《贸易金融》记者张铭研

凯文凯利在《必然》中所说，科技进步使得越来越多的东西以指数级的速度增加。近几年，随着金融科技不断深入到产业，金融业务综合化、智能化的发展趋势愈发明显。反映在金融业务上，便是用户对金融服务和产品的实时性和便捷性等体验方面的要求越来越高。

以大数据、云计算、人工智能等为代表的科学技术在重塑着企业的发展模式和风控业态。例如，我国的消费金融正是依托互联网金融发展起来的，特别是80后、90后、00后的消费群体把中国消费金融推到了一个新高点。但是在开展业务的过程中，消费金融也存在如获客、场景获取和风险管理等等一些痛点。

科技企业是如何帮助银行等金融机构更好的开展业务？如何解决例如消费金融、供应链金融、小微金融业务中的一些痛点、难点？带着这些疑问，记者走访了天云数据CEO雷涛。

为解决国内AI技术商业实践中痛点，天云数据提出：“让企业获取机器智能像读书一样简单。”

天云数据CEO雷涛对记者表示，互联网渗透率提升带来了数据迅猛增长，包括信息化系统里沉淀的各种交易数据，互联网用户产生的行为数据等。这些不断扩大的数据资源，同时也为积极创新的厂商带来了收入增长的机遇。

在金融机构中，银行其实是机器学习比较成熟的使用者。西方机器学习的核心客户群体就是银行。这是由于银行业务本身就具有量化分析的需求，比如信用卡额度的衡定就需要风险量化模型，所以银行对机器学习的使用习惯已经培养起来了，再接纳AI企业的商业模式就比较顺畅。

当然，天云数据的步伐不止于此，2018年以来，天云数据已经实现了从金融科技，到医药、军工、能源，天云的泛行业布局，进一步提高了科技对产业的渗透率。

据了解，天云数据，自2013年成立以来持续深耕金融业，国内能够同时提供分布式计算平台产品和AI平台基础设施的科技厂商，并拥有博士后工作站和国家级高新企业称号。

科技改变了传统金融的风控方向

科技已经对金融业的风控模式进行颠覆，雷涛对记者表示,天云关注的是金融业务的数据处理，信息处理和一些业务模型。

无论消费金融还是供应链金融，对资产进行封装，生产面向C端用户或者B端用户的金融产品，其实这也是资产的风险传递方向。

曾经，信用都是从主体系统、核心企业向下传达，从甲方的真实需求向下传递，因为通过真实的交易，主体信用的评估可以向下传递，传递的介质就依靠这些仓单、订单、运单等等这一系列的交易数据。而现在，因为科技发展，风控模式开始出现了一些变化。金融科技可以通过数据把信用方向自下而上传导。

以前是从保理业务的角度，评估方式更多是基于对订单本身，即这单生意本身的真实性。因为线下的每单的评估成本比较高，这导致只有金额足够大的订单才值得去做。而中国2万多家做保理企业的业务具有“小额、高频、海量”的特点，并且沉淀在不同产业不同区域，它的空间维度和交易的复杂、多样性，决定了他的生意规模都是碎片化的。

物流公司每个月的上亿的流水，其实真正碎片化的司机端的行为数据都是几百块钱的小额订单和配送活动。他的行为已经被TMS这些信息化系统充分的数字化，它可以贯穿从甲方到第三方物流到专线甚至到司机的全行业。

在银行信用卡业务中，通过信用卡的交易行为，而不是建立在主体信用上，从行为数据的系统上，甚至连续18个月以上的风险暴露期的所有的交易行为，利用人工智能等技术都可以去度量。在个体业务上，可以制作量化模型，像信用卡客户的识别、额度的管理，还款意愿还款能力的这些行为的量化模型，比如额度评估模型是可以对个体业务的行为数据图表。

实际上，天云提出是一个反向的构建风控模型的方式，不是从自上而下的主体系统向下传导。这也正是多数大型的核心企业不愿意去做这些事，因为根本上来说，这些核心企业没有必要为下游企业去承担风险。

随着产业数字化落地，企业越来越难去造假，我们通过技术手段更容易捕捉它的信用风险和交易风险。天云数据更多的是依赖于低代码的智能化产品生产方式，这个程序可以去做金融，也可以服务于其他行业。在2018年泛行业化给自己的产能也提升了很多。

人工智能系统化提升金融机构能力

雷涛说，电商利用推荐引擎重构了零售业；传统超市货物摆放的最佳实践，被淘宝的贝叶斯算法取代。人工智能可以实现对银行里的行为数据所监控的核心指标重新构建。所以天云数据在面向小微、消费金融业务，对其资产封装方式上更关注在数据本身，在度量风险方便更关注数据的连贯性，而不是说一次的订单行为或者一次的交易行为。

当然，在其他行业，例如天云数据针对没有图纸的油气管道，无法实现压力差的复杂现实场景，利用隐马尔科夫算法抽象出油气管线泄露的风险，这些都说明算法可以重构商业实践，具有极强的跨行业属性。

雷涛对记者表示，在以前，金融科技企业角色更多是在背后。现在，我们开始思考如何跟行业主体的合作时不是只做一个技术目标，而是由天云数据给它提供AI服务平台、算法模型，赋予它加工数据的处理能力。值得注意的是，随着产业分工越来越扁平化，这是一个核心关键问题，这种系统化的能力开始提升产品设计的能力是更应该被关注的。

IT向DT的演进时代，作为科技赋能者，天云数据强调低代码开发模式。这个程序智能化模型的生产不是由人脑拼出来的，是有数据有算法够自动化构建出来的。所以在交付形态和效率上，天云数据组织了一种新的生产方式。这个程序不是程序员一行一行代码写出来，而是由用数据用算法表达出来，并且现在已经很成功的在一些行业里落地和应用。

近几年，天云数据已经连续三年的被毕马威评为科技金融50强。在这个过程中，可以看到科技把金融的一些模糊的概念清晰地用量化的方式表达出来。物联网数据看似跟金融事件没关系，但是事实并非如此，天云数据曾给一家大型保险公司做ETC传感器，ETC是通关开着货车过的卡口，这些互联网数据一样可以处理卡车司机的行为。

人工智能并不是是聊天机器人，这些人机交互是AI第一波的短暂的价值体现，真正人工智能的价值是能够用算法去充分量化所有的这些行为数据。这些因为数字化体系带来痕迹，通过人工智能可以给它抽象成新的商业规则，可以去做定价、去做风险评估。