今天給大家分享一下,，我們基于大數(shù)據(jù)在零售信貸里面的控制，包括精準(zhǔn)營(yíng)銷和清收,。

首先給公司做一個(gè)簡(jiǎn)單介紹,。百融是一家金融機(jī)構(gòu)，我們本身并不做金融,，主要基于大數(shù)據(jù),，為金融機(jī)構(gòu)提供一個(gè)服務(wù)平臺(tái)，包括個(gè)人金融和小微金融,，流量獲取,，貸前信審，目前輔助信貸機(jī)構(gòu)審核了260萬(wàn)筆貸款申請(qǐng),，通過我們審批的量超過3000多億,。

我們這個(gè)機(jī)構(gòu)很透明，在座各位都是互聯(lián)網(wǎng)創(chuàng)業(yè)者,，我們是國(guó)有控股的,，股東有中國(guó)華融、浙報(bào)傳媒,、中國(guó)國(guó)際金融公司,，我們做金融公司，確實(shí)掌握很多金融的數(shù)據(jù),。

今天主要是分享三個(gè)方面內(nèi)容,，一個(gè)是大數(shù)據(jù)在零售信貸風(fēng)控中的應(yīng)用，第二個(gè)是貸中管理,，第三個(gè)是貸后催收,。

拿捷信為例,，捷信是中國(guó)消費(fèi)金融公司里面最大的，今年放貸1500億左右,，捷信申請(qǐng)進(jìn)件的時(shí)候,，會(huì)發(fā)生兩件事情，第一個(gè)是欺詐風(fēng)險(xiǎn)識(shí)別,，第二個(gè)是信用風(fēng)險(xiǎn)識(shí)別,。欺詐這塊，包括貸款申請(qǐng)?jiān)O(shè)備反欺詐,，黑名單的過濾,，身份的驗(yàn)證，還有網(wǎng)絡(luò)異常行為,，還有申請(qǐng)信息對(duì)比,。

還有信用風(fēng)險(xiǎn)識(shí)別，主要做信用評(píng)分模型,，我們這個(gè)模型,，捷信用了兩年時(shí)間。捷信最早是我們公司所有客戶里面,，對(duì)百融金服提出最大挑戰(zhàn)的,，因?yàn)樗目腿合鲁粒饕撬{(lán)領(lǐng)工人,，農(nóng)民工,，很多人剛剛從農(nóng)村進(jìn)城，這些人身上幾乎沒有常規(guī)的信用數(shù)據(jù),，百分之八九十查不到銀行征信報(bào)告,，我們有幾百個(gè)變量，建立一個(gè)模型,。

經(jīng)過大半年的模型,，模型有效性可以做到0.35到0.38左右，這個(gè)是很難做的事情,，他們自己以前的模型,，大概在0.2幾左右，主要是客群比較下沉,。評(píng)估他的收入,，支出和消費(fèi)力，網(wǎng)絡(luò)購(gòu)物行為,，閱讀行為,，手機(jī)的使用習(xí)慣，坐飛機(jī)這些行為，用了機(jī)器學(xué)習(xí)的算法來(lái)做,。

捷信量比較大,，雙11一天有20萬(wàn)的進(jìn)件，20萬(wàn)的貸款申請(qǐng),，今年高峰期差不多到25萬(wàn)到30萬(wàn)的量級(jí),。相當(dāng)大的比例，它只是我們一家,，目前高峰期的時(shí)候,，要支撐300萬(wàn)筆貸款的審批。能不能支撐做這么大量,，背后就需要很多技術(shù)支撐,。目前來(lái)講，我們一天大概吞吐量接受上千萬(wàn),，不光貸款申請(qǐng),，還有別的服務(wù)。

