BATJ悄悄在金融科技做了哪些布局？

2017年， 人工智能，大数据无疑是互联网金融领域最火热的名词。

它们对于金融有着怎样的特殊含义，又能发挥怎样的价值？

金融智能来袭，行业从业者如何抛弃固有的传统思维，紧跟时代步伐，顺势而为？

胡喜：用科技手段改变世界

△ 蚂蚁金服副总裁、首席技术架构师胡喜

01 蚂蚁的三大梦想

一、移动支付

蚂蚁金服一直在做一件能给更多用户带来美好和微小改变的事，同时我们希望用科技手段去完成这样一个改变世界的梦想。

第一个梦想：移动支付。相信现在很多人已经能感受到移动支付给大家生活带来的改变，尤其从中国这么多年的发展起来看，支付领域已经引领世界浪潮。

2016年中国移动支付总的量在5.5万亿美元左右，是美国的50倍，所以我们在这个新的领域已经是弯道超车的状态。

二、信用即财富

第二个梦想：信用即是财富。其实蚂蚁从最早以前开始做担保交易，就在解决信任的问题，我们怎么解决在互联网上双方交易，买家和卖家交易信任的问题。这几年我们面向用户推出了像花呗，借呗这样的消费信贷产品，服务了上亿消费者，让他能够享受信用等于财富的能力。

三、可持续环境

第三个梦想：绿色金融。我们期望减少碳排放，期望更多的无纸化方式，期望很多事情采用互联网的方式完成。

02 金融创新背后的基础技术

人民银行前段时间对外发布的金融技术的“十三五”规划。规划中讲的未来的金融科技会走向云计算，分布式，移动互联网为基础的科技金融。并且这些关键字在央行“十三五”里出现很多次。

未来金融科技推进更多的金融创新，而这些创新后背是对于基础技术能力的夯实。基础技术能力包括哪些？

第一个是计算能力，计算平台首要的能力如何像管理一台计算机一样管理成千上万台服务器，如何提升计算效率降低计算成本，如何提供更为多样的计算能力。

第二个是算法能力，随着需要计算的数据量越来越大，我们需要一种更为高效和准确的方式来做计算，而背后最为关键的就是算法，提供一个强大的算法工程平台是未来金融技术的关键，智能化是金融科技的未来。

第三个是数据管理能力，我们如何采用一种更为安全可靠的方式去管理数据也是金融科技需要解决问题，在未来数据隐私保护是非常关键的金融科技能力，还有就是对数据挖掘和管理能力。

结合计算，算法，数据来看，蚂蚁技术处理类型有以下几类：

第一类，是解决海量交易的问题，这个是对做金融科技的第一步，也就是以前常说的金融先要信息化，这是最基础的，我们认为所有的要去做相应的互联网金融，要做普惠的话必须经过这一关，这里解决的关键问题是如何在分布式下解决交易的一致性，可靠性，安全性问题。

第二类，是实时智能决策，金融场景中的信用、风控、定价、营销也好，都是对一个用户行为或者需求的洞察，背后基础能力就是实时决策引擎。决策引擎做的最关键的事情就是有效的组合规则，算法，模型，提供实时的策略分析，最后给一个决策。风控在做类似防盗号，防作弊的决策，而信贷类产品，贷前要做准入，要做授信，其实都是决策。贷中还要做风控，其实都是相应的决策。

第三类，必须提供数据分析能力，如何采用统计学，机器学习的能力对数据进行洞察是未来金融科技公司必须具备的能力。

第四，因为蚂蚁内部很多时候做风控还是来自于策略，来自于很多规则性的东西，比如可能是来自于出了一个案件。但是我们期望于未来风控相关的特征是可以自我学习。虽然规则是很难去自我学习，因为毕竟规则有太多人性化的东西在里面，但是我们希望特征性可以持续学习，增强和迁移学习可能是蚂蚁未来的一个方向。

03 金融科技面临的九大难题

刚才讲了许多我们已经做了的事情，从我们的梦想，到实现这个梦想的支撑能力，对于未来挑战是什么？

其实金融科技面临的更大的难题，我们总结看了看就是九点：

最下面一层就是金融计算层。金融计算包括交易，怎么解决大规模交易的问题。未来会走向IOT时代，更多的设备会联网，交易不是每秒几十万的问题，而是上千万甚至上亿的问题，你怎么办？怎么解决这么大规模交易的问题。

