【案例】融360:智能金融系统建设最佳实践案例

大数据、云计算、人工智能等颠覆性技术的快速发展,为金融机构可持续地开展普惠金融业务奠定了技术前提,使得原本高度碎片化、用户数量庞大但个体资金量小、无利可图的“长尾客户”成为新的“富矿”。

作者 | 融360

官网 | www.datayuan.cn

微信公众号ID | datayuancn

本篇案例为数据猿推出的“金融科技价值—数据驱动金融商业裂变”大型主题策划活动第一部分的文章/案例/产品征集部分;感谢 融360 的投递

1、企业名称

融360

2、所属分类

金融科技·风控、智能推荐

3、案例背景

过去两三百年,金融界长期遵循的“二八定律”——服务好20%的龙头企业就可以获得80%的利润。这一定律也成为银行陷入困境的重要原因。而小微企业、农民、城镇低收入人群、贫困人群、老年人等普惠金融重点服务对象难以进行贷款、理财以及信用卡消费。

事实上,中国普惠金融市场大有可为,中国人均有3.6张借记卡,但只有1/3的人拥有信用卡。截止2015年底,中国信贷人口渗透率仅为26.7%,不足同期美国信贷人口渗透率82%的1/3。

目前,央行征信中心仅4亿人有完整的信贷记录,还有三分之二人群,按照传统金融的风控方式和营销方式,是无法触达的。大银行和金融机构也受限于人手和效率,不得不暂时放弃这块长尾。

金融业未来趋势是要让80%的人能够高效、低成本地享受金融服务。普惠金融将成为最大的突破口,“八二理论”最大的机会在智能金融。

大数据、云计算、人工智能等颠覆性技术的快速发展,为金融机构可持续地开展普惠金融业务奠定了技术前提,使得原本高度碎片化、用户数量庞大但个体资金量小、无利可图的“长尾客户”成为新的“富矿”。

4、实施时间

2016年12月 -2017年8月

5、应用场景

移动金融智选平台融360,一头吸引了两千多家金融机构进驻,一头通过提供金融产品的搜索、推荐和申请服务,连接数千万个人消费者和中小微企业,满足其对贷款、信用卡与家庭理财等方面的个性化需求。

对B端:凭借强大的数据分析能力、精准的客户导向,融360为金融机构提供互联网数字营销及信用预审方面的服务,最终的审批和放款,则必须由金融机构自己做。通俗一点说,银行找客户好比“淘金”,融360能够先筛选出金沙,剩下的再交给银行,帮助银行压缩获客成本。

对C端:通常一个无房无车的“小白”想在线上金融平台贷款,在填写完个人信息和贷款需求后,将面临至少10款以上的不同金融产品推荐。每款金融产品在月利率、月还款额、放款时间、抵押要求等众多维度上又存在差异。如果用户要想真正挑选到最适合的贷款产品,估计要对近百个维度做出比较选择,令人望而生畏,导致交易效率下降,甚至放弃交易。

融360智能金融搜索和推荐系统,能够深入理解金融产品的特点和金融用户的需求,通过用户画像和数据挖掘技术对用户的搜索意图进行识别,通过实时索引技术在毫秒级返回个性化的搜索结果,对搜索结果的排序做智能化的调整,精准为用户智能匹配最合适其的贷款产品,加快匹配效率,提升审批率和降低服务成本。

平台适用于“草根人群”,包括年轻白领、个体户、自由职业者、蓝领工人等个人消费者,主要满足他们的信用类贷款需求。目前额度主要集中在5万元以下的个人信用贷款。

鉴于中国人口差距大,农民、城镇低收入人群、贫困人口和残疾人、老年人等普惠金融重点服务对象,使用互联网熟练程度偏弱。为了进一步降低智能金融的使用门槛,2017年8月,融360推出全球首个金融AI平台“融八牛”。

对于用户,“融八牛”回归语音这一人类最本源的交互方式,即使小孩也能快速上手把玩,大幅降低新用户使用门槛,让金融服务惠及普罗大众。

机器牛能够通过语音识别访客问题,通过人脸识别进行身份验证,联网后台智能系统可快速做出贷款额度预估,同时通过智能推荐技术,快速匹配出适合用户的贷款产品,最终由最匹配的贷款合作放贷机构作出放款决定。

未来,“融八牛”将不断迭代升级,后期普及版将小巧便携,一个“融八牛”,相当于一个金融网点,帮助金融机构把信贷服务覆盖到大街小巷、餐厅、卧室、农村小卖部等场景,触达那些互联网使用熟练程度不高的人群和地区,大大填补普惠金融的服务空白。

