集奧聚合高階副總裁湯林受邀出席“第十五屆中國國際金融論壇”
未來,集奧聚合會繼續加大人工智慧產業鏈佈局,全面構建大資料生態體系,專注於金融風控、反欺詐、智慧客服、精準營銷等服務,不斷髮掘商業應用場景,為更多的企業提供端到端滿意的解決方案,利用科技手段賦能普惠金融,助力實體經濟發展。
由國際銀行業聯合會、中國銀行業協會及金融時報等聯合主辦的第十五屆中國國際金融論壇於2018年12月15日-16日在上海盛大召開,本次論壇匯聚了來自監管機構、中外資銀行、國內外私募股權基金、證券及金融科技等領域的專家學者,以“現代金融體系構建服務實體經濟高質量發展”為主題,深入探討了金融科技在服務實體經濟發展中的重要作用。
上海市政府副祕書長陳鳴波,中國網際網路金融協會區塊鏈研究工作組組長李禮輝,中國開發性金融促進會執行副會長李吉平,中國銀行業協會黨委書記、專職副會長潘光偉以及國際銀行業聯合會(IBFed)總裁海德薇格·挪倫斯、世界銀行國際金融公司駐中國、韓國和蒙古國首席代表瑞沛霖等出席論壇。集奧聚合高階副總裁湯林受邀出席併發表“運用人工智慧做好金融風控”的主題演講。
集奧聚合高階副總裁 湯林
湯林表示:集奧聚合2012年在北京成立,是一家專注於大資料場景應用化的平臺公司,同時在人工智慧解決方案上面,我們會做一些研究,致力於構建一個大資料生態體系,聚焦在整個金融的風控,精準營銷等方面。因為今天是金融論壇,所以我展示了部分金融方面的合作伙伴。
目前,集奧聚合已經合作了有上千家企業,為他們提供端到端的人工智慧解決方案。剛剛前面幾位老師也提到了,我們的人工智慧其實最重要的一個基礎就是多維度的資料。我們基於使用者線上的行為,線下消費的行為,包括信貸方面的一些表現。以及在網際網路上的行為表現,地理位置,社交網路、社交圈,甚至他在運營商的相關資料積累表現,我們會把他應用在金融場景上面。從銀行、互金、消金、小貸、汽車、保險這些領域都可以涉及到。針對金融領域,我們會在營銷獲客做響應評價。然後是反欺詐甄別、信用評價,貸中,貸後。
我們對於個人信貸整體的流程做了一個簡單的劃分。首先是獲客部分。傳統情況下,銀行有地推,或者電銷。我們會從營銷的響應評價就開始介入,包括剛剛咱們鍾老師提到的智慧外呼,從營銷效率上比人工高很多。另一個方面是存量客戶啟用,我們和國內大銀行交流的時候,他們在發展信用卡業務的同時,因為現在新客獲客成本越來越高,但他的存量客戶體量非常大,四五億都有。如何把借記卡的四五億使用者轉換成貸記卡,其實這塊也是我們跟他探索了兩年多的時間,也做了很多成功案例。
反欺詐和信審,除了央行徵信能夠覆蓋到的這部分資訊,我們會從外部維度給金融機構做一些補充。比如說基礎的資訊核驗,在其他機構是否發生負面的逾期或者借貸的行為,還會從團伙欺詐的角度,判斷一度二度的聯絡人有沒有風險。融合這幾類資料得出的信用評級,完美補充機構無法涵蓋的畫像維度,用在線上、線下的消費金融、信用卡、信貸場景中,盲測的ks在0.4以上,auc在0.78左右。再就是通過裝置的使用情況,剛剛新網銀行的老師也說到了,面臨團伙欺詐的風險。進入到信用風險這塊,到底給他多少額度。這塊可能跟現在整個市場的變化也是有一定的關係,現在互金很多的客群在向銀行業轉移,轉移到銀行去申請信用卡。共債風險的防範,是需要重點防範的地方。這塊會有小的例子,給大家展示一下。
