柯洁输了，消费金融人机大战火热上演！
李炫熠认为，人工智能应用能解决消费金融行业面临的挑战，并将成为消费金融科技创新的主旋律
来源：消费金融圈
围棋等级分排名世界第一的中国棋手柯洁，首战告负AlphaGo的人机围棋大战。
作为改写人类历史的终极一战，这标志着人工智能作为可能超越人类的新物种，正在悄然无声地崛起，并将改写各行各业的新格局。而在挑战重重的消费金融领域，AI应用又是否将改写消费金融的新格局？
秦苍科技联合创始人兼CTO李炫熠受邀参加GAITC全球人工智能技术大会，分享《AI如何深度应用于消费金融的风控决策》。
李炫熠认为，人工智能应用能够解决消费金融行业面临的挑战，并将成为消费金融科技创新的主旋律。GAITC全球人工智能技术大会2017由中国人工智能学会和中国中文信息学会联合主办，是中国人工智能技术和产业领域规模最大、影响力最强的专业会议之一。
李炫熠分享在消费金融领域中人工智能实践的心得
李炫熠认为，目前中国消费金融行业面临三大挑战。
首先，中国有人民银行征信记录的只有3.5亿人，个人征信渗透率只有约20%，绝大部分都是没有信贷历史的薄文件人群。
薄文件人群和白领一样有强烈的信贷需求，且信用资质良好，是一座需要开发的“金矿”。而在没有传统征信数据的支持下，识别薄文件人群的信用和欺诈风险，是风控业务面临的最大的技术挑战。
另一方面，在信贷业务中有逆向选择问题。信用良好的人群，对信贷业务的用户体验要求越高。
用户填写申请信息的复杂度和审核时长是用户体验的关键环节。
好的消费金融服务应该让信贷完全融入消费过程，通过金融服务来提高用户的消费体验。在风险可控的前提下，用更少的客户信息，更快速完成审核，才能吸引优质客户。
信贷业务中的逆向选择问题
最后，消费金融量大额小，如“买单侠”3C分期业务，在单均两千到三千的情况下，除开坏账成本、运营成本、资金成本等，收入有限。如何在风险可控的前提下，有效控制审核成本，是另一大挑战。
而如银行信用卡申请的传统风控方式，并不能解决消费金融的挑战。
首先，传统的银行信用卡申请审核中，最多用到50个来自央行征信数据点。而对于没有央行征信记录的薄文件人群来说，小规模的数据量和简单模型很难精准地区分薄文件人群的信用好坏。
而信用卡申请审核利用老专家来识别客户的风险，且易受主观因素影响。且银行信用卡的审批周期很长，无法满足消费场景的冲动购物需求。所以，传统风控技术并不适用于消费金融场景。
但人工智能的运用，让传统风控技术无法妥善解决的挑战迎刃而解。
秦苍科技自主研发了八爪鱼智能信贷平台“Octopus”，是基于人工智能的全自动风险管理体系。目前薄文件客户，只需填写不到20个字段就能完成信贷申请。整体申请过程小于5分钟，平均审核时长小于3分钟。
目前，人工智能帮助秦苍科技降低了25%左右的逾期率。仅此一项，每年就能够节约千万的坏账成本。同时，人工智能在秦苍科技客户生命周期管理的各个阶段，尤其是在风险决策当中起到了重要作用。
八爪鱼平台的数据机器人Databots以非侵入式的方式，通过互联网、社交网络、设备和传感器、内部数据、第三方合作伙伴等方式，快速收集、处理数据，将不到20个客户填写的字段迅速扩展为上万个信贷相关的数据点。
八爪鱼智能信贷平台“Octopus”
在人工智能的业务实践中，李炫熠发现，长尾数据和特征能很大提升信用评分的准确性。
例如客户在App中拖动借款金额滚动条时的停留时间，反应了客户的不同心理，对应不同的违约率。通过尽可能多地采集“弱变量”训练机器学习模型，就可以用丰富的维度来描述一个薄文件客户，使得机器对客户有全面的认知，作出比传统的强变量建模方式更加精准、全面的判断。
长尾数据和特征能很大提升信用评分的准确性
另一方面，机器学习模型的自动训练和实时性，可以大幅度提高预测信用评分准确性。
人工智能可以在毫无人工干预的情况下，自动训练模型。消费金融客户特征随着时间变化，有非常明显的时间效应。
因此，信贷模式必须紧跟客户人群的变化，迭代发展。传统信贷模式的人工建模过程过于复杂，银行信用评分卡模型每半年才会人工更新一次。
目前，秦苍科技每天用最新有表现的移动窗口客户群来训练信贷模型，比每半年换一次模型的预测准确率（AUC）能够至少提升5%-10%。
机器学习模型的自动训练和实时性大幅度提高预测信用评分准确性
第三，基于社交图谱的抱团模型能够有效动态监测欺诈。
秦苍科技将用户和紧急联系人信息组建一个巨大的社交关系网络。通过社交关系中的关联度、集中度、社交关系的逻辑勾稽等异常检测，就可以动态地进行的欺诈检测。通过匹配手机号码、年龄、性别关等逻辑关系，并在社交网络上关联已有用户信息，可以有效识别团体欺诈。
基于社交图谱的抱团模型
最后，无监督学习可以很好补充基于规则的反欺诈场景。
虽然欺诈方式一直在变，但好客户的特征并不会发生剧烈变化。所以，通过识别和好客户不一样的用户特征，更加容易发现欺诈。
比如同一家门店，连续来了5个客户，都不是当地人，但身份证前6位都一样，就不满足正常的统计分布规律，出现了异常情况。通过聚类、异常检测等无监督学习算法，可以及时发现未知的异常，及时进行干预。
无监督学习补充基于规则的反欺诈场景
利用强大的计算能力做支撑，通过海量数据的收集处理，以及不断提升机器学习算法，秦苍科技的人工智能正在不断帮助提升风险决策，迎接当前消费金融业务的挑战，创造新的价值。
基于人工智能的全自动风险管理，可以在更好控制风险的情况下，提供更加快速友好的服务，提升用户体验，同时降低运营成本。
上海秦苍信息科技有限公司为年轻人群提供消费分期服务，目前旗下有蓝领3C消费分期平台“买单侠”和医美分期平台“星计划”。
2016年2月底完成C轮融资，投资方包括顺为资本、京东金融、晨兴创投、人人公司等一线投资公司，历史总融资额达到8697万美金。
早在三年前秦苍科技成立之初，李炫熠便已经清晰地预见人工智能和机器学习技术可以大幅帮助风险决策，目前秦苍科技已经拥有300多人技术团队的公司，李炫熠表示将一直坚定不移地投入资源在人工智能领域的研究，用于优化风险决策。
李炫熠认为，人工智能将成为中国消费金融业内主要的创新力量。而率先落地实践人工智能技术的秦苍科技，将领跑消费金融行业，在对抗欺诈分子的战争中，唱响科技创新的最强音。
表情
