首页 > 征信

激辩新金融春季峰会:新技术发展迅猛 基础设施建设仍待补全

征信 零壹财经 零壹财经 2017-04-10 阅读:3225

关键词:征信基础设施新技术区块链新金融

随着新技术诞生,新的金融秩序跟以往不同,新技术跟传统的金融技术之间是如何碰撞的?
4月10日,零壹财经新金融春季峰会:重塑信用链在北京召开。 

近年来,互联网技术和商业模式对金融业发展的重塑进入新的阶段。金融业在渠道上深度革新之后,正在运用新技术和新思维,重塑信用链条:它正在改变金融基础设施,构建新型的产融关系,升级金融风控的生态链条,从而在生产、消费、技术、新金融及资本市场等要素之间塑造了新的通路。  


新信用,新金融。信用链条的重塑,将对新金融的格局带来深远影响。可以预见的是,无论传统金融机构,还是新金融从业者,都将以各自的方式,参与到这场信用重塑的运动中来。 

新京报经济新闻部主编苏曼丽、优信金融总经理于景渊、Maxent猛犸反欺诈创始人张克、小赢科技COO周晓波、算话征信CEO蒋庆军、布比联合创始人兼COO李军出席并参与了主题为“新技术如何进行金融基础设施建设”的圆桌论坛。 

以下为圆桌论坛演讲实录(有删减):

苏曼丽:谢谢零壹财经给我这个机会,让我学习一些新技术,我们这场圆桌论坛的主题是新技术如何进行金融基础设施建设。首先请嘉宾们做一个自我介绍!

李军:大家好,我是布比联合的李军,我们是专门做区块链基础设施服务的公司,于2015年成立。我们第一个布比区块链技术是2015年成立公司以后完全独立自主开发的区块链底层,并不是在开源的基础上。布比除了做区块链技术输出以外,很荣幸在领域里面跟大家合作了几个项目,包括自己也做的两个,一个小额数字资产像类似于积分这样的小额大众多频,还有做供应链金融方面的事情。

于景渊:我是优信金融的于景渊,优信金融是国内最大的二手车电商平台,优信集团的电商业务板块,我们主要从事汽车产业线的金融。在这个过程中,我们确实涉足和设计了很多新金融玩法,包括风险控制的玩法,非常高兴跟大家分享。

张克:我是猛犸反欺诈的张克,我们专注做业务反欺诈保护业务安全,我们是以技术为核心的公司,我们最初核心技术在识别不同的移动终端,不同的发起交易的设备,是否是可信的,现在逐渐的扩展到对人的识别,就是说这个人在互联网发起交易的时候他说他是一个人,到底是不是一个真人,比如说他说自己是张克,那么他是不是张克本人,我们通过行为模式的检测寻找他行为中表现的异常发现问题。

蒋庆军:我是算话征信的蒋庆军,我们是一家提供信用信息共享、反欺诈以及信用评分等一系列产品的大数据风控服务公司,我们的定位是零售信贷风险管理专家。

周晓波:我是小赢科技的周晓波,我们小赢科技资产端和零售端都做,跟今天有关的话题是资产端,我们做三件事情,第一提高现有贷款业务的效率,第二用互联网的方式经营风险,第三用互联网的方式接触用户并黏住用户。

苏曼丽:嘉宾介绍过程中有很多新的名词,区块链大数据比较多,但是有嘉宾介绍到如何识别人是人而不是狗,这可能是延伸到人工智能了,我们知道新技术诞生以后,有很多金融技术公司可能本身的技术并不是特别的先进或者高明,而是蹭一个技术的热点,我不知道你们新技术占公司业务多少,新技术跟传统的金融技术之间是如何碰撞的,有没有难处理的地方?

李军:区块链技术被大家看好,在这个方面都能发挥作用,尤其是金融领域,也不排除征信环节。征信从我个人理解是比较浅的,从三个环节:数据源、征信公司数据加工方以及数据的使用方,我现在考虑到的就是区块链可以作为数据源使用,就是除了官方政府的这种数据源以外,如果在某种场景下所有的数据技术都应用区块链来做,它的可信度非常的强,这是一个方面。我也想到今天会议主题“重塑信用链”区块链是很好的连接信任的技术手段,布比公司前两年把自己作为一个技术输出公司来定位的时候,没有涉及到任何金融征信方面的业务,只是一个技术输出公司,我们在新技术领域百分百都是靠新技术挣钱的,但是还没有涉及到业务,这是一个方面。

苏曼丽:你提供区块链服务的供应商,你们的客户里面有多少是区块链用来做主要技术还是一个尝试性的东西?