6、面临挑战

在某种程度上,人工智能是大数据的成果,靠大量的数据“喂养”“训练”才能变聪明,通过各种算法从数据中学习如何完成任务。

数据,也是目前智能金融在中国信贷领域面临的最大困难。

波士顿咨询公司发布报告指出,目前中国的个人征信数据存在三大痛点:一是各类征信数据分布在个不同的主体机构中;二是这些数据未能统一征集和标准化处理;三是机制的缺失使得各家征信机构在数据源头圈地,形成“数据孤岛”,影响行业整体水平提升。

尽管中国不缺乏大数据,但打破数据孤岛则非常的难。目前,我国的征信体系建设仍处于起步阶段。一般来说,消费金融机构获取信征信数据的方式,不仅限于央行征信和自身构建的信用评分,还包括了外部类似芝麻信用等电商、移动联通等电信、民间小贷征信数据平台甚至公安等多种渠道。

芝麻信用只是多了个参考维度,阿里、京东等电商支付数据很大,但支付数据只是用户花钱信息,花钱并不能代表以后能够还钱,所以支付数据并不能很好的预测用户的偿还能力、偿还意愿。

打破“数据孤岛”,实现各家征信数据的互联互通,只是第一步,而进一步的挑战是,如何能够把数据真正转化为信贷审批、客户管理等实践。

中国人口中,只有4.4亿人左右有完整的借贷记录,加上正规的个人信贷机构的覆盖数量,目前有接近10亿成年人被纳入了个人征信系统。与美国相比,中国征信体系缺失,信贷数据不足,让人工智能更有发挥的空间。

7、数据支持

金融天生就适合人工智能。人工智能应用的三个要素,足够多的历史数据、好的模型、处理数据的能力。

由于相同的人群在不同场合表现的特征是不一样的,尤其是目前人们在线上、线下的行为方式往往会反差较大。因此我们对数据量的原则:一是强金融关联数据;力所能及的“全数据”。

融360网站上线近六年积累了海量的信贷用户数据,累计有数千万用户通过融360向银行等机构提交了贷款申请,成功获批贷款。在借款数据方面我们拥有独一无二的优势。能够基于“经验+数据+用户”,用试错的方式来进行试验。

个性化智能推荐系统,结合用户画像数据、用户的历史搜索数据、浏览数据、点击数据、历史申请数据、客户提供的关于用户的审批和放款反馈数据,我们通过机器学习的技术进行建模,预测出用户申请每个产品的成功概率,以及能拿到的放款额度,在用户申请产品时,提供个性化的精准产品推荐。

支持的数据量情况:目前对近亿用户建立了用户画像,并根据用户特征建立了200个风控模型,覆盖每天95%以上的活跃用户,每天更新百万级的用户模型数据。在进行高质量风控的同时,对用户进行了个性化推荐,每天更新千万级用户推荐列表,每个用户平均推荐上千种产品。

8、应用技术/实施过程

普惠金融需要什么,最后的结果不是更多的信贷员、更多的信审员、更多的银行,而是“智能金融”这个新事物。

以融360为代表的Fintech公司正尝试通过智能金融系统,推动普惠金融纵深发展,提升覆盖度和效率。

互联网的普及,无疑为普惠金融的实现提供了更好的科技基础条件。据CNNIC最新调查报告显示,近年我国农村网民规模持续增长。截至2017年6月,中国网民规模达到7.51亿,手机网民达96.3%,仍以中等学历群体为主,其中农村网民规模为2.01亿,占比26.7%。这一比例还在随着“宽带下乡”的推进、智能手机的普及而加速增长。中国网民结构继续向低收入、低学历人群下沉。

可见,通过移动互联网、大数据风控、机器学习、生物识别等技术,让农民、偏远地区低收入人群等获得金融服务,最终实现金融体系下沉到三四线城市甚至下乡,是完全可行的。

融360智能金融系统

融360智能金融系统,是连接产业上下游第三方开放平台,基于数据挖掘和分析,可对贷款申请人进行信用预评估,个性化智能推荐,辅助放贷机构对“白户”进行风险识别、授信。这些白户通常包括小微企业主、工薪族、个体户、蓝领工人等。

