年9月份成立的，我们按照网贷之家的交易量排名，大概能够排到全国的15名、16名。到目前为止所有的风控技术全部是建立在大数据之上，所以金融科技怎么能够助力风控，我们非常有自己的感触，我们主要是依托自己的金融实力，也和很多的合作伙伴做了一些深入的合作，我们能够使得所有的风控体系全部建立在人工智能基础上，因为人工智能的应用我们看到了它确实可以对金融风控产生非常实际，并且有意义的的作用。然后我们也因为这些事情尝到了甜头。

　　鲁嫚：谢谢旭东总，下面有请敖翔总。

　　敖翔：大家好，我叫敖翔，来自于旷视科技，就是大家非常熟悉的face++，face++作为以视觉为主的人工智能公司，跟风控有什么关系？我想介绍一下我们公司，很多数据都是为风控建立的，比如说我们参与了在安防领域的产品线。比如说我们会给各个主机厂商提供安全，落到我自己这块最主要的业务就是face ID在线声音和人脸识别的产品，其实就是跟在座的很多互联网金融公司业务相关的产品，特别是通过验证用户的设置，人脸识别完成在线交易身份欺诈风险的工作，这也是一种风控，我想face++成立我们就是跟各种风控紧密结合。

　　鲁嫚：好，敖总不同的视角给我们带来了分享，下面有请叶总。

　　叶梦舟：首先很感谢主办方对我的邀请，然后感谢主持人。今天很高兴来到这里，我是融360的首席风控官叶梦舟，我们融360是金融产品的平台，我们是2011年成立，在过去7年的时间里，我们已经把自己发展成了全国最大的垂直搜索引擎，当一个普通的消费者有信贷需求的时候，他会到我们平台来搜索不同的贷款产品，我们可以用大数据和我们的风控能力去为消费者和金融产品进行精准的匹配，举个简单的例子，我们可以把这个推给消费者，同时我们也会为金融机构提供消费者所有的用户画像，来帮助金融机构对用户的风险进行辨别，然后做出正确精准的风险流测。今天我们的议题是科技和技术在智能风控中的作用，我认为智能风控的根本就是在于技术，换句话说智能风控本质上的理念或者说本质上的运转模式，他的基本方式也是不变的，只不过他是用大数据来驱动。其实刚才演讲嘉宾也讲了智能风控会带来很大的变革，我个人认为金融机构对于人群，或者说有信贷需求人群的覆盖，怎么讲呢？第一是说我突破了第一轮的限制，金融机构现在的客群，可能之前我需要面签的环节才能够保证我放心的把这笔款贷出去，但是现在因为有了旷视科技的人脸识别，我可以远程来做这件事情，我突破了我的网点限制，这个大大的拟声我的运营效率，降低了我的运营成本，同时能够保证为我现有的用户提供非常极致的用户体验和服务。

　　第二个是说我对于人群的扩展，我可以从0-1刚才说的有三亿人有征信，剩下的没有征信这些人，银行或者传统金融机构他以前是覆盖不到的，但是由于我们的大数据，我们可以用所有的这些社交属性，他的行为模式，他的消费行为等等的，还有运营商的一些行为和他所有的生活习惯相关的数据对这个人进行精准的画像，从而能够保证到金融机构能够覆盖到这群人，为他们提供相关的信贷服务。

　　第二，我刚才说的时效性，智能风控的几个属性，他是数据化的、实时性的和自动化的，这会大大提高每一笔信贷交易的效率，可以让它做到秒级。

　　第三，前瞻性，因为在这之前人工智能没有被广泛运用的时候大部分是靠经验，人的经验他只能是来自于历史，他没有办法预料到还没有发生过的风险事件，但是通过大数据和人工智能，我们突破了这样一个历史的限制，可以做到我们对风险实践的前瞻。

　　第四，精准性，我们可以看到我们融360做的最核心的一件事情就是我们能够精准的去连接钱和人，把消费者他的信贷需求通过一个最精准的信贷产品的匹配，来满足他的需求，谢谢！

　　鲁嫚：谢谢叶总，叶总讲的非常丰富，其实让我们所有人感受到了我们谈到了智能风控这个话题和在座各位都息息相关，您未来贷款的额度等等都和金融风控非常相关的，所以今天的话题大家好好听一听，有请薛总。