李军:我的客户分两类:第一确实是勇于尝试螃蟹的,在学习在探索,在试试看的角度,占2/3,还有1/3把技术用在它的系统当中,包括银行证券保险以及一些核心企业,但是银行里并没有用到它的核心业务核心系统当中去,这是一类。除此之外还有一类可以补充一下,这60多家企业占我们接触到有区块链需求,或者对区块链感兴趣企业的有10%,还有90%对区块链需求是伪需求,区块链一定是互相监督的机制,如果仅仅是单一机构想提升单一机构的优势,那用区块链没有什么作用的。

于景渊:我们是电商金融平台的业务,尤其是汽车业务,我们链条分三个方面:人、车和贸易本身。人来讲,我们更多的用一些征信机构的评分,我们也用这样的服务提高效率。后两个部分车和场景,通过大数据的方面做了有益的工作,车方面大家都知道涉及到金融,你的标的物本身非常的重要,车或者二手车它的价值如何判定,这是一个重要的环节。在这里优信积累了很多年的交易数据,包括车辆的背景资料的数据,我们可以非常好地用很高的效率对车况和价值做判断,这完全依靠大数据实现的。

大家可以想象一辆车的价值,没有一个评估机构可以用一个算法算出来,而是积累我们6年的交易数据,我们可以看到这辆车同款从2011年到现在所有车真实的价格,车况和标的物我们做了细致的判断。既然是消费贷款,消费的真实性,对整个业务风险的把控非常的重要,大家讲到骗贷因为很多的交易背景就是虚假的,才会造成严重的欺诈事件,我们从第一时间客户在网上浏览开始去跟踪它的行为,去年年底的时候我们遭受过一些攻击,我们可以看到一般的消费者真正有购买意愿的消费者行为是什么?他会搜索关键字比如说宝马3系,他会车辆的信息或者地区价格等等。但是一些欺诈行为不同,它会跳到我们的网站到申请页面直接申请,任何车辆的信息都不会看。车贷从线上第一时间到最后整个环节在场景里面我们希望能更准确的把控场景,通过贸易背景判断甄别最终的消费者,这是我们非常看中的环节,从人车到交易场景我们不断地做优化,用了很多供应商的产品,希望通过新技术更快的提高效率并且提高资产的质量和把控。

苏曼丽:猛犸反欺诈能否给于总提供一个解决方案,他们需要用一些技术手段排除这些欺诈的行为?你们有什么新的技术?

张克:我们的核心技术是怎么在业务层面帮助客户解决问题。我们在金融行业和客户谈下来,大家有一个重要的需求就是那边那个人他说他是某某某,他就是某某某,这样确定下来才可以做真正的征信。我们技术主线都是往这个方面走,最早的技术做设备的识别,在中国市场上设备识别我们做的最好,我们不是通过简单的传统的方式,通过一些单纯的ID的比较识别设备,我们做的就是机器学习的方法。了解整个市场上不同类型的手机,不同的时间不同的空间分布的模型是如何的,根据各种各样的特征,去判断不同的访问之间是否来自于相同的手机,这是第一步。我们首先判断移动终端是否是相同的,之后判断使用终端这个人,比如说两次通过同一个手机发起的业务请求,它是否来自于相同的人,就是从设备到人的判断。

接下来比如我们的业务系统有1亿真实人发起业务需求,这里面有哪些人是生物上相同的人,这一点相对比较难,国外有很多公司往这个方面走,我们努力做这方面的工作。它的主要技术手段就是机器学习。还有一点庞博士演讲中说我们数据里面包括的智能还不够多,这一点我完全同意。但是我们在这方面做了一些探索性的突破,所有的数据里面包含的智能不够多因为这些数据无法代替人的思考,无法通过数据快速的得到结论。我们方法所谓的异常检测,把一个人的行为在业务里面转化成离群度,就是它的行为和正常人群体有多大的差异,我们做了归一,然后做出了指标,判断每一次行为里面蕴藏多大的风险。

苏曼丽:蒋庆军总,个人征信业务竞争非常激烈,你们有一些什么样的新技术手段?你们的数据会比蚂蚁金服的芝麻信用还要多吗?

