BAJ已经掌握了哪些顶尖的风控密钥?

BAJ已经掌握了哪些顶尖的风控密钥?
2018年04月23日 12:01 一本财经

整理  | 近音 棘轮

2018年,风控将成为金融行业的核心竞争力。

而行业的一大趋势,是融会贯通。

“产品、客群和风险是三位一体的关系。”在“风控·命门” 一本财经金融科技峰会上,百度副总裁黄爽精准概括。

在数据和技术能力之外,运营能力也将成为风控能力的一大指标。

面对一个更加广阔的世界,行业从业者应如何更新观念,自我迭代,与时俱进?

黄爽:风控、产品、客群,如何相互作用形成“铁三角”

百度副总裁黄爽

01信贷群体贩卖的是狭隘焦虑

过去一年左右的时间里,整个个人信贷行业是过山车似的发展态势。在这个过程中,有很多言论听起来挺是那么回事的,它们有个共同的特点,就是“贩卖焦虑”。

有人说:“现金贷的业务核心是流量,最大的成本是获客成本,根本轮不到风控。”有人说:“只要把利率抬得足够高,不需要风控优势,照样能够盈利。”

出了一些监管的措施后,另外一种言论出现了:“借款人群体已经被收割殆尽了,所以可能剩下的开发空间也不足了。”也有人说:“绝大多数的客户都在多头贷,连蚂蚁和微利贷都被污染了。”最后的结果是没有流量,你会焦虑;利率不能高了,你会焦虑;你是蚂蚁,你还得焦虑,因为你会被污染。现在不焦虑,根本上不了头条。

但我们说为什么这些言论不足可信呢?

因为所有这些说法都脱离了产品、客群和风险的三角关系,在就其中一件事情做文章。有的时候,这些言论是局部成立的——在某些相对初级的环境里,当监管力度不足、技术能力有限时,你可能只能针对一小撮人,去做一个利率特别高的产品。这可以满足一时之快,但是在一个自律和他律的环境里面,这件事情就不容易做。

02客群、风险、产品三位一体

但如果你理解产品、客群和风险三位一体的关系,消费金融这件事情还是大有可为的。

首先说宏观。美国的金融科技这么牛,为什么仍有美国人觉得中国的金融科技比他们还要牛?因为中国市场有一点特质是美国市场不能比拟的,也是金融科技最大的基础:中国市场的消费增长态势仍然非常强劲。人民的生活水平在提高,人民的收入在增加,人民的人均消费额还有一个非常大的增长空间。

其次,我们的信贷渗透率大概是23%左右,日本的这个数据大概是60%左右,从个人信贷渗透率来说,仍然还有一个非常好的发展空间。

最后从参与主体来讲,除了银行以外,越来越多的非银行机构加入到这个行业里来,在不同的人群中进行探索。这也是一个非常大的增长空间。

03技术与三位一体的嫁接

大数据叠加AI能力,是挖潜市场的前提。

中国有得天独厚的条件:智能化生活,不仅仅把大数据沉淀下来了,还把大数据沉淀在设备上了,所以有条件把设备和人串起来,把信息和人串起来,把信息和设备串起来,这给人工智能提供了基础。

人工智能是什么?是算法+算力+产品化能力。

在人工智能的基础上,科技公司加入这个行列,能够把人工智能的东西工程化、产品化,让更多人可以去利用,让更多供给方能够参与到这个行业里来。

有了数据、算法和算力,对客群的理解就会比较立体。客群不仅仅是这个人有多少风险分、违约概率大概是多少,而是有什么东西会影响到这些因素。

一个真实的需求,它本身蕴含的风险远远低于一个虚假的需求。如下图这个响应模型,是对一个人的需求进行画像。

如果把信用分580-620的客户分成五等分,它的缺钱程度在最上面的20%,里面是最下面20%的90倍,也就是说,很多时候,我们其实是不理解我们是需要对上面的这20%或者最上面的40%-60%,去供给一个产品的。

说他需要钱就意味着他风险高?也不是。一个真实的需求是救急不救穷的。所以在我们高响应人群的风险分布里面,低风险的人群也是能够占到一半以上。

04解构风险、产品和客群的关系

百度交易数据不是特别多,但是相对比较实时和多维,从风险角度看,它有几个特征。

1.没有央行征信的人,百度数据是可以独立进行区分的,违约概率也能够进行有效的降低。

2.一旦这个数据和央行征信组合在一起的时候,可以跟更大的人群进行叠加,进一步提高违约的捕捉率。

3.在上述论述之上可以指导差异化定价,能够让客群的利率得到的更准确。

风险在实际中最好的应用是反欺诈。讲个实际例子,反欺诈日益扩展到线上线下,是一个巨大的高科技产业。

如果有个线下的学校,它有很多的申请。正常的学校学员之间是没有关系的。一个正常的申请渠道,人和人之间的关联度分布是非常均匀的。我们把这个叫做健康的学校。

但一个有骗贷发生的学校,人和人之间的关联度就会发生质变,很多人之间的关联都会变得非常明显,所以把这个叫做“癌症细胞”。当你把这些骗贷机构和以前历史上的骗贷机构都叠加起来的时候,这个癌细胞就长得非常快、非常大。如果这是一个可以实时停止和机构进行业务的交互,也能够非常有效地防范线上和线下的风险。