　　薛洪言：大家好，我是来自苏宁金融研究院的薛洪言，我也简单介绍一下我自己，我们苏宁金融研究院可能是国内最早的一批专注互联网金融研究的企业客户，我们是2015年成立的，同时也是规模比较大的企业之一，我们有几十万人，我们是专注互联网金融和金融科技的研究，我们苏宁金融是定位于金融科技驱动的O2O企业，我觉得在各个业务线上能体会到金融科技的意义和价值，金融科技在智能风控领域发挥了怎么样的作用，科技本身并不是风控，科技不等于风控，但是科技的确是加速了风控模型的进化速度，同时他也大大的拓宽了风控的边界，这个怎么理解呢？其实加快了进化速度很容易理解，因为他模型的迭代速度和搜集处理的速度跟原来相比不是一个数量级的。其实另外一个很重要的，他拓宽了风控的边界，因为我们知道金融科技首先改变的是数据边界发生变化，因为我们原来金融机构他在做风控的时候，除了我们要要求去提供一些记录以外我们要去查央行征信，央行征信现在有四亿人群覆盖，三年前有三亿人群覆盖，现在随着金融科技进来，数据的范围边界拓宽了，我们现在不仅仅有征信的数据，我们还有其他的社交数据，你的购物数据，你在互联网上的行为数据、关系数据、地理位置的数据、设备数据等等，随着这些数据的进来，其实风控可以去给个人进行信用评分的，就是说这个人群，从原来的三亿人四亿人，现在可以拓宽到七亿人、九亿人、十亿人的鉴别，随着人群的拓宽，其实消费金融这个业务，他的业务种类也发生很大的变化。在金融科技普及之前，其实很多的业务品质他其实基本上没有什么大的发展空间，比如我们说信用卡余额代偿的场景，可能在原来的金融机构看来，这类客户肯定是连信用卡帐单都无法正常偿还，肯定不是特别优质的用户，我觉得这个场景可能就是很难被传统金融机构所接受，但是其实互联网金融机构包括信贷平台他们做这块，包括要取得其他针对蓝领工人的产品等等的，现在的互联网消费金融他们所拓展的很多的业务品类，其实都是借助于科技的进步才使得业务可持续，所以我觉得从这方面去看，金融科技把风险的边界拓宽了，他把金融业务的边界也拓宽了，他把金融业务服务的深度也有了质的改变，所以说我们再去看金融科技，我觉得我们回顾过去几年互联网的发展来看金融科技。

　　鲁嫚：谢谢薛总，接下来我们会抛出几个问题，第一个问题有点长，首先问的是大数据、人工智能新技术手段为金融风控带来哪些影响，第二个是重构哪些金融风控的场景，再有带来哪些金融风控的产品创新，其实问了几个，一个是影响场景和创新，请几位嘉宾分别来谈一谈，谁想先聊一聊也可以谈一谈。

　　陈道富：刚才陈教授、杨总都从区块链、人工智能做了非常详细的介绍，我一直在思考一个东西，它对金融风控到底产生什么样的影响，我们可以看到其实大数据和人工智能对金融的风险和管理，对金融风险的认识和整个理论，其实我觉得到目前为止还是颠覆式的改变，是它带来几个变化，主要是基于他数据基础和他的人工智能，所以我觉得他的影响可能就在他的数据处理的广度、类型和他的数据处理技术方面，可能给风险技术带来一些边际上的影响，目前为什么说是边际上的影响？他收集的数据比我们传统收集数据的范围更广一些，所以原来我们的数据模型和风险管理没有觉知到的情况，我们现在数据收集会把触角伸到那去了，所以他感知的范围多了一些，这在风险管理上面涉及到可以感知更多范围更多领域的数据，这是他比较好的地方。

　　第二个，他借助人工智能去寻找这些数据背后所反应的一些人的行为模式，甚至从这些历史上的行为去寻找可能对风险管理帮助带有惯性的行为模式，通过这种行为模式可以对这种风险进行提前一些甄别、选择，然后管理，这个可能借助大数据和计算能力。

　　第三个，就是因为他是数据，用机器的算法来驱动的，所以他在一定程度上对情绪的影响，他也会一定程度上克服人的认知偏差，使得决策过程更加理性，认知偏差其实有时候并不完全是因为人的这种因素，既使是一些模型，他都带着人脸识别的认知，这种认知既使是用模型用数据他必然也会带来一定的认知，甚至是认知偏差，我们可以看到金融市场上很多的数据用计算机驱动交易，在危机的时候往往是周期性的，所以我觉得物质检查在一定程度上，在一定范围内他可能有助于来纠正一些我们的认知偏差，但是超过一定的行为，他可能反而成为一种约束。

　　第四个，因为他的数据，他在包括区块链的过程中，他产生了一些比较透明，就是大家都看的见，比较及时的，所以他可以在操作风险，道德风险上可以做的原来信息不那么透明做的更好一些，当然我觉得这个过程中也暴露了很多很多，他可能需要去面对的一些问题，包括这个过程他的风险管理，或者风险管控，他高度依赖于对实时数据的一种收集和反应，这个过程就相当于说是把所有的行为放在一个聚光灯下来看所有行为，在这方面的提高你的履约成本，提高你的各种各样的信用风险，信用成本等等，但是另外一方面他也使得所有的行为都暴露在这个聚光灯下，可能就会产生其他的一个行为，不完全是有意的或者无意的，可能会涉及到个人隐私的问题，也会涉及到个人创造力的问题，也会涉及到社会能不能允许一些错误的发生，当然这个过程会继续改进，但是他会提出一些命题来，就是在风控的过程中对人的隐私，人的自主性、创造性构成的一些问题。