蒋庆军:应该说,两者是两种不同类型的业务模式。我属于国内最早从事个人征信业务的一批人,而芝麻信用的模式跟我们完全不同,他们最早有大量的2C业务,而我们是专对机构提供风控服务的。

我们公司有四条主要产品线,首先是共享征信,这部分相对比较传统,是债务信息的共享,也是自1999以来,算话管理团队的主要个人从业经历。在这块业务中,我们定位的服务对象是非银行信贷机构,满足的是网贷、消费金融、融资租赁等信贷机构的债务人信用信息共享需求。

算话征信目前还有反欺诈、信用评分以及大数据服务等三大主要风控产品。反欺诈产品的话,新技术在这里面占七成左右,评分产品应该在五五开,大数据服务应该是二八比例,80%用的是新技术。可见,在算话征信提供的风控服务里,新技术占了相当大的比重。

传统征信技术很大程度上依赖标准数据,比如征信局的通用评分。这样的评分技术已经很成熟了,用的是数学统计的一整套方法,新技术发挥的空间不大。算话征信既提供征信局的通用评分,也用一些比较新的技术比如说机器学习等,而我们的数据不仅来自传统征信局的标准数据,也会有外部的一些大数据。建评分模型的时候,只要使用的不是标准数据,可能就要用到现在比较流行的新技术。

算话的反欺诈业务运用了知识图谱技术,我们擅长处理申请欺诈尤其是团伙欺诈的行为。现在主流的欺诈行为都是团伙欺诈,零星的个人欺诈对机构造成的损失相对来说是比较小的。团伙欺诈有自己的特征,我们通过海量的数据,结合外部的多维度信息,可以识别出某笔申请是不是团伙欺诈行为中的一笔。因为团伙欺诈是同时发起很多笔申请,而我们是跨机构的平台,很多信贷机构都在用我们的反欺诈产品,这时算话反欺诈的优势就体现出来了,因为我们可以同时看到某个欺诈团伙在不同平台提出的申请,运用我们的知识图谱技术就很容易识别出来,而这是单一机构无法使用反欺诈技术做到的。

另外,我自己是搞评分专业的,概率统计学科班出身,对评分与大数据的关系比较了解。评分的确可以利用大数据,美国的FICO用的都是美国征信局的数据,它的技术都是很传统的,像逻辑回归等。算话的评分业务则是传统技术+新技术,大数据服务在数据采集这块也用到了大量的新技术。

总体来说,算话征信是一个共享征信服务加三大风控产品,我们判断,新技术在风控领域的应用会越来越普遍,因为数据量越来越大,传统技术也越来越难以高效筛选出有价值的数据。

周晓波:我们是做业务的,我们用业务的需求反过来推技术的需求,我们是这样的三步走:技术的逐步的提升从以前的基于流程控制的风控手段,转到以数据驱动的风控手段,将来以大数据弱特征为主的风控手段。为什么这样做?

小赢科技的贷款客群是比银行略差但是还是比较好的那部分客户,我们对它的风险考察基于强特征的人群去做的。因为有征信的就那么多人,将来我们一定往下沉,做风险更大的强特征更少的,这时候不可避免地用到弱特征,比如说通话、社交信息,我们基于数据驱动的手段就无法满足要求。数据驱动是通过业务经验找到它的特征,以这些特征为基础对这些人进行辨识,大数据通过特征维度的选取本身就是通过技术手段得出的。我们对贷款人维度考察就会极大的增加,以前通过人工介入的方式就不划算了,这样对大数据的需求越来越强烈。

我们公司是这样的三步走的方式,对技术的需求就是这三个层次。我们面临最大问题:第一数据孤岛很严重,很难跟别人做分享,这是区块链发挥作用的一个地方。第二难点反欺诈,我们贷款申请时候要求很严格,要做活体检测人脸识别,基本上能够把控住这个人就是那个人,但是这时候还有一些欺诈,可能是团伙欺诈,这是我们遇到的问题。

苏曼丽:刚才提出有区块链的需求,布比可以解决一下,反欺诈猛犸的张总可以解决,我理解目前传统的技术基础之上做一些新技术的应用,包括一些大数据的开发,我们也看到随着新技术诞生,新的金融秩序跟以往不同,但是主题演讲当中嘉宾提到一个问题“关于金融基础设施的基础设施建设还不完善”。以征信为例,第二位演讲嘉宾提到信息过度开发,还有个人信息保护不太好的情况,也是行业的现状。零壹财经报告当中也提到这个问题,台上的嘉宾有3位是技术的提供方,有两位是应用方,你们能否从各自的角度谈一下关于征信基础建设存在的问题?