最后说产品。

对每一种人都能用合理的定价提供一个合理的产品,这个产品的形态至少应该包括利率、额度、产品形态、典型用户、交互渠道甚至于沟通方式,这些在今天都可以用模型的迭代实现最大程度的多样化。

如果我们把两两的关系进行一个论述,我认为客群和产品决定风险的平均值。

如果是你做的打引号的“现金贷”的客群,不管你怎么做,你给他的只能是非常小的小额产品。你的风险平均值可能就只是20%,这是你的客群和产品决定的,但是这不是唯一可以做的客群,我们想要做的客群应该是多种多样、最普惠的客群。针对同样的客群,如果你对客群的认知更好、风险管理水平更高,你的产品就会比较有竞争力。

其实即使是现金贷和现金贷比,产品的经历也是不一样的。也有做现金贷的机构将来会蜕变,走出更有竞争力的一条全新的道路。

最终是风险和产品决定你的客群边界。

有些客群今天做不了,但是当你的风险管理水平提升的时候,当你有更多元化的产品接触到他、打动他的时候,你的客群边界就自然而然地扩大了。

最终其实这些都不是两两关系,最终都是三位一体的关系。

余泉:大数据风控不是黑盒子,与传统风控有一样的严谨性和体系性

蚂蚁金服微贷风险管理部总经理余泉

01服务线下商户

线下商户是什么?大家可能都比较熟悉:去吃饭、美容遇到的经营线下实体店的商户。他们就像整个商业血管最末端的细胞。服务好他们,实际上就是服务好整个实体经济里以前没有被服务好的客群。

这些线下商户很难得到金融服务,就算得到金融服务,要么需要抵押,要么需要收很高的利率。实际上,蚂蚁金服从去年开始,就配合支付宝做线下商户收钱码的活动,探索怎样能用更方便、更普惠的方式服务这个客群。

我们设计了一个随时可以申请、随时可以使用的多收多贷产品,额度越用越高。有些商户甚至可以获取用花呗收款的资格。

我们专门针对商户设计了一款产品“余利宝”,即收取的零钱随时存入一个随进随取的账户,帮商户赚取更多利息。

而从消费者角度,用户可以选择支付宝和花呗等多种支付方式付款。

说到多收多贷,举一个具体实例。一个杭州商户,是30岁左右的年轻人,开了一个外卖店,五六个雇员都是父母、亲戚。在决定卖什么的时候,他经常去查看美团和大众点评上热搜的是什么,然后根据热搜调整产品。他的业务做得特别好,于是就需要扩张。

就在这时,蚂蚁金服模型数据发现了他,给他推送了产品。他顺势就用我们的五六万贷款买了一些厨房设备和冰箱。第二个月,他的业务就扩大了很多倍,也还清了贷款。

这些线下小店的现金流是类似的。一旦遇到扩张,比如开门店、买设备的时候,没有足够现金,是非常需要贷款服务雪中送炭的。

02大数据风控不是黑匣子

回到风控上来,谈一谈蚂蚁金服是如何服务这些线下商户的。

我们尊崇惠普,要给他们更好更及时的产品、更低的利率。具体到风险管理环节,就是要降低风险成本。把风险成本控得非常低,才能给客户提供最低的利率、最优质的贷款服务。

从大模式上讲,我们主要从几个角度来识别商户:他是不是经营者?他是做哪个行业的?他的经营能力在哪个等级 ?通过这些信息来全面了解商户。

此外,一方面,我们要做大数据风控;另一方面,我们也要做一些线下反欺诈的事情。网上不乏对大数据风控的误解。大数据风控经常举的一个例子是,如果某人半夜2点借钱,那么他一定是坏人。也就是说,在一些人的逻辑中,用户在页面上怎样了,他就是什么样的人。大家觉得大数据风控就是一个黑盒子。