1. 个性化智能推荐系统

融360的模式是“搜索+匹配+推荐”。登陆网站,融360为用户提供了一个筛选用户真实情况的表单,在勾选了基本的财务状况后,用户输入贷款用途、金额、期限,即可以查询到有哪些金融机构提供这种贷款,以及贷款条件。此外,融360提供了货比多家的功能,让整个借贷需求和条件一目了然。用户可以根据自己的偏好,在线选择跟哪家金融机构的借贷经理联系。

我们深入理解金融产品的特点和金融用户的需求,定制并研发了金融垂直领域内的搜索引擎。通过用户画像和数据挖掘技术对用户的搜索意图进行识别,通过实时索引技术在毫秒级返回个性化的搜索结果,根据用户的搜索行为做实时的反馈学习,对搜索结果的排序做智能化的调整,并支持搜索结果集上的二次检索,该技术的应用满足了用户高级和复杂的搜索需求,实现了产品创新和技术创新的融合。

推荐系统致力于给用户提供一站式的金融服务解决方案,帮助用户提升申请金融产品的成功率、帮助客户提高审批率和降低服务成本。结合用户画像数据、用户的历史申请数据、客户提供的关于用户的审批和放款反馈数据,我们通过机器学习的技术进行建模,预测出用户申请每个产品的成功概率,以及能拿到的放款额度,在用户申请产品时,提供个性化的精准产品推荐。涉及的核心技术如下:

ID MAPPING和用户画像

通过ID MAPPING的技术整合了用户的金融数据等多种类型的数据,根据平台收集的用户的基本信息、填写资质、搜索行为、浏览行为、点击行为、进件行为等,考虑各维度数据的时间衰减规律建立了多个主题域的用户画像体系,帮助我们多维度的深入理解用户,进而提供数据分析、系统服务、接口调用等多种服务,并应用到多种场景。

融360用户画像体系

特征工程和模型训练

1) 审批放款和逾期模型

针对用户画像中不同维度的数据,根据特征的类型(分类、连续型)及特征值的分布规律,进行针对性的异常值剔除、缺失值填补、特征值变换。根据特征之间的线性相关性,进行维度缩减。考察特征对分类的AUC、ks等指标,删选重要特征。

基于筛选和处理完的特征,训练LR、随机深林、xgboost、深度学习等多种分类模型来预测审批、放款和逾期结果,然后组合这些模型,已达到最优的预测效果。这里,为了使模型能够及时反应当前数据变化,我们采取了批量准实时的训练模型方法,实时预测,异步迭代。在训练过程中,我们建立了实时监测机制,对模型发送欠拟合和过拟合的情况,及时调整特征和模型参数。

加之融360大数据服务架构毫秒级的决策速度,我们实现了对用户审批、放款和逾期的及时准确预测。

2) CTR预估模型

根据用户点击日志,在用户、场景、产品三方面提取影响用户点击的特征,采用GBDT + FM 和 DNN相结合算法架构,建立ctr预估模型,用来估计用户对推荐产品的点击概率。

智能推荐

基于CTR预估模型和审批、放款、逾期预测模型,对推荐给用户的产品进行筛选和排序,根据实时反馈,动态的调整推荐列表,使用户第一眼就能看到最适合自己的产品。

同时基于审批、放款、逾期预测模型,采用短信推送的方式,及时准确的把用户需要的产品送达给用户,降低用户操作成本。

2.“融八牛”智能金融平台

2017年8月,融360推出全球首个金融AI平台“融八牛”,以大数据为核心驱动力,并用机器学习、人脸识别、语音交互等黑科技,武装到牙齿,力求为C端用户提供优质的金融服务体验,打造全球领先的第三方金融公开平台。

作为大数据和深度学习技术在金融领域的创新性应用,“融八牛”有三大基础功能,刷脸贷款、金融智选、金融防骗服务。三项功能基于融360的大数据库系统和智能化推荐算法。

1) 刷脸即可获贷款。通过语音识别访客问题,凭借人脸识别技术迅速判断用户身份,并基于用户的大数据判定其授信额度。在人脸识别上,融八牛借助商汤科技的精确算法,识别准确率高达99.15%,比Facebook人脸识别算法DeepFace的97.35%还要高。之后,再结合用户的征信数据等多维度的数据综合判定其授信额度,实现智能刷脸放贷。

2) 金融智选。借助大数据算法,对个人需求进行智能分析和匹配,并推荐相应的信用卡等金融产品。例如,用户在面对种类繁多的贷款类和信用卡产品时,往往一头雾水,不知道什么样的产品适合自己的财务状况与风险偏好,导致购买意愿降低。而“融八牛”通过基于大数据的智能技术,能根据用户独特的财务状况,更精准地为其推荐金融产品,降低其选择门槛。