蒋庆军:说起个人隐私,这个问题需要认真对待,我们也一直在思考。算话管理团队都有传统征信的基因,我们早期也参与了《征信业管理条例》征求意见的过程,我们对个人信息保护得重要性有很深的理解。

现在的大数据环境下,这个问题已经开始浮出水面并引起社会各方面的重视。现在很多大数据风控机构都会用到大量的数据,而算话作为正在申请个人征信业务许可的机构,坚持数据的采集和使用必须经过信息主体本人的授权,这是我们的底线和红线,如果突破这条底线,就意味着作为一个信息公司,留下了一个非法的记录。

征信机构本身的经营行为也是一种信用行为,合规合法的经营就是为自己的机构信用背书,我们很在意自己在数据采集和使用过程中的行为是否合规,有潜在风险的行为必须经过严格讨论。因为即便现在有些数据经过本人授权采集了,可是国家将来也可能会出台法律,规定这些数据不能使用,那么,现在蓬勃发展的大数据风控这块业务,未来就可能会受到一定的限制。就算你的技术非常好,但是使用的大量数据将来很可能成为法律禁区,那么经营就是有风险的。

我们可以分成几种情况来分析。首先,即便本人授权,而法律却不允许采集的个人信息,这个情况是否有?当然是有的。比如说,征信机构不能采集个人的血型、疾病、宗教信仰等信息。其次,经过本人特别的许可,机构可以采集其某种信息,譬如资产信息,但对于信息主体来讲存在某种风险,如果你同意的话,你的资产情况可能暴露,人家可能上门偷窃。在这种情况中,告知信息主体本人之后他还是同意了,这就属于可以采集的信息。第三,如果你采集一些对风控有用,但是未来法律很可能不允许使用的数据,这个要特别注意。很多数据服务机构有可能采集了个人没有授权的信息,这是当下非常严重的现象。

李军:征信领域我是一个幼儿园水平的,从区块链往征信领域用,尤其是周总提到的信息的共享交换领域来用,用区块链大家都有一个很好的期望,但是怎么用,我真的没有想好,坦白的讲,我觉得不一定能用的上。区块链我们自己做的大多数业务是2B的,它可以作为一个信息源的提供方,如果从你的问题来分,作为一个征信行业的基础设施区块链能发挥什么作用?我觉得如果除了官方数据以外,非官方数据都通过区块链分布式的互相协同互相监督的方式积累建立起来的数据库系统,这个数据库系统是非常值得信任的。这样的区块链系统往往不是一家建立起来的,是某一个行业相关方一个圈子一个圈子建立起来的,这个数据的可靠性和可信性就更高一些。

张克:我们的客户是有传统的银行,也有现在的新的互联网金融,这里面我们感触很深。整个金融行业,能够发展起来就是一个信用扩张的结果,这里面核心是双向的互信,目前我们探索不同的业务解决方案的时候有一个很重要的点就是信任。一个是企业对用户的信任以及用户对企业的信任,移动互联网上,我们有一个银行客户聊天的时候他说:传统银行过去没有这么多的欺诈,到了移动互联网上就这么多的欺诈,因为互联网的欺诈成本更低,被发现的机会更小。

对于银行来说,他就要在业务范围内建立一个更加安全的环境,这时候在互联网上对用户来讲,现在的用户希望有一个更好的体验,当银行或者金融行业风控上做的更严格的时候,有可能影响用户体验的。比如说小赢科技说用面部识别,这是无奈的手段,但是这可能对客户造成打扰,我们要让用户体验比较好,让他觉得金融服务看起来比较安全,我可以相信它,可以保证我的信任个人隐私数据在这个地方是安全的。这块我们一直致力于做双方互信的机制的工作,主要通过技术手段。我们的业务特点造成我们在这里面有一个比较好的优势在于我们很少去侵犯隐私,因为我们并不会做任何的黑名单,黑名单拿出来这件事情在隐私方面有可探讨的。我们做信任的底层基础设施建设的时候,一个要考虑技术如何解决这个问题,第二从企业道德方面是否能够把这些客户的隐私拿出来贩卖,这是行业要考虑的问题。