此外,，我們也用了很多互聯(lián)網(wǎng)公司的方法來(lái)識(shí)別欺詐風(fēng)險(xiǎn)，比如數(shù)據(jù)庫(kù)里,，大概識(shí)別6.8億實(shí)名用戶數(shù)據(jù),，他的姓名、手機(jī)號(hào),、QQ號(hào),、郵箱網(wǎng)絡(luò)服務(wù)身份標(biāo)識(shí)。這些用戶構(gòu)成很龐大的關(guān)系網(wǎng)絡(luò),，表面上看是兩個(gè)人,，其實(shí)是一個(gè)人，誰(shuí)和誰(shuí)是一家人,，誰(shuí)和誰(shuí)是普通朋友,，或者是交易對(duì)手。人與人之間的關(guān)系,，輔助我們識(shí)別他們有沒有一種風(fēng)險(xiǎn)或者信用的傳遞,。

物以類聚，人以群分是有道理的,，這個(gè)現(xiàn)象在中國(guó)很明顯,。我們把你的姓名、手機(jī)號(hào),、身份證號(hào),，QQ號(hào)，廣義的ID通過拓?fù)鋱D連起來(lái)，就構(gòu)成一個(gè)網(wǎng)絡(luò),，識(shí)別廣義的ID之間是什么樣的關(guān)系,，關(guān)系有多緊密，這里頭有人,，有物,，物主要是上網(wǎng)設(shè)備，申請(qǐng)貸款的設(shè)備,，有單點(diǎn)關(guān)系,，群組關(guān)系，我們把基礎(chǔ)的數(shù)據(jù)庫(kù),，公司內(nèi)部叫ID hub,。 

說(shuō)到人工智能，從去年開始這個(gè)詞火爆的不得了,，在任何論壇不談人工智能,，主辦方都不好意思，我們公司最早從2009年開始做,。

那個(gè)時(shí)候發(fā)現(xiàn)跟銀行談大數(shù)據(jù),，談人工智能，幾乎都不接受,，我們公司2013年開始跟招商銀行合作,，連招行，那么先進(jìn)的銀行,，都不接受機(jī)器學(xué)習(xí),、大數(shù)據(jù)，人工智能完全不接受,。

他們認(rèn)為這些東西不靠譜,，百融金服2013年到2014年試了一下，發(fā)現(xiàn)不行啊,，我們給人家推薦的人工智能算法,，機(jī)器算法，接受不了,，追求的是某個(gè)模型和變量是可以解釋的,，什么叫可解釋呢？人能讀得懂,，指導(dǎo)我們獲客,，什么樣的人不行，我拒絕他,。

如果你解釋拼組,，銀行風(fēng)控拒絕接受你，最后我們也沒有辦法。所以,，不談什么機(jī)器學(xué)習(xí),，也不談人工智能，我們就談?dòng)袛?shù)據(jù),，用他們傳統(tǒng)的方法,，10到15個(gè)變量，每個(gè)變量都清晰,，說(shuō)得清楚,，算法它的有效性，不如人工智能算法,，但是沒辦法,，因?yàn)閭鹘y(tǒng)金融公司不接受。

但我們并沒有放棄,，在百融公司內(nèi)部算法里面,，用了很多機(jī)器學(xué)習(xí)算法，只是我們不對(duì)外輸出這個(gè)服務(wù),。我們自己的評(píng)分,，有傳統(tǒng)的邏輯合規(guī)的算法評(píng)分，也有機(jī)器學(xué)習(xí)和人工智能評(píng)分,，我們邏輯評(píng)分基本上幾十個(gè)變量,，機(jī)器算法評(píng)分變成幾千個(gè)，我們最原始的數(shù)據(jù),，高達(dá)50萬(wàn)個(gè)變量。

去年,，由于AlphaGo現(xiàn)象,，突然很多客戶開始問你們有沒有人工智能，好像我們不用人工智能就不先進(jìn)了,，其實(shí)百融早就開始用人工智能了,，比如我們幫百度建模，比如說(shuō)一個(gè)邏輯模型算法,，能做到0.3%,，人工智能算法，能夠做到0.38%,，這是非常大的提升,。這里有不同算法的組合，不一定是一個(gè)算法,，統(tǒng)稱為人工智能的算法,。我們底層有一個(gè)大的算法庫(kù)會(huì)做組合。 