但我觉得,最核心的大数据风控,跟传统风控其实有一点非常一致的地方:做风险管理的框架设计,是需要一模一样的严谨性和体系性的。它做传统风控没有任何区别。

评价一个人,不管是商户还是个人,一定要进行全面的评价:他的负债是多少?他的负债表现是什么形式?他的收入是多少?收入能表现什么形式?在设计任何风险管理体系的时候,一定要从这儿出发。如果没有这个体系性,只是碎片化地用一些数据做风控,风险是非常大的。

说点具体的例子。一些小商户之所以没有被服务,是因为他们没有在任何正式的商业名录、工商企业名单之中,有些人甚至从来没有银行流水、未必是个真正的注册商户。在这种情况下首先要做的,就是怎么识别他是一个经营者,而非一个个人。

我们使用支付宝获取他们的现金流交易数据,看到的是几千万、几亿现金之间的交互。我们的任务,是从资金交互网络里判断谁是经营者、谁是个体。

个体的支付宝的关系网长得像毛线团,没有集中给某个人打钱的动作,而是你转给我、我转给你这么一个比较均匀的网络。商户关系网络看起来是有个中心点的,这个图长得像蒲公英,有很多个点是陌生人向一个人转帐的。通过各种算法和调优,我们最后用这种方式识别谁是个体、谁是个人经营者。

03建立行业词库

形象的比喻可能让大家感觉这是很简单的事,但行业内的人都知道,客群分析并没有那么简单。

第一,大家想一下,如果是几千万人之间每天有资金交易的话,是需要很大的存储能力和计算能力来做这个事情的。

第二,找到这些节点没有那么容易。因为商户用支付宝也不光是收款,他也会跟亲朋好友转一下钱,要判断是私人转账还是收益,在各种考虑之后多方叠加,最后才能比较确定谁是商户。

判断谁是商户,还带给我们另外一个启发。如果有些模型被用在其他场合的次数比较多,这些模型在风控场合也是可以借鉴的。通过刚才的方式,我们想,商户有没有可能通过资金流的方式判断经营者?不是所有人都用支付宝支付的,他们支付宝上的现金流不明显,那怎样找到跟这个商户行为类似的商户?

对此,我们借鉴了搜索行业推荐行业常见的M2M算法。大家知道,在淘宝上买商品,经常被推荐一些“你可能喜欢这个”。它背后的算法是判断你跟其他消费者的相似程度,推荐相似程度的产品。我们用类似的办法也进行了买家分群,利用已有的经营者的种子,发现跟他行为比较相似的人,来拓展商户的积累。

第三,还有一个行业判断,没有国家发布的关于行业的判断,但是从风险管理、客群上,仍需要打一下标:到底是餐饮行业,还是别的什么行业。这根据现有的碎片化数据并不是特别好完成,因为商户的填写信息标准不一。

举个例子,有些人说我是做麻辣烫的,有些人说是家常菜,有些人说是小吃,有些是烤肉,这就需要去判断他到底是不是在做餐饮,是哪个行当的。我们就要通过这些词去链接他的行业。

通过去年几个月的积累,我们建立了一个行业词库,里面大概有220多个行业、几千个关键词。所有新商户填的信息,在最后标准的时候,我们都会映射到词库里,判断他的行业,对行业进行分类。

这个页面是反映多收多贷客户得到了什么。作为经营者,你使用支付宝收款,因为我们对你的了解更多,你可以贷的款就更多。商户每天都会算算自己这一天赚了多少钱,他需要一些微小及时的鼓励,所以在提额的设计上,如果他满足要求的话,我们每10天就会给他提一次额,相当于给他奖励。

我特别同意黄爽的观点,我想的跟她说的客群、风险、产品的“铁三角”关系很像。这个东西如果转起来,会产生特别不一样的化学反应。一旦你的产品打出品牌,有更多人用,那你风险管理的效果是不一样的。

中国小微企业贷款粗估是在7千万到1亿这个量级,这个蓝海非常浩瀚。我们想做的不是自己去自营,而是希望通过我们的能力,通过平台化的方式,跟体系外的银行和其他金融企业合作,一起来服务小微企业。

春:金融核心是控,控核心是数据能力

京东金融风险管理部总经理沈晓春

01风控能力的三个方向:数据、技术、运营

做金融的人都知道,风控是金融的核心,也是能量的来源。

风控帮助我们更好地长足发展。对风控的重视程度、投入的资源多寡,也体现了一个企业是否有决心把业务做长远,做到真正良性发展。

而风控能力的三个方向,则是数据能力、技术能力(AI能力)与运营能力。

首先,数据能力是做风控的真正核心基础,这是毋庸置疑的。京东金融在服务合作伙伴与个人用户的过程中,积累了大量数据。每天新增的数据量,超过200TB。这些数据可以在风控层面上,做各种模型、策略、定制化的场景等。

在技术能力上,算法的最终能力取决于底层的算力,也取决于这些算力资源如何实现优化。例如,在最底层的基础层,如何做数据的标注,可以让数据的计算高效地支撑中间的算法层?如何通过一些分布式机器学习的方式、资源的调配,来更好地利用所有的算力?