第二，怎么解决信任的问题？区块链可能是一个可行方案。

第三，安全计算。所有系统必须是安全的，这块我们也在研究。金融计算是最基础层。之上就是金融洞察。因为对一个用户去做推荐，去做决策，去做匹配，去做定价，最大的一点就是先要洞察，洞察层包括识别，预测等。

最后，洞察完了以后，最为关键的是提供好的金融服务给用户，包括体验，决策，协同的问题，需要更多的机构去合作，你怎么解决所谓的数据共享等等一系列的问题。这些都是未来金融科技会面临到的大的挑战。

沈晓春：大数据、人工智能让风控真正做到无形

△ 京东金融风险管理部总经理沈晓春

01 科技推动金融行业发生巨变

随着大数据、云计算、区块链、人工智能、移动互联等新一代信息技术的发展和应用，金融科技得以蓬勃发展。

大数据风控、移动支付、电子货币、智能投顾带来了全新的金融发展方式。金融科技的核心在于科技，而大数据和人工智能技术的运用又是它核心中的核心，风控则是典型的应用场景。

在多维、海量、动态的数据基础上，京东金融实现了人工智能、生物识别、深度学习、图像识别、云计算和区块链等领先技术的创新，并应用到了风险模型、量化运营、用户洞察、企业征信、智能投顾等各个与金融相关的领域中去。

最终将这些能力投放到我们广阔的产品层与业务层，比如电商交易、线下支付、财富管理、小微信贷、消费金融、众筹、保险、量化指数、ABS平台等。

02 算法助力欺诈人群识别

基于这些数据和技术能力，我们自主研发构建了一套完整的风控体系。

从登陆环节开始，我们就开始见微知著。为了确保每一位用户的账户安全，我们建立了包括设备识别、人机识别、生物识别三大技术以及异常登录模型和账户等级模型在内的全方位账户安全体系，用于判断当前登录可能产生风险、判断当前用户行为偏好等。

在反欺诈方面，京东金融探索出了路径学习和图谱网络模型，基于正常用户和案件用户行为轨迹上的不同做出反应。

欺诈攻击者往往具有非常专业的手段、具有较高的职业素养。但是正因如此，欺诈人群的用户行为多少都会偏离正常用户行为习惯。

我们利用深度学习算法，以数千万的行为偏好、行为模式数据进行训练，实现了基于用户行为的欺诈识别算法，该算法准确率是经典机器学习算法的准确率的三倍。

03 风控是金融背后的无名英雄

安全魔方是由京东金融独立研发的风控及金融反欺诈解决方案，全面整合了京东金融的风控时间经验、领先技术能力及大数据积累。

我们独立研发的设备指纹技术、风控引擎、风控运营系统、黑名单及用户画像等技术都应用在了安全魔方之中，这个产品可以提升金融机构及电商客户的信贷申请反欺诈、账号与交易安全、营销反欺诈能力。在技术特色方面，安全魔方拥有千万级每分钟的风控指标运算能力，还具备毫秒级的风险预警及响应时效。

另外，安全魔方结合了10万亿以上节点的并行图计算技术、机器学习模型等领先技术，百万量级的欺诈名单，亿级用户的风险画像，亿级设备指纹库积累，具备超强的稳定性。与此同时，安全魔方产品已经经过京东多次618和11.11等超大业务量考验，和支付、信贷、保险、理财、电商等全业务场景实战。

风控一直是我们京东金融的战略核心，与此同时，我们的人工智能能力也在实践中不断地更新迭代，走向成熟。风控其实是金融背后的无名英雄，未来，我们的风控将变得更加无形、也更加安全。

陈天健：相比于技术进步，更要看到市场趋势是驱动金融科技发展的最大动力

△ 百度金融首席构架师陈天健

01 客群规模萎缩

每一次信息业的技术革命，都会导致金融业的巨大效率提升。无论马车、电报、电话的发明，还是计算机、互联网的出现，都在使金融业上升到一个新的高度。

人工智能技术亦是如此。人工智能将会给金融带来很大提升，但更关键的是如何将技术合理利用。

相比于技术进步，我们更在意的是，人口的下降使消费和投资市场的竞争加剧。这将造成任何金融零售服务的入口端，流量竞争会前所未有地激烈，转化率会受到极大挑战。

左边的图是自建国以来，中国每年的新增人口数量，可以看到自从八十年代计划生育开始初期的达到顶峰后就一直开始疯狂的下降，而2010年以后我们新增人口数量可以用一蹶不振这个词来形容也毫不为过。