于景渊:各位提了很多整个社会征信数据方面的建设,我们相对来说是比较垂直的专门的领域里面,我们也在不断的想办法建立我们的生态圈,我们在做中国汽车的数据生态,所有的车辆评估检测报告包括定价,这也是征信的术语。我们是一个海量交易的电商平台,比如说小微企业的数据,我们有几万家经销商的数据,我们希望通过积累这样的经销商数据,通过数据建模分析,给小微企业提供服务,我们希望在这个产业和生态圈尽一份力量更好的做数据深挖,希望最后对社会都有帮助的数据进行输出,这是我们做的规划之一。

周晓波:问题是对征信的基础设施的一个需求是什么,我觉得对征信应该有正反两个方面的诉求。正面来说银行为什么觉得以前没有那么多的骗子,现在骗子越来越多了,因为以前银行只做最好的客户,现在慢慢的往下沉,它的客户质量肯定会降低,你对客户的要求也会降低,你的门槛降低进来的人越来越多,自然骗子就会越来越多,这是我们面临的问题。需要从正反两方面来解决,第一方面你要对征信本身要加强,除了央行的数据以外,其他的数据使用要非常的慎重,最好有一些法律法规或者有一些公司能够提供比如说通话帐单或者银行流水,可能对我们的业务有非常巨大的好处,反面来说就是为什么有这么多的骗子,一个人的信息会被另外一个人轻易的用起来,应该从法律层面来解决,技术方面解决的话可能就是我们用人脸识别等技术,但是这样的话用户体验就降低了。

苏曼丽:最后用一两句话跟大家分享一下你最期待解决的金融设施建设是什么问题?

蒋庆军:我们作为一个征信机构,目前对基础设施建设的期待很简单,也是唯一的,那就是希望国家监管部门能够在这个行业尽快落地监管要求,明确个人征信业务准入的要求,因为征信机构一旦拥有了受认可的从业资质,也就意味着国家对机构业务能力的公信力背书,从而有利于把共享征信服务尽快做起来。

周晓波:对整个金融的基础设施,相对于小赢科技来说就是两个方面,对于骗贷的人明显违法的人,希望有一些比较好的手段进行惩罚,第二方面还是希望监管用非常明确的方式告诉我们该做什么哪些不该做,这样我们发展起来更方便一些。

张克:我们做第三方的提供商就是要解决客户的问题,我们目前在做的具体重要的点,总结一下就是希望帮助我们的客户平衡它做线上业务时候追求的用户体验快速获客和面临风险之间的矛盾。

于景渊:我们作为金融服务业务的应用方,希望国内的征信体系建设越来越好,同时跟在座的各位同仁一起努力快速的让我们用上一个最强的征信产品。

李军:我是一个纯做区块链技术的公司,确实很多人把美好的期望寄托于区块链技术解决很多问题,我也如此,技术体系与应用场景的结合原本就需要不断的探索。技术应用于金融应用于征信,本身对我们的规制,包括法律法规和监管都有很多的要求,可能需要有一些突破,或者需要有一些完善和优化的地方,我也同样愿意和业界的朋友们一起从技术的角度从解决方案的角度一起探索!谢谢!

苏曼丽:4位嘉宾都分享了各自的观点,大家对监管的期待还是非常明确的,告诉我们到底红线在哪里,咱们才能进行一些新技术的开发和建设。非常感谢嘉宾们的精彩观点,圆桌讨论环节到此结束!谢谢大家。


零壹智库推出“金融毛细血管系列策划”,通过系列文章、系列视频、系列报告、系列研讨会和专著,系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。
 

上一篇>绿地智能科技公司CEO庞引明:区块链的应用需要整个架构的颠覆和革命

下一篇>零壹财经新金融春季峰会集锦:行业学者高管齐发声 三本新书一份报告出炉


所属专题


相关文章


用户评论

游客

自律公约

所有评论

主编精选

more

专题推荐

more

第四届中国零售金融发展峰会(共15篇)


资讯排行

  • 48h
  • 7天



耗时 152ms