我再重點(diǎn)介紹兩個(gè)方面，一個(gè)是大家談的信用風(fēng)險(xiǎn)怎么防,，一個(gè)是欺詐風(fēng)險(xiǎn)的防范,。

欺詐風(fēng)險(xiǎn)防范，就是借你錢沒安好心,，就是不還錢的,，這個(gè)是偏重一票否決，公安部通緝過的,，已經(jīng)入了黑名單的,，手機(jī)不是實(shí)名驗(yàn)證過的，銀行卡不是本人開的,，地址給我們銀行留的地址不一樣,，還有專門申請(qǐng)信用卡，騙保險(xiǎn),，這種設(shè)備,。

我們?nèi)ツ觊_始研發(fā)聲紋識(shí)別，為什么搞聲紋識(shí)別呢,？人臉識(shí)別有些機(jī)構(gòu)能夠破解,，今年3·15，央視報(bào)道過有些機(jī)構(gòu)把一些小銀行的人臉識(shí)別破解了,，通過計(jì)算機(jī)的方法,，首先盜取照片，銀行要求你轉(zhuǎn)轉(zhuǎn)嘴,，轉(zhuǎn)轉(zhuǎn)頭,，是活體識(shí)別，這些都可以用計(jì)算機(jī)方法模擬出來(lái),，絕對(duì)是高科技,，他們搞的微分幾何，大家可以去看,。微分幾何可以把人的臉拉長(zhǎng),，變圓，同時(shí)遠(yuǎn)距離看還是那個(gè)人,。這是很高科技的方法,。

聲紋識(shí)別就不一樣了，人臉識(shí)別可以破解,，欺詐團(tuán)伙,，往往外購(gòu)一批身份證號(hào)，已經(jīng)拿到你的照片,，通過計(jì)算機(jī)方法,，可以模擬出你臉是活是動(dòng)的,，可以提前做準(zhǔn)備。聲紋識(shí)別,，隨即產(chǎn)生一句話,，讓借款人來(lái)念，如果是欺詐團(tuán)伙,，他不可能雇一千個(gè)人五百個(gè)人每個(gè)人念不同的話,，只能自己念，雇人念的成本太高了,，我們通過聲紋識(shí)別就是一個(gè)人,。這也是一種類型的身份合成。

方言我們有的時(shí)候識(shí)別不出來(lái),，有人跟我說(shuō),，我生病怎么辦？我聲音沙啞了,，這種情況,，我們也識(shí)別不準(zhǔn)，但是沒有一種手段可以防住所有的騙子,，一定是多種手段結(jié)合,。所有的安全，風(fēng)險(xiǎn)問題,，最終歸結(jié)為是經(jīng)濟(jì)問題,，就是收益和成本，你只要抬高足夠的成本,，他覺得沒有必要騙你了,，他的收益太低了。只要把成本抬高就可以了,。

再看信用風(fēng)險(xiǎn)防范,。信用風(fēng)險(xiǎn)不是故意騙你錢，剛開始想還,，過三個(gè)月還不了了,，我們看還款意愿等于零,，那他就是一種極致的風(fēng)險(xiǎn),，欺詐風(fēng)險(xiǎn)是還款意愿等于零，凡是還款意愿不等于零就是信用風(fēng)險(xiǎn),。

還款能力怎么計(jì)算,，你的收入減去別的金融機(jī)構(gòu)的負(fù)債，再減去你日常的消費(fèi),，等于還給你這家金融機(jī)構(gòu)的能力,，首先是他的收入,，他掙錢能力，第二個(gè)是負(fù)債,，第三個(gè)是他的消費(fèi),，后面還有很多輔助的變量，圖書,、看雜志,，手機(jī)號(hào)使用多少年，在什么地方消費(fèi),，坐不坐飛機(jī),，社交圈怎么樣，以及有沒有對(duì)外投資,，都是幫助我們輔助判斷防范能力的,。

我們舉幾個(gè)例子，比如說(shuō)負(fù)債,，三個(gè)月之內(nèi)申請(qǐng)貸款次數(shù)達(dá)到五次以上的違約概率是不到五次的三倍以上,，這里面既有信用風(fēng)險(xiǎn)也有欺詐風(fēng)險(xiǎn)。