　　另外一个，他其实高度依赖于数据，数据这个过程他本身也会创造出他的风险，我们看到刚才我们的陈总也好杨总也好都讲到区块链的价值，区块链的价值这里面涉及到非常大的一块，技术人员对信用的理解和非技术人员对信用的理解，技术人员觉得这个数据到了计算机的世界里面，到了数据世界以后，我保证传递的过程中数据的稳定性可靠，实际上信用不仅仅是这一层的信用，他没解决从现实世界到数字世界这个转化过程中要保证可靠，在传递过程中他能保证数据传递通过各种方法来保证他的安全性，但是怎么样来防止就是说包括能够有量子计算，或者计算能力不是很充分的情况下，他可能有这些风险，所以我觉得他其实在违约上面其实通过提高你的这种创办成本，和提高你违约的成本来控制这个过程，来提高他的价值，我觉得他的这种理念其实还需要嫁接社会学上的理念，就是社会学对风险管理的手段要发挥更好的作用，当然他这种数据本身内在的问题，数据他的安全性，一旦过度依赖数据，就会带来一大堆的在数据这个层面上他的真实性问题。当然模型也是存在这个问题，人工智能即使现在在试图在克服人的模型缺陷，但是人工智能需要的数据，他的及时性有很高的要求，所以他有一定的适用范围，不是所有的情景都可以低成本的使用人工智能进行回应的，既使是人工智能在绝大部分的领域能够产生，他有他的行为模式，他们相互之间这种博弈过程也会形成社会模式的，这种模式是不是合理，就会带来另一个层面上的风险问题，所以我认为说大数据和人工智能给金融风险这块提供了新的技术手段，他提供一种快速转化的一种可能，当然他也提出了新的问题，特别是当社会需要面对人和人之间的关系，当机器在人的自主响应的过程以后，他产生了一些新的风险，他在现实世界中，数据世界在转化的过程中这些风险需要一开始就有充分的认识，需要在更大的框架里面来看，大数据和人工智能在应对风险的过程中，能够低成本所做的方面和他可能存在不是那种效应，存在比较高的方面，使得在风控应有能够更加有效。

　　鲁嫚：好，非常感谢陈所长，陈所长在给我们提一个醒，就是说大数据人工智能虽然很智能很有效，但同时它也会有一定的风险，其实也给我们提出来到底人工智能是否真的能够替代人，其实我觉得是有一点毋庸置疑的，是可以把人从繁琐的低级的事情解脱出来，人可以做高维的事情，数据可以做低维的、繁荣的、复杂的事情，这个是毋庸置疑的。再有谈到这个数据的确准确性来讲要有足够的数据量，谈到风控我通过每个人的行为数据，形成各种关联的分析，最后能够评价出，我知道B我也能够推导出来A的行为，你的数据量否足够的大，再有模型是否准确，当然模型准确也是需要通过我们数据不断的跑动来实现，再有数据是什么样的数据，是结构化的还是非结构化的，都给我们提出来一系列的想法和思考，非常好，感谢陈所长，有请下一位。

　　叶梦舟：我想用两个例子来分析一下这个问题，之前我是在美国的花旗银行，北美全球零售业银行业务顾问首席战略顾问的决策，我们银行主要任务是跟科技公司进行战略合作，当时我们花旗银行遇到的痛点是说，我们有很多的存量的信贷用户，我们当时发了一款产品，大概是循环额度的产品，但是响应极低，就算有人用我们这个产品，他对这个产品的使用也非常低，所以可想而知我们是不盈利的，我们就跟一家金融科技公司来合作，他做了一件什么样的事呢？他就是用大数据，用征信局的数据来帮我们找出了我们所有这些存量用户中贷款意愿比较高，对于信贷产品响应率比较高的一部分客群，之前之所以没有找出来，是因为花旗银行百分之百依赖征信局的数据，所以我们没有办法找出来，但是跟这个公司的合作，他通过大数据和通过分布式平台的计算能力和大量数据的存储能力，还有就是所有的先进算法和模型能力，帮我们找到，使我们盈利能力得到了很大的提升，这个我认为是非常好的例子，就是用大数据去驱动风控，因为这部分人是完全符合银行的风险偏好。