3) 聪慧大脑,让各类金融诈骗无机可乘。“融八牛”还通过“大脑”中实时联网更新的金融诈骗案例和知识库,通过语音交互的方式与用户实时互动,精准识别各类诈骗手段,并进行金融知识教育和智能风险预警。据中国互联网协会调查报告,仅2016年一年时间内,国内因垃圾短信、诈骗信息、个人信息泄露等造成的金融诈骗损失估算就高达915亿元。显然,如果可以利用人工智能遏制金融诈骗,将产生巨大价值。

针对B端:智能金融时代,银行也在自我革新,现在也能够做一些智能化工作。

以往银行通过央行征信中心的记录、通过抵押物来判断是否应该借钱给一个人。央行征信中心记录了很多信息,但是不知道这个人从哪里来,一旦他没有从银行借款成功他又到哪里去了,那些被银行一口拒绝的人,征信中心的记录里只有寥寥数语,银行仍然不了解他们。信贷这个事情发生,需要形成一个闭环、形成一个反馈,因此银行要与外部机构合作。

银行通过和融360这样的第三方金融科技平台合作,实现了智能信贷,形成线上营销获客、风控、贷后管理等整个数据闭环。可以通过数据分析用户行为特征,发掘出一类人群的细分市场,然后提供个性化信贷产品和服务。融360智能金融系统可以帮助金融机构将获客成本能降到1/3左右。

普惠金融的难点在于覆盖度和效率问题上。AI、大数据等颠覆性技术,最终还是要推动普惠的发展。“融八牛”背后的融360作为面向小微企业、个体户、个人消费者的平台,并不以替代金融精英工作岗位为目的,而是充当银行等帮手,帮助金融机构将有限人工,从一些从事机械、重复、创造性低的工种(信审、信用卡推销员、柜员、客服、大堂经理、咨询顾问、底层数据员、分析员等)中解脱出来,做更有价值和技术含量的工作,以大幅降低成本,提升效率。

针对C端:在传统金融服务模式下,用户如果想知道自己的贷款额度,需要提交自己的各种信息和资料,找不同的银行和金融机构的贷款经理,才能获得最满意的额度,但未来通过“融八牛”这样的人工智能平台,直接在线就可以随时随地测试出信用额度,并且智能匹配最适合的贷款产品,为用户和机构双方加快金融服务的效率。“融八牛”的诞生,将更加契合融360的使命“让金融更简单”。

3.人工智能风控系统

事实上,“融八牛”快速“识人”本事,关键在于联网到融360智能风控系统进行机器学习。

在学习过程中,智能金融系统需要被“喂食”大量的实例。融360过去近六年服务积累了信贷垂直领域海量历史数据,在借款数据方面拥有独一无二优势。大数据对深度模型反复进行训练,使系统对借款申请人风险预测越来越准确。

融360人工智能风控系统,可以触及不同的风控场景。不同的风控场景与风控产品,虽然模型差异较大,但存在共通属性。平台开创性地利用深度迁移学习(多任务学习)打通了不同场景下的数据孤岛,不同的任务(模型)之间共享基础特征与参数,从多任务中学习先验知识,提高风控模型效果。

通过大数据分析,系统会根据身份认证、还款意愿和还款能力三个大维度,给申请贷款的用户进行评分,依据分值来为合作机构提供放贷建议。

基于海量数据,融360智能风控系统同时构建了上亿节点和关系的社交网络和知识图谱。该网络融合了多种异构的数据,多种类型的节点,并通过分布式计算提取了大量的关联性特征。通过对网络的分析和迭代计算,通过社团发现算法,融360智能风控系统将反欺诈从局部考量提升到了全局考量,从而全面提升了反欺诈的效果。同时融360智能风控系统会动态构建网络,并实时监控网络的结构、属性以及衍生特征的稳定性,从而快速地发现异常。总之,对FinGraph的应用已成为线上风控的重要一环。

4.智能质检系统

平台客服每天要审核很多无效订单电话录音数据,人工审核的效率低,每天只能审一二百通电话,并且审核的准确率波动较大93%-98%。为了节省人力成本(不考虑管理成本前提下,业务量增加,所需人力成本线性增加),并保证较高的、稳定的审核准确率,我们开发了智能质检系统。