第二種,，留給金融機(jī)構(gòu)的地址和活動(dòng)地址是不是一樣,。五公里左右是5倍多，如果21公里就是16倍多,。這里面有很多是欺詐的,。

本地生活，比如說(shuō)在上海靜安區(qū)借款,，但是我們發(fā)現(xiàn)他消費(fèi)不在上海,，比如說(shuō)大部分消費(fèi)在長(zhǎng)沙，這就有問題了,，你的生活場(chǎng)所跟你的借款填的不一樣,，我們就要觀察，有一個(gè)消費(fèi),，聽音樂會(huì),，團(tuán)購(gòu)和溜冰，這種消費(fèi)跟網(wǎng)上買的手機(jī)是不一樣的,，你在京東買手機(jī),，在北京下單可以寄到西安去，你說(shuō)這個(gè)人在北京生活還是西安生活,，都有可能,，如果聽音樂會(huì)和看電影，那就不一樣了,，這種行為往往發(fā)生在日常生活的城市,，我們要專門去看,，你申請(qǐng)貸款的城市有多少消費(fèi)，這個(gè)消費(fèi)越少,，違約概率越高,，我們觀察到的數(shù)字，住址人群占比,，越往后,，本地生活化的行為越多，這個(gè)點(diǎn)線是這類人群的違約概率,，假如發(fā)現(xiàn)你沒有任何消費(fèi),，就是消費(fèi)率是空的話，違約概率是飆升的,，哪怕有一分錢的消費(fèi)概率,，這個(gè)人欺詐消費(fèi)概率就小很多。

還有網(wǎng)絡(luò)游戲,，我們從13年跟招商銀行合作發(fā)現(xiàn)的,，在三線城市打游戲打的越多的人違約率越高，日常人打游戲,，純粹是消耗,，不給你帶來(lái)能力的提升，不提升你的生產(chǎn)力,，所以這個(gè)變量我們后來(lái)發(fā)現(xiàn),，從13年到現(xiàn)在，還是這樣,。打的越多,，違約率越大，另外一個(gè)反過來(lái),，你看媒體讀書,，看科技類財(cái)經(jīng)類，看的越多的人,，違約率越低,，這個(gè)反映道德水平高低和受教育程度高低。

還有手機(jī)號(hào)使用程度,，手機(jī)號(hào)使用超過十年的人,，是不是靠譜的人？12年的時(shí)候馮大輝說(shuō)手機(jī)號(hào)使用超過十年的人,，是靠譜的人,，手機(jī)號(hào)超過9年的人,，有9%的違約概率,，是不是不拿手機(jī)的人就不靠譜呢,？也不是這樣的，因?yàn)槟切┢墼p團(tuán)伙,，對(duì)手機(jī)號(hào)專門辦貸款,，查不到使用多長(zhǎng)時(shí)間。

把所有數(shù)據(jù)綜合起來(lái),，我們把它做衍生,，做組合，1824個(gè)變量,，最后做一個(gè)綜合評(píng)分,，300分到1000分，這是評(píng)分的分?jǐn)?shù)分段的分布,，點(diǎn)線是對(duì)應(yīng)的違約概率,，這是在某一人群上評(píng)出來(lái)的。隨著分?jǐn)?shù)的提升,，違約概率線性下降,，從300分到500分，再到600分,，650分,，700分到800分，金融機(jī)構(gòu)做授信是要切的,，我利率是多少,，我接受到多大的違約概率，利率風(fēng)險(xiǎn)定價(jià)怎么定,，就是基于這個(gè)表定出來(lái)的,。你是30%的利率，你能接受10%的壞賬,，你是12%的利率,，你只能接受1%的壞賬，對(duì)應(yīng)的壞賬跟風(fēng)險(xiǎn)評(píng)分,，是一一對(duì)應(yīng)關(guān)系,。你要確定哪群人，要想清楚,。 