　　第二个例子实际上是说我2016年回到国内以后在融360这个平台，我们看到中国国内银行面对的普遍痛点，我说一个数字，2018年所有银行的发卡数量加起来是三亿张，刚才也说了我们征信覆盖三亿人，去掉老人，当然小孩子本身也没有被征信覆盖，去掉小孩，再去掉现在已经有一张或者多张信用卡的人，大家想三亿张竞争非常激烈，我们作为金融科技公司我们可以做什么？我们可以帮助银行去找到新的客群，我们没必要去争三亿有征信的，我们可以从小孩入手，融360做了一件什么事呢？我们就是把所有没有征信的这部分人，我们根据银行他的一个决策，如果说银行不是因为征信上的不良记录拒绝的这些人，而是说我无法判断，我们就把这些人来进行我们的一系列分析，从数据的采集开始，数据的采集主要就是我们会用爬虫的技术，还有我们设备指纹来对这个人的欺诈风险和他在运营商、电商各种消费行为，包括他社保公积金的缴纳行为等等，从这里面对这个人进行初步的风险判定，我同时平台也积累了大量的黑名单，我们也去抓取网络上的记录和司法相关的行为我们都会抓取到，来对人群进行初步的排查。后续，我们也接入了很多第三方的数据，接入标签类的数据我们可以来做一系列的探侦工程，探侦工程我们用最先进的技术，我们对一些文本的分析和挖掘，另外就是去进行特诊的延伸。大家都知道其实底层的数据进来可能是完全没有意义的，但是通过我们刚才说的特殊工程的技术去进行延伸以后，就赋予了这些数据生命和区分风险的能力，我们利用这些特征工程来进行建模，建模我们有机器的学习和深度学习，机器学习我们会用比较传统的，或者说非深度学习的一些算法，比如说逻辑回归这样一些算法来对所有的特征维度来进行评估，同时会加入经验来进行学习。这个其实是最好去处理一些结构化的数据，或者说我本身就是可解释性比较强的数据，当然也有很多可解释性非常弱的数据，我们会采用深度学习的方式，举个简单的例子，当一个人去申请信贷产品的时候，他从进入这个页面到他输入密码输入各项信息等等，他的每一步都会有不同的行为，他在页面停留的时长，他打字的速度，包括他打入的信息删除这样一个频次，都可以对这个人打上不同的标签，所有的标签集结起来我们就可以用深度学习的方式，来判断不同的用户他的这种不同操作方式之间的关联，然后我们可以去捕捉到异常的行为，所以这个用户以一个欺诈的风险进行判别，这个是在算法层面。

　　同时我们有海量数据存储和计算的能力，并且我们实时的进行数据的分析，通过这一系列的数据处理、建模，我们能够在大量的小白用户中找到跟银行现有用户和风险等级完全一致的这样一个客群，他之所以银行之前不借钱给他，纯粹是因为没有征信记录，可能这个人刚刚从大学毕业，刚刚从校园里走出来，他的工作时间不长，但是并不代表他没有这样的还款能力，所以通过做这件事情，我们能够极速的增长银行的客户规模和银行的发卡量。

　　我举的这两个例子，我相信大家也从中能够看到我们技术和大数据在智能风控中的重要作用和价值。

　　鲁嫚：非常感谢叶总通过两个事例让我们感受到新的客群获客的突破，以及在风控方面的思考，非常好。有请下一位。

　　敖翔：其实刚刚各位嘉宾讲到了，我也想强调这个例子，更看重一个弱关系，比如说刚才百度提到很多用户网页的模式，或者百度的贴吧发表的一些信息，所有这些很弱的信号，很弱的特征给关联起来，取得用户的完整画像，这个时代对数据的苛求是非常疯狂的，目的是要获得用户完整画像，帮助他们做决策。

　　我们是做基于视觉基于人脸识别，现在很多在线应用使用我们的刷脸身份验证来验证身份，我想说它除了能够帮助刷脸身份认证以外，他给了一个机会可以在线的看到我们用户，这其实是在帮你验证这个人之外额外的信息量在这儿的，这个人到现在为止，我想所有的信息用起来，这个信号信息是当前所有源泉都没有了。打个比方在我们客户里面说能帮我做件事情，他不想把钱借给那个人，但是你永远不会用别的渠道来做这件事情，或者说他的房子怎么样，他在室外还是室内，数据的维度，在未来在视觉信号中特别重要，因为他比较独特，所以你不可补充的第二点看时间。第三，他很符合我们像一个人看另外一个人的时候，我们会以貌取人的判断，这是我们对物种几万人甚至几千万人衍生出来的直觉，这个直觉在现在的时代其实是被掩盖的，所以我想识别信号能够从这个维度给更多不一样的弱信号、弱数据，我们现在做的一个研究，希望能够对更多这方面做的企业，告诉他们这方面的关系，这也是我个人对现代金融、现代科技里面从这个角度帮助达成。

　　鲁嫚：好，我们也知道人脸别在身份识别方面的一个重要的应用，有请旭东总。

　　贾旭东：说到科技怎么助力金融，因为我们是一家网贷信息中介，所以我们是有机会把整合科技去助力整合金融产业，所以从我们实际经验来讲，我们觉得科技和金融的助力主要有两个大方面，一方面是在用户体验方面，另外一方面是在风控方面。简单来说用户体验方面也有几点，第一点是让很多人之前借款是从不同的地方找，对于任何一个借款方来讲能借到钱是最核心的，在这之前我们只能对征信人群做授信，由于大数据的引入我们有可能对非征信的人群做授信，让他有可能借到钱，这是非常核心的改变。