在中间的算法层,图像、语音识别的算法,如何整合基础层上的数据?如何把数据量化到技术模块当中?如何让数据最终在真正的产品层,实现欺诈检测、智能投顾、客服运营?这些都是底层技术在具体场景中的实际落地。

最后,是运营能力。数据、技术在风控过程中的重要性,大家都很容易理解,但今天,我为什么还要强调运营能力呢?

运营来自于多样的场景、多样的产品和多样客群的交织。在这样的过程中,运营能力实际上驱动了产品和实际场景的复杂度,从而给风控提出了更高的要求、更多的挑战。

在问题的解决过程中,运营能力与风控能力互相驱动。运营能力不断地深化,可以迫使风控能力在一个特殊场景、在一个特殊客群上能够更好地理解客户,从多维、动态的角度了解客户的需求,了解客户的风险点,从而在这个过程中,把产品推向体验的极致,最终达到用户体验与系统风控的平衡。

02科技让风控更安全

风控有几大方面,无论是运营对风控的推动,还是数据对风控的支撑,技术都是非常重要的部分。

以在线环境为例。在线环境对于账户的安全体系要求极高,技术如何在保证用户体验的前提下,帮助风控实现真正安全的账户体系?

用户在登录账号时,风控系统会把账户登陆的安全场景分为两层。一层是纯技术的,包括设备的识别、人机识别、生物识别的特征,都有相应的技术模块,生成标签、预警。

这些信息会传递到第二层:日常登陆模型和账户安全模型。第二层模型会对信息进行处理,识别是否是用户本人在使用账户,是否有可疑行为发生。这样可以在不打扰用户情况下,保护用户信息、资产安全。

上图我们在反欺诈过程中用到的一个算法:通过路径学习的方式,识别整个登陆过程、客户交易过程中可能出现的风险点。

我们经常说“道不同不相为谋”,这更多是从他的行为特征来看。简单举例,如何在一个营销活动中,确定客户是本人登陆账户呢?

前端有账户登陆的模型,会排除一些可能性。在这个过程中,一个正常客户的路径,会看到领优惠券,浏览一些不同优惠券覆盖的优惠商品,并在这个过程中进行比价、放购物车,然后再进行支付。

这是常规的路径。我们可以挑选一个反例:客户几次修改密码,直接查看余额,尝试转账,最后把易变现品放入购物车。这样的行为存在很多疑点,这些疑点在整个路径学习过程中,可以通过时间回溯与既往历史比较,判定是否存在安全问题。在整个欺诈、反欺诈的领域中,这一算法也应用得非常广泛。

设备群体挖掘技术,基于图形算法开发,被誉为风控体系防火墙,是目前比较常见的模型算法之一。黑产的隐蔽性非常高,我们利用已经发现的问题,就可以借此进行排查。

这是一种关联性的算法,也是一个节点,可以判断出一度关联、二度关联到三度关联中,每个节点关联到有问题客群或中介的概率是多少。这一算法可以排查集散点与可疑点。

对账户登录的各个环节,进行交易反欺诈、信贷申请反欺诈、反洗钱与营销风控排查,是非常重要的。风控体系防火墙的应用十分广泛,也解决了很多问题。

03技术推动新监管

技术可以推动业务的发展,也可以帮助我们更好地配合监管。反洗钱就是一个典型的例子,反洗钱包括对所有商户的KYB、普通商户的KYC,之后到交易、到监控、到信息审核的闭环。

实际的反洗钱体系,也基于强大的计算平台,每笔资金交易都会接入反洗钱体系,通过历史交易、静态信息、对手交易评级等特征值进行判断,是否出现涉及反洗钱等可疑行为,并上报监管。

包括黑名单挖掘技术在内的整个体系,也会在实际应用场景中进行落地,并实现90%以上环节的自动化监控和排查。

在京东金融自有业务上,京东金融与银联推出了风险信息共享机制,在区块链技术的加持下,可以实现更加完善安全的风险共享体系。在这个体系中,所有成员都有准入标准,获准进入的成员可以将信息记录在区块链中,共同维护数据安全。

风控讲究的是全流程、全方位、多维度的判断和防控。我们自营业务本身就有这样的需求,用户的注册、登陆、参加营销活动、支付订单、理财等行为,其实都在风控系统的保护范围内。

作者文章

新浪首页 语音播报 相关新闻 返回顶部