第二個(gè)就是貸中,，我們說(shuō)貸前審批，往往看到一個(gè)時(shí)點(diǎn),，這個(gè)時(shí)點(diǎn)是好是壞,，能不能放給他，貸中,，把錢貸給他了,，只管放不管還的話,，會(huì)出現(xiàn)大的問題。尤其經(jīng)濟(jì)在下行,。

我們首先去做外部整合,，發(fā)現(xiàn)外部信息變化，風(fēng)險(xiǎn)量化識(shí)別,，進(jìn)行風(fēng)險(xiǎn)推送預(yù)警,。他手機(jī)長(zhǎng)期關(guān)機(jī)，長(zhǎng)期漫游,，發(fā)現(xiàn)某個(gè)老板的手機(jī)漫游一周時(shí)間,，預(yù)警，我們發(fā)現(xiàn)他老板跑了,，他老婆還沒跑,，最后追回來(lái)一部分錢。

后來(lái)我們直接跟運(yùn)營(yíng)商合作,，看手機(jī)的狀況,。我們?cè)倏创呤眨呤者@個(gè)事情,，最近被攻擊的比較多,，尤其是山東案件，催收機(jī)構(gòu)是非常重要的事情,，感覺很low,，說(shuō)金融機(jī)構(gòu)沒有催收，除了微粒貸特殊機(jī)構(gòu),，中國(guó)也找不出幾家微粒貸那樣的機(jī)構(gòu),，別的機(jī)構(gòu)沒有催收，肯定活不下去,。

中國(guó)很多人是這樣子的,，你不找他，他不還錢,，你找他,，他想想就還了，找他說(shuō)重一點(diǎn),，就還給你了,，很多是這樣子，你說(shuō)欺詐嗎也不一定是,，他就是品行不是那么好的人,，大量的灰名單用戶，你不催是沒有辦法的，一定要催,，在催收里面,，80%都會(huì)形成壞賬的原因，是找不到人,。

這是很敏感的話題，我們今天不避諱這個(gè)話題,，不催收會(huì)出大問題的,。每一百個(gè)人，您找過來(lái),，其中70%的人,，或多或少還一部分錢，這一點(diǎn),，不光中國(guó)如此,，我跟外商也了解，西班牙銀行,，花旗銀行都聊過,，西方國(guó)家也是這樣。

大部分的零售信貸資產(chǎn)不良的原因,，第一是找不到人,。第二個(gè)找到人，他有可能還是不還,，有些人說(shuō)沒錢了,，但實(shí)際上他有錢，有些人真沒錢,。

如果對(duì)方真沒錢的話,，你催他沒有用，這里涉及到排序問題,，一百個(gè)人都能找到,，我先催誰(shuí)后催誰(shuí)，這個(gè)有講究的,，因?yàn)槟愕娜肆Y源只有那么多,，每個(gè)人平均分?jǐn)傎Y源，最后效果就不太好,。所以我們要去排序,，這個(gè)叫做壞人里面找好人。都是不好的人,，我找到相對(duì)好的人,，相對(duì)好的人有兩種，一種其實(shí)有錢，第二種錢不是很多,，但是道德還不錯(cuò),，他想辦法籌措給你，建立一種評(píng)分模型,，催收評(píng)分模型,，做個(gè)排序。在壞人里面找好人,。在貸前準(zhǔn)入的時(shí)候,，是找好人。

早期催收模型和晚期又不一樣,，還有一些人有借款怎么識(shí)別它,，他說(shuō)他不還錢的原因，通過外部數(shù)據(jù)發(fā)現(xiàn),，那是一個(gè)借款,，當(dāng)你戳穿他謊言的時(shí)候，他還是不還錢,，最終他會(huì)走上法律訴訟那條路,，那條路可以走，但是成本很高,，不合算,，一個(gè)錄音筆，七八百塊錢,，都不會(huì)做法律訴訟,，信用卡十萬(wàn)以下的，都很少有人告他,，只有十萬(wàn)以上才會(huì)走法律訴訟,。我們幫你做還款判斷，還有一個(gè)所謂的催收,。這一塊,，雖然是比較敏感的話題，還是不得不提,，這是任何金融機(jī)構(gòu),，不可或缺的一個(gè)部分。