　　第二个像叶总说的，可能会有越来越多的借款人不用出门了，我相信大家都用过百度外卖，体会到不出门的快捷。以前去银行申请一张信用卡，银行会甩给你一张纸，你要拿手填，填完以后银行再录入进去再去做分析，现在如果你在银行申请借款的话，可能你完全只需要通过手机方式完成这个表单，而且这个表单非常简单，可能你填写也就需要三五分钟时间，还有一点全自动化，你什么时候需要钱可以自动去申请，你通过了，这个借款资金就拿到了。举个例子，比如说有一天有个小伙他女朋友要过生日了，他马上要买礼物，工资又没有发，我以前只能打电话跟我哥们借个钱，现在他不需要这样了，现在躺在床上把几个表单填写完就可以等着钱到帐，科技对金融的助力方面在用户体验方面，让以前借不到钱的人可以借到钱，并且不用出门，在用户体验上面是非常大的提升。

　　在风控方面，其实刚才几位老师也都说到了，可以分析出每一个借款人他的社交行为，他在互联网上的交易情况，还有一些其他的行为，这些行为一定会对全面认识一个借款人有帮助。

　　第二个是说传统金融我们大部分做的事情是总结历史规模，但是因为科技的原因我们可以及时的发现一个借款人现在这一刻的变化，我觉得这是完全不一样的时间维度。

　　第三个，我们可以避免很多人为的因素，随着机器引入以后所有的工作都是机器完成的，从某种程度上来讲科技的引入是可以避免一些人工的存在。

　　最后一点，随着科技的引入让我们风控更有力，迭代更快，我们现在可以每周去迭代我们的模型。比如说刚才杨老师提到的，虽然可能机器解决了人的问题，但是又有谁来解决机器呢，这个是之后我们要研究的方向。

　　鲁嫚：好的，感谢。大数据人工智能跟金融的结合，使得普惠金融、人人金融成为一种可能性，过去大家觉得金融离我们还稍微有点遥远，普通老百姓接触的频次没有那么高，但是因为发生了智能科技大家都能够，像刚才提到的躺在床上就可以实现一系列的金融方面的服务，再次感谢旭东总，有请薛总。

　　薛洪言：刚刚各位嘉宾都谈了科技融合助力金融，我接下来想谈一谈科技如何改变金融的本质，金融科技的本质还是金融，我想随着科技的发展这个共识可能会发生一些变化，我认为是有这个可能性的，就是科技的发展以后，因为科技他背后其实是数据，他都是需要有数据的支撑，然后科技本身包括大规模风控的模型需要在实践中跟团伙的斗争中不断成长，这个过程中会形成一个自身能力的提高，反应到最后，肯定这种能力这种资源对稀缺的数据会向少数的机构集中的。我们可以举一个简单的例子，比如说现在七大风险是金融机构面临的很重要的风险，其实七大团伙在跟一类平台相互斗争的过程中，一类平台积累的经验七大团伙也积累了自己的攻击能力，当七大团伙去降级去攻击二类平台三类平台的时候，二三类平台他们的风控顶不住，会面临很大的压力，这样的结果他们会面临很大的损失，为了规避这种损失大家共同的做法是什么样的？共同的做法是借助第三方机构，金融科技机构的帮助，我们现在看到很多独立机构去提供服务，我把我自己的经验给你服务，这个风控你可以依赖我来做，所以这个是随着七大风险的发展，很多机构他可能自身其实是搭载风控的能力越来越弱，因为他没有数据，没有那个经验，也没有那个时间、历史的维度和长度，最后这个东西可能集中在少数的机构里面，一旦这个行业走到这一步的时候，我们再去看金融机构，金融机构的业务当他的科技外包给第三方的时候，这个时候金融跟本质是什么呢？还是科技吗？还是科技的话这个金融机构还叫金融机构吗？可能就不叫金融机构了，所以到某个发展阶段的时候，金融科技的本质可能要发生一些改变，是更低的资金成本还是说获客能力，还是说资产获取能力，那个时候可能风控本身，或者金融本身他的本质，他总是会发生一些改变的，这个可能是科技对金融，或者科技与金融的融合，他最终影响的一个很高级的阶段，最后金融改变了科技，科技也改变了金融的本质，这个会成为未来一个状态，谢谢！

　　鲁嫚：好，感谢薛总，其实薛总提到了跨界融合的问题，我们发现对于金融机构来讲完全靠自己的能力还是有点难度的，必须有新的技术接入，对于新的技术公司我们说是不是有了大数据，有了技术就能够实现很好的服务了，也不行，技术服务对场景的理解是否非常的透彻，这就提出来，如果你作为一个数据风控的技术公司，那么对于数据技术应用产品，尤其对于应用产品获客、客群的一系列理解也提供更高的要求，我们每一个所在的行业都要实现未来各种各样的跨界。