我们看右边的图，25-44岁是我们主流的消费金融服务的对象，从2017年以后该年龄段人口数量就会处在一个下降通道。

人口的下降带来的是消费和投资的下降，带来的是整个市场竞争的激烈程度的极度加剧。

首先在任何金融零售服务的入口端，转化率会受到极大挑战，流量的竞争会更激烈，而竞争会导致客群的整体下沉和不良率的提升。

这对于任何一家金融机构的风控体系和策略，都带来了巨大的挑战。

整体的客群下沉和流量竞争，又会导致客户经营的重点从新客增长转移到老客激活。客户的流失率随之成为每一家金融机构竞争的一个焦点。而流失率的最大影响因素就是客户的服务的体验。

02 市场挑战

第一个问题是流量竞争。在激烈的流量竞争场景下，百度金融将如何提供更加智能的获客服务呢？

智能获客需要同时解决两个问题——受众定向和风险风层。传统金融机构可能每年进行50到100组受众定向获客尝试，而百度每天进行超过一千组自动化线上获客测试。

也就是说，百度整个智能获客系统是完全的自动化和无人化的。产品经理只需定义完产品，放在线上自动测试即可。

第二个问题是大数据风控。在互联网化的金融服务领域，风险会被极速放大。基于预测标签进行风控，只是大数据风控的外在表现，是不够的。

90%的资损可能来自某一风控规则的穿透。金融机构需要的不仅仅是引入更多数据、模型来优化预测标签，进行被动的防御。更重要的是基于大数据技术，例如关联网络分析技术，机构主动寻找到可能的业务失血点，主动进行风险管理和黑产打击。

最后一个问题是体验。当流量和风控问题都被解决后，客户体验成为最后的竞争。为了应对服务成本上涨的问题，百度提出智能客服中心解决方案。方案包括智能问答机器人、金牌客服和智能质检系统，在稳步提升客服质量的同时，降低80%的客服成本。

李康宁：“个人数据产生有三个层次”

△ 腾讯理财通高级总监李康宁

01 消费金融ABS行业痛点

我们用Fintech技术为ABS助力，能对整个消费金融市场从一开始获客到最后去化的全流程进行优化。

我们通过消费金融的资产端、投行决策安排、夹层机构投资、风控体系和开放平台，为腾讯客户、中小机构投资者和专业投资者打造全链条的消费金融ABS体系。

很多消费金融公司在资产证券化过程中会面临很多行业痛点，包括环节不透明、项目时间长、审核和穿透难以落实到每一笔借贷资产、资金风险隔离难、消费金融征信手段有限、数据造假等问题。

对此，我们利用金融科技资源和产品化的应用提出了完备的解决方案。腾讯的大数据能对消费金融资产进行深入分析和筛选。

腾讯的支付能力将支付放款和回款形成闭环，使得整个ABS过程的资金透明、可控。

依靠腾讯强大的系统建设和开发能力，能帮助消费金融公司打造强大的风控和支付体系，让消费金融公司着重精力打造商业模式和获客能力。

另外，资产去化能够通过核心的大数据风控和支付闭环的方式，在海量的消费金融ABS资产当中精选资产，然后在场内场外市场快速去化。

02 个人数据有三个层次

在我看来，个人数据产生有三个层次。

第一，移动运营商，它是从通信层次来获取数据，它是最全的。可能移动、电信、联通加起来会超过腾讯的数据量。

第二，从APP的技术的SDK层次获取数据。这个市场上有很多的领先者，今天也极光的领导到这儿，这些领先者从这个层次获取数据也是海量的。

第三，像腾讯一样，我们有很多的社交场景，有很多的支付场景，我个人认为这三个层次的数据有互补性，所以我们在这个市场上和这些领域的公司都在合作。

我们的整个数据库中，我们拥有多方面的信息来源，我们把这些信息都汇总起来之后，使得腾讯已有的现在的数据更加丰富，这些数据基本上都是我们现在已经可以掌握的。通过以上的数据以后我们能对个人客户，360度的进行画像。

未来腾讯会将消费金融ABS相关体系中的各个参与方结合起来，利用大数据及各类Fintech技术使得消费金融资产更加透明地完成证券化。

标签：