貸中,使用者進來以後只是第一步,我們錢也給了他之後,後期需要持續觀察他的金融狀態。有些是人生階段發生了變化,或者家庭出現了一些變故,也可能一開始是我們在貸前沒有覺察到的資訊。所以貸中監控是是非常重要的部分。貸後會用逾期模型進行預測,因為每個貸後的逾期客戶,可以分成不同的等級和型別,後面會進一步說明。
這個是把剛才幾個部分分別舉的例子。第一部分,大資料精準營銷部分,我們分成了兩個維度,第一個實際上就是營銷響應的部分,就是他這個人當前現在的需求到底是什麼樣的。第二個,這個人的風險狀況表現怎麼樣。這兩個我們理解為是一種婚姻介紹的方式,就是這個使用者和這個產品,不管是信貸產品還是其他的產品,他的匹配度如何,一是這個人適合什麼樣的產品。第二是這個產品需要找什麼樣的人,這是我們通過大資料的維度做了兩個模型。一個是風險的模型,一個是營銷的模型,合在一起就能對應出適合他的產品。
一旦匹配之後,就會去觸達。觸達的方式,剛剛也提到了智慧語音外呼的方式,也有其他的方式,網際網路的方式或者簡訊的方式,會根據不同的產品會進行不同的分配。第二個,我們也會根據語義識別和理解,通過一些營銷的通知或者業務諮詢,因為業務諮詢對語義的理解要求比較高。智慧催收,使用者到期之後會對他進行一個提醒式的通知。如果是複雜的互動催收,人工智慧語音的這種方式還不太具備。
我們對人的一些風險行為進行了使用者的畫像,這個人的身份核驗,LBS位置,資產情況是什麼樣的狀況,網際網路上有沒有不良訪問的記錄。現在的共債情況、逾期情況,有沒有訴訟在身上,通過這些維度把這個人刻畫的更全面,而這部分恰好是我們很多金融機構沒有涉及到的部分。我們使用過程中,發現很多的資料,不同行業的表現是不一樣的。這個只是舉了簡單的規則,弱變數資料的話,會入到模型裡面去。作為規則來說,人都會使用手機,正常使用狀態下,他的逾期率在0.78左右,這是真實的樣本。如果在不正常的使用,以及停機,他的逾期率明顯比正常要高。類似的資料,其實可以直接當做規則去使用。一些相對比較弱的變數,可以把他入到模型裡面作為引數。
這是歷史最大逾期時長的表現,如果這個人總來沒有過逾期,他的逾期率是0.92%。如果是M2、M3,逾期率逐步提高。因為這個已經經過前期的風控規則了,所以M2、M3的人數比較少一些。經過一些規則之後,還是能夠發現,逾期的最大時長也是能夠作為一個比較好的規則去判斷後期逾期概率。
以上是我們對貸前的闡述,下面我們對貸中風險管理有幾個部分分享。第一,機構自己內部已經有的相關資訊。第二,在貸中也需要引入信用評分以及提前部署後期的催收評分,去判斷這個人在貸中是不是發生劣變。會有共債的風險產生,好讓讓我們能提前介入到他的催收準備當中。
最後湯林表示,貸後也有分層分級的概念,我們會根據催收評分制定一個催收規則,這個規則分幾類。第一類,會有一些優質的客戶,他只是暫時忘記去還款了。這類使用者可以不用管他,反而是刻意用養一養的方式,然後再通過簡訊的方式給他提醒就可以。還有一類,相對優質的,逾期當天就可以用簡訊的方式做一個提醒。但有一類,真的是還款意願或者能力特別的低,這部分人就不需要機構花太多精力在他身上浪費時間,直接是委外給其他機構就可以了。綜上,催收評分的目的,實際上是把所有的逾期客戶從高到低做一個優先順序排序。這是我們訓練集和測試集的評分的表現,現在已經是非常穩定的執行階段了。
在未來,集奧聚合會繼續加大人工智慧產業鏈佈局,全面構建大資料生態體系,專注於金融風控、反欺詐、智慧客服、精準營銷等服務,不斷髮掘商業應用場景,為更多的企業提供端到端滿意的解決方案,利用科技手段賦能普惠金融,助力實體經濟發展。