　　进入到第二个问题，如何建设先进的风控反欺诈平台，提升运营效率和反欺诈效果。我觉得各自的平台都会有各自非常独到的经验，请哪位可以分享一下。

　　叶梦舟：其实之前我也大概提到了几点关于反欺诈方面的手段和技术，我们融360反欺诈平台首先是多个维度或者多条线的体系，而不是一个模型，而不是一个简单的规则，同时他也不是说只有风控部门一个部门的职责，他是所有部门一起做的事情。我们是以大数据驱动智能风控，所以数据采集这个方面是非常重要的，刚才提到了我们用爬虫技术，我们从第三方获取的数据去采集所有的大数据，我们也会有特定工程，我们有很多的机器学习和深度学习的过程来做模型，但同时也会加入专家的判断和意见，也就是说我们会有反欺诈的规则，这些规则是基于我们历史经验的积累，是基于我们对特定的用户特征的理解来建立起来规则，来配合模型使用，同时我们也会有反欺诈运营的人员，反欺诈运营的人员主要是说对于用户的行为来进行监控。刚才我也提到了，我们对于异常监控是非常非常重视，在我们数据库里会对每个用户有个精准的画像，他的一些行为模式，他的行为轨迹，他的消费行为还有他的社交属性等等，但凡他在这些类别上出现一个超出他的寻常值，或者说超出所有用户平均值清，我们就会进行报警，当然我们在监控体系里要做到跟用户体验平衡的效果，也就是说用户不希望在进行消费的时候，或者在进行借贷的时候对数据做了手脚，所以用户体验是非常重要的一个环节，具体不展开说了。

　　还有反欺诈调研的团队，这个调研的团队实际上是非常重要的，因为大家都知道，我们机器学习在反欺诈上的应用有一个最大的难点，我怎么样确定这个用户就是欺诈的用户，这个需要我做调研，去做定案我才能够得出结论，所以我们调研的团队主要就是对一些试点的用户来进行追踪追查，来最后认定这是不是一个欺诈，他是通过什么样的行为进入了我们的审批流程，而且还通过了流程，这个是调研环节。我们也有反欺诈的叫做研究的团队，什么意思呢？其实说一个很接地气的话，就说这个团队他的主要任务就是卧底，他会混迹于各种论坛，会去看这些欺诈人员他们最近讨论什么口子，这个是常话，口子什么意思呢？就是银行、金融机构政策的漏洞，一旦我们反欺诈的人员得到了口子的信息，他们就能够比较精准的判断将会有什么样的反欺诈行为出现，从而能够对这些反欺诈行为进行预警，提前控制。

　　我们反欺诈规则加上运营，加监控，加调研，加卧底，加上我们的模型，这一全套的体系就形成我们反欺诈核心的机制，但是我刚才也讲了反欺诈必须是一个闭环，所有的用户数据我们收集上来的用户数据在我们融360内部都是打通的，也就是说任何跟用户有交互的部门他都可以看到这个数据，从而对这个用户有一定的了解，从而判断这个用户他从哪来到哪去，同时在他这个环节收集上的用户信息也会输入到他的系统，来保证其他部门，比如说客服接到了一个用户的电话，这个用户有可疑的行为，客服就会进入这个系统，催收人员就会看到，所以我们在内部打造的是一个无壁垒的，数据能够透明，保证持续流动的这样一个机制，才能够让反欺诈这件事情能做到天衣无缝。

　　最后一个就是我们有一个非常完备的反馈机制，也就是说我们的政策、规则、模型实际上都是有漏洞的，它也有误伤，我们在每个环节的人员他都会对这个规则进行反馈，比如说催收，他在做失联调查的时候，尤其如果我们不定案的话，他就能够找到这个人是怎么混进来的，他是被我们哪个规则漏掉了，我们是不应该去加一规则，或者说是不是我们模型对他的评分是一个完全相反的评分，这说明我们模型存在一些问题，我们有这样的反馈机制能够让我们的政策人员、风控人员拿到第一手的反馈和信息，从而对我们政策进行优化，完成我们的快速审批。

　　总的来说，一个有效的反欺诈平台他必须是刚才所说的所有节点的一个融合，同时还有一个非常重要的，就是行业的联盟，因为大家都说黑名单这个东西，黑名单一个是说内部数据的积累，还有一个就是行业数据的一个沉淀和分享，所以在这方面我个人认为，尤其是对比像美国、欧洲一些反欺诈联盟的做法，我觉得国内在这方面还是比较空白的地带，也就是说我们怎么能够去团结所有的同业，去把一些用户的欺诈行为都能够做到一个实时的分享，能够保证说这一个人他在你这儿借不到钱，因为你知道他在你这儿逾期过，他在所有的地方都借不到钱，我们说内部的反欺诈平台加上外部反欺诈的联盟，二者并存联防联控，这样才能有效。

　　鲁嫚：感谢叶总，介绍的非常全面，谈到反欺诈不是一个点不是一个线不是一个面，而是一个庞大的系统，有请下一位。

　　贾旭东：我们是希望通过科技的方式去提高项目，对于我们来说我们其实希望能够跟技术很好的结合，简单来说我们做几块事情，第一块事情虽然我们所有的风控流程都是建立在机器的基础上，但是我们大家需要去尊重传统金融，需要向敬畏传统一样去敬畏风险，这是大家再认识里能够上升到另外一个高度。

