乐信技术图谱解析|全AI风控系统落地斩获《亚洲银行家》大奖
时间:2019-10-21 10:01

  整个乐信对技术的定位和认知,与大部分金融公司都不太相同。前者大多是销售驱动,技术通常作为支持部门而存在,乐信则完成了技术的“去后勤化“——以业务为出发点,但必须在一定程度上先于业务。

  这也是乐信最有价值的地方,它在战略上对技术的重视暗合了整个行业的趋势。金融,已经发展成一门数字化的生意。

  多年在腾讯的工作,让他对系统和技术的价值格外看重。◆▼这个在如今看来更像一个demo的系统,已经为乐信后来“技术驱动”的发展方向埋下了伏笔。今年7月,乐信斩获《亚洲银行家》“中国最佳信贷技术项目大奖”。

  乐信最有价值的地方在于,它在战略上对技术的重视暗合了整个行业的趋势。金融,已经发展成一门数字化的生意。

  在《亚洲银行家》颁奖结束后,我们采访了乐信技术副总裁史红哲。这也是我们与史红哲的第三次面对面交流。在这篇文章里,你会看到乐信的全AI风控系统如何运作、对前沿科技的投入和今年的计划;以及这家公司对“技术”这个角色,是如何重新定位的。★△◁◁▽▼

  乐信最终成为唯一一家拿下“中国最佳信贷技术项目大奖”的金融科技公司,得益于他们在消费信贷领域的独特性:在没有BAT量级的数据和流量的情况下,乐信既需要对大量缺乏征信数据的年轻用户授信,又需要完成与上百家金融机构的资金匹配,这给技术提出了更高难度的要求。

  目前,乐信实现了98%的订单秒级智能审核,资产秒级匹配。当《亚洲银行家》希望在消费信贷方面寻找到一个真正可以体现技术驱动力的模板时,乐信很自然的进入了他们的视野。▲=○▼

  在传统的金融机构和大多数金融科技公司,核心策略仍然是销售驱动,技术通常作为支持部门而存在,▲●…△工作重心是实现业务部门的需求。

  乐信则采取了两条腿走路的策略,▼▲将研发团队划分为平台和业务两大体系。业务体系与产品绑定在一起,负责快速响应业务需求;平台体系则负责更加底层的基础设施,包括服务器、应用框架、大数据、AI等研发管理,打造出了一个内部的金融云,“以业务为出发点,★◇▽▼•但必须在一定程度上先于业务”。

  为此,乐信在研发上投入不菲。2018年,乐信研发投入达3.2亿,比去年同期2.35亿增长36.1%,占运营支出的26.9%。在上市金融科技企业中,乐信金融科技投入力度和研发人员占比,都处于领先地位。

  史红哲复述了肖文杰的一句话,“做公司,▽•●◆就是一个根据需求不断优化的过程”——不论是用户的需求、合作伙伴的需求,还是业务的需求、公司战略和发展的需求。

  这和史红哲的判断是一致的。在他看来,消费信贷最核心的,◁☆●•○△是要判断一个人的信用风险。传统金融业所采用的看历史信贷表现的方法,△▪▲□△在小额分散的消费信贷领域正变得越来越吃力。尤其是乐信的用户,◇•■★▼大多数都没有特别详细的信贷记录,甚至是人生中第一次接触到金融服务。

  同时,乐信与金融机构的资产匹配,也需要AI的介入。上百家资金提供方里,每一家的风控标准和要求其实都不一样。资产匹配引擎要根据历史订单的数据,以最快速度为新订单匹配到通过几率最大的资金方。

  很快,史红哲在2017年10月搭建了乐信的AI lab团队,把AI作为一项单独能力去进行研究,寻求它在电商和消费信贷各个环节的应用方式,再把成果相应的输出给各个业务线。

  目前,▪…□▷▷•乐信应该是国内最早实现了AI在全业务链条商用的科技金融公司——从分期乐商城的商品和广告智能推荐,到风控的授信、反欺诈和用户定价,再到资金的智能匹配。

  效果是显著的。根据公开数据,2015年乐信的运营支出占在贷余额的比重是17.3%,这一数字在2016年和2017年先后下降到8.9%和5.8%,到了2019年第一季度,•●又进一步下降到了4.5%。

  按照“基础设施要先于业务一步”的策略,乐信还在不断推动AI方面的研究。◇=△▲2018年,深圳市政府与乐信联合成立了一个人工智能实验室。据史红哲透露,乐信正在与一所国内顶尖高校接触,接下来可能会成立校企联合的实验室。

  不久前,乐信刚刚协助警方摧毁了一个100多人的欺诈团伙。乐信通过复杂关系网络发现,多个订单的背后的LBS位置、WIFI等信息非常聚集,●系统作出了高风险的判断。通过地址定位,警方在线下找到了这个团伙。

  一个简单的例子是,以广告渠道的用户来分析,来自抖音和快手的用户,可能就会体现出不同的风险表现,因而适用于两种不同的授信模型。

  一方面,AI模型可以“捞回”一部分被专家规则拒绝的用户,验证后发现他们的风险表现是可以接受的——在保持总体风险表现不变甚至还略微降低的情况下,审核的通过率有所提升;另一方面,AI已经可以通过自动学习,•☆■▲生成一些授信规则甚至模型。

  复杂关系网络的运行逻辑,▼▼▽●▽●是通过分析和计算每个用户与黑名单和欺诈团伙的关联程度、多个订单之间的关联程度,来判断风险的高低,寻找所谓的“坏用户”和“坏订单”。“欺诈团伙也在变得越来越聪明,很多订单本身并没有问题,但一定会存在关联。在乐信这种小额分散的模式下,欺诈绝对不会孤立存在和发生。”

  史红哲透露,在全面运用AI技术以后,乐信遇到的欺诈资产下降了70%以上。团伙性欺诈的大案最近一年也变得越来越少。

  目前,◆●△▼●乐信的复杂关系网络中,大概有4到6亿节点和边,有7500个风控变量。并且,这些数据未来还会继续扩大。要在每天上百万的订单中去进行如此庞大的计算,能做到的只有程序和机器。

  一是用于客服、催收等方面的对话机器人,他们正试图通过自然语言处理技术,提升对话的智能程度,做到有意义的连续对话。一定程度上,这和今年百度开发者大会上,小度新实现“一次唤醒,多轮交互”比较相似。

  二是在语音质监方面的研发投入,通过将语音样本转化成文本、语音特征分析等方式,让AI来执行客服和催收录音的监测,进一步降低人力抽查和监督的成本。

  三是人脸识别。◇…=▲已经成为标配的刷脸登陆、刷脸认证之外,史红哲计划在视频防伪、视频解析方面继续投入,作为授信和反欺诈方式的补充维度,来应对一些技术能力较强的欺诈团伙。

  按照他的计划,核心业务中台、数据中台和AI中台,将成为接下来重点打造的三大技术中台,▲★-●▪▲□◁私有云的建设和完善也将提上日程;团队方面,★-●=•▽原来的大数据团队和AI团队将合并成立一个新的大数据智能部。

  技术中台整合搭建完成后,原来相对分散的力量会进一步集中起来,增加团队的整体协同,为后续向各条业务线输出AI能力做好准备。返回搜狐,查看更多□◁▷•●