　　第二个，虽然大家要敬畏风险，但是大家也应该能够想到，说当面临问题的时候，能不能够靠科技的方式解决，因为我觉得在短期内可能有一些技术是许多办法很熟练的应用，但是长期来看我们认为技术一定是可以提高效率的，所以我认为这是一个短期我们需要用什么样的观点去观测的风险，长期来讲我们怎么样判断更有价值。第二个，在实际应用过程中我们和金融之间怎么相对的扶持，比如说我们做资产保护催收的例子，我们是很早在整个的逾期用户提醒过程中采用语音、短信，甚至是通过机器的方式来合成语音进行催收。就像刚才老师说的，其实对于学生来说控制自己的态度，其实我觉得对于绝大部分的人来说都是好的，所以对于我们来说，我们希望有非常好的。我们希望用机器结合非常好的方式，甚至打入敌人的内部去了解工作，所以对于我们来说和科技非常好的结合起来，提高效率。

　　鲁嫚：好，感谢，科技不是万能的，但没有科技是万万不能的，有请下一位。

　　薛洪言：我觉得随着科技的发展和随着大数据的发展，的确欺诈风险越来越成为经济企业面临的风险，因为未来大家都是透明的，透明的话你的信用风险是被评估的，所以这一块风险是越来越可控的，欺诈风险有虚拟的欺诈，这个问题也存在，对于欺诈的防范，很同意叶总的观点，肯定是一个体系化的过程，其实我强调一点，因为欺诈风险他其实是一个，基于你本身的产品和业务的流程来展开的，他是业务流程中间的一个漏洞，根据这漏洞去实施欺诈的行为，所以欺诈的行为不能完全依靠外部，内部必须得有一个熟悉自己业务流程的团队来去实施反欺诈的工作，在这个过程中就会有一个误区，因为反欺诈是基于业务流程的，当你在一个业务流程中家属越来越多的一些规则，加入越来越多的限制因素的时候，他必然会导致你客户体验的下降。比如说我们举个简单的例子，很多人去银行开个户，要填一个小时或者半个小时的单子，我们互联网金融机构追求的是客户体验，所以很多机构看到微信看到支付宝能够秒级的批，今后可能也要去追求这种客户体验，如果说这个是硬性的指标，反过来会对你们反欺诈工作带来很大的挑战，反过来说意味着你们反欺诈为了保证用户的体验，在没有风控的实例，你要人为的放松很多规则，结果必然是灾难性的，你虽然在前端用户体验上不好，但是你的风控结构肯定是很差的，这个是一个误区。不同的机构要基于自身的基础去找到这个平衡点，不能去人云亦云的，不能去跟风的盲目的追求，这样是有问题的。

　　鲁嫚：找到平衡点，有请下一位。

　　敖翔：因为这家公司在做身份认证的时候，认定用户是谁，其实我的问题是在支持金融公司的业务，刚提到一点风险风控要聚集效率与能力，用户体验还是说防范强度，我们一再追求这一条，其实很多时候可以设计出完美的流程，做到几乎不可能骗你，对技术来说是很容易做到的，但最难的在于说平衡，所谓完美的技术他是不是好用，因为绝大多数的用户他还是真的是来借钱，真的是有明确的正当诉求，这里面最难的不光是人脸识别，每个系统当你有两难选择的时候找到一个瓶颈是最困难的，对于我们来说最困难的是做到用户几乎无感知的方式去验证身份，以前可能大家会看到说做很多的动作，做一个流程这样做那样做，我们用户流失是太多的，你做的确实很好，但是我获客本来就不容易，所以这点上来讲的话，我对平台建设我的平衡、应用于能力之间，现在我们提供人脸识别验证身份来说在逐步转向，不需要用户配合，用户只要看一眼就可以，技术在发展，我们近期也会推出这样的产品，这是建设的难点，我理解最难就在于平衡直到。

　　鲁嫚：有效便捷的产品是我们用户都很期待的产品，有请！

　　陈道富：我的理解可能有三个层面，第一个层面可能没有意愿，但是很多公司好多在开发怎么样去区分，这部分层面跟第二个层面是没能力了，在宏观上还有一类风险，他是做传销或者做类似于旁氏骗局的做法。国内前几年提这个的时候还是比较普遍的，风险风控这块，我觉得区别能力能够识别或者提前预警出来带有传销和旁氏骗局这种行为的模式，可以给出一个合法的预警。也做过一些，我觉得其实有更大的前景。

　　鲁嫚：好，我们还有最后一个问题，也请每位嘉宾可以简短的来谈一谈，智能风控的未来发展方向您觉得是怎么样的呢？

　　薛洪言：智能风控我觉得如果我们去展望的话，我觉得关注一点，就是说其实人的作用可能又开始越来越重要，因为我们知道说随着大数据风控兴起，人的作用在逐步的下降，人的因素被排除了，但是当技术发展到一定程度以后，人的作用又开始会凸显，会走入一个循环，因为其实很简单，因为技术是中性的，他既可以帮你防范作用，他本身也可以成为你制造风险的一种工具，所以随着智能风控越来越强大的时候，对于操作智能风控这个体系的人，我觉得他的价值观，他的道德风险我觉得会成为一个值得关注的一个重要的问题。

　　叶梦舟：我认为智能风控紧跟着来的下一步，还是说数据的越界，因为其实我一直在用这个比喻，对于用户的画像，我首先认为大数据是重大变革，就相当于一个拼图，这个用户可能我需要一万片才能把用户画像拼出来，可能我现在只有一千片或者几千片，所以说在下一阶段，我认为所有的金融风控都是在智能这件事情，我现在可能有某几个维度的数据，但是这个用户他可能左边脸长这样，右边脸很可能长的很不一样，我怎么能够去把尽可能多的维度的数据积累起来，去把这个拼图拼完整。

　　大家都知道  当年李菲菲去做猫脸识别的时候，需要一千张照片，但是现在你看人脸识别技术就是秒级，所以我在这里痴人说梦一下，我觉得将来它一定有一种科技，它是基于今天的数据积累和技术积累，当他对这个用户的某些数据去进行一个扫描，扫描以后对这个用户的还款能力、还款意愿、风险等级进行一个非常精准的判断，这些都在秒级内产生，我所有数据的采集，所有的数据特征工程等等都没有，就是这样一个科技一扫，我都这个用户的风险就非常清晰的认知，或者说我觉得这个是我希望智能风控能够走上的一条道路，或者说最终的一个方向，但是我认为说在到达这个方向之前，我们所需要做的就是尽可能多的把这个拼图给拼出来，所以数据的积累是重中之重。

　　敖翔：其实我衍生说一点，金融其实也是生意，互联网金融其实就是电商的一种，说到商业上我觉得在未来一个客户用户在系统里面，他可能不止是一串代码，是一个系统的标记，在你的行为里面是一个活生生的人，通过大数据和人工智能的技术，通过生物识别的技术，或者现在正在变得更强大的知识图谱的技术，种种技术叠加起来，最终未来在一个做在线业务的平台，不光只是金融，如果一个用户仍然不是一个用户只是一个标签，我想你的竞争力会下降的，因为我了解到，我在系统里面我跟他是朋友，而不止是你的顾客，我觉得顾客这个事情未来会有更深的含义，如果你对你的用户了解的越深刻，你和他不止是过去和现在，你和他还有未来，这是我认为人工智能技术达到极致的状态，这又回归到了我们很早以前人古老商业模式的状态，我跟一个人做生意打交道，他跟我说绝对不是同行。

　　鲁嫚：有请下一位。

　　贾旭东：其实我对金融科技之后的发展有三个期待，第一个期待我希望有更大范围数据上的共享，所以我们非常高兴的看到百度的产品，因为我们希望看到行业协会或者政府机构牵头成立一个全国范围，更多团队加入的一个数据团队，这对于任何一个团队去健全自己的数据积累和模型都是很有帮助的。第二个是所有新技术的应用，虽然现在区块链很热，但是没有什么实际的应用场景，我们坚持看好所有有可能解决现在现实问题的新技术，我们也愿意去尝试。第三个，就是怎么样能够把科技和具体的金融场景相结合，因为我觉得科技是一个很虚幻东西，它应该有一个具体的场景，它能够去不断的总结经验，不断的进化，然后证明你的价值，所以我觉得科技和金融结合也是非常重要的事情。

　　陈道富：可能在三个观念里边，在金融科技和风控结合上未来肯定有一定的发展趋势，第一个我觉得就是在互联网和人脸识别，你要识别保证现实到虚拟世界过程的准确，这个过程的各种技术应用的过程。第二个，我觉得就是他在使用过程中人工智能的过程，其实刚才我在想多维度的理解，其实反过来想人体很多时候在不同的维度是呈现出不同的样态，怎么样在具体的产品形态下，我们现在是假设人工智能把新模式找出来，但是他需要落实到具体的场景，真正的行为模式，可靠的行为模式，可以利用的有价值的行为模式到底是什么。这里面人工智能的发展他对人本身的反应，人工智能成为相对独立的主体后面他又会产生新的方向，这是我说的第二层面的。第三个，我觉得这个行业刚刚开始，还缺乏各种各样平台的建设，包括基础数据处理的建设，未来平台分层，还会继续。

　　鲁嫚：感谢几位嘉宾，未来在反欺诈、在关联分析、在风险定价、在智能匹配、智能理财以及交易反欺诈等等很多方面都在应用和深化发展的。其实谈到风险是之后的事情，大数据、智能算法的介入使得反欺诈和风控体系能够实现从滞后、被动、局部到实时、主动、全面，今天虽然时间不长，但是嘉宾给我们带来的干货是满满的，每个人的思考应该是多多的，所以我们再次把掌声送给台上所有的嘉宾，也送给台下嘉宾您的聆听，谢谢！   

　　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