质检系统利用语音转写、基于领域知识库的上下文的语义修正技术,并挖掘文本特征、时序特征、外部特征,整合SVM、KNN、RNN多种模型,对录音的类别做出自动化判断,代替人工审核。对于无法判断的录音,我们通过开发的“歌词”系统,将录音中时间节点和转换后的准确对应,再提供给人工审核,由于人眼阅读速度远远快于人耳听录音的速度,这部分录音人工审核的速度也会大大加快。应用智能质检系统,在达到人工审核准确率的水平上,可以节省至少30%的人力。

智能质检系统

9、外部合作

融360智能金融系统流程

在线放款的流程,整体上包含线上获客-->线上进件-->线上风控审批-->线上放款-->线上贷后。

融360智能金融系统接入了在线贷款需要的身份验证、反欺诈、危险名单、信用查询、互联网报告到电子活体检测等。平台已经接入了40多家征信及数据服务商。

融360还与大数据和人脸识别技术科技公司合作,将全球领先的人脸识别算法(精度高达99.15%)应用到线上贷款的认证流程,可大幅提高风控效率。

这一技术主要安装在手机移动端,利用手机摄像头拍照和身份证照片的比对来对用户身份进行识别,继而根据用户需求实现其与金融机构的对接。

当前消费信贷中的欺诈风险大约占到行业风险的30%,在线信贷的欺诈风险会更高,在50%左右,因此身份核实与欺诈风险防范一直是发展互联网金融的重要一关。

接入人脸识别技术后,融360能够帮助金融机构完成用户的早期筛选与核实,降低欺诈风险,提高效率,也能够提升用户体验。

从长远来看,人脸识别这一技术在金融行业的应用将推动普惠金融的发展,使中国更多老百姓,特别是小微企业主,有望更加简单便捷的获取贷款。

10、商业变化

融360智能金融平台能够帮助放贷机构克服通过线下来进行客户风险识别的劣势,能够降低它的运营成本,能够提高服务效率。

融资效率:传统的人工审核一般需要一周甚至数月才能放款,通过智能金融系统,从用户提交申请到放贷机构反馈审批结果,平均不到24小时。

贷款获批率:同一类用户,用传统的方式(主要靠抵押物、收入流水证明)贷款获批率在15%左右,使用智能金融系统后获批率在30%以上。

从财务角度来看,我们曾测算过,如果是线下进行服务的话,整个成本是要占到整个贷款机构的一半以上,通过智能金融系统进行风控和获客,这个成本能降到1/3左右。

融360将智能模型和服务输出给放贷机构,提高其获客效率和能力,引导金融机构涉足一些以往没有触碰过的细分市场,助推金融在线化进程,让偏远地区低收入人群、农民等获得金融服务,最终实现金融体系下沉到三四线城市甚至下乡。这一智能金融开放平台已供上千家贷款机构使用。

以国内信用卡市场为例:目前中国信用卡市场排名前20家的银行(发卡量占市场95%以上)都依赖线上渠道获客,来自线上的申卡量近三年来呈数倍增长。线上渠道主要是融360这样的第三方金融科技平台,我们基于智能化的推荐算法,参与到了某些银行的闭环打造及用户体验优化行动中。在过去的五年内,融360已经让银行卡中心的营销方式完全改观,不再需要铺信贷员到超市、办公楼“扫街”。

- 关于企业 -

融360成立于2011年10月,是中国领先的移动金融智选平台,是中国最大的独立第三方金融科技平台,是科技金融行业第一批独角兽企业之一。

融360业务模式被业内称为金融版的“百度+天猫”,服务中小微企业及个人,免费为用户提供贷款、信用卡及理财产品的“搜索+推荐+申请”服务。金融产品来自国内外银行机构、消费金融公司、小额贷款公司等。

以“搜索+推荐+申请”为切入点,融360发明了一种适用于中国这样人口大国、各地差异巨大市场的普惠方式,用一种可持续的商业方式,而非扶贫式的普惠方式,服务于中小微企业及最大众的“草根人群”。

这一模式创立之初在欧美并无样本。融360主张“先普后惠”,认为首先要是普通大众能够获得金融产品,而后在竞争之下自然能够产生“惠”的结果。近两年,融360设计的这一具有中国特色的科技金融模式,已经被具有相似国情的发展中国家所模仿,在印度和东南亚国家出现了融360的“翻版”。

原文发布于微信公众号 - 数据猿(datayuancn)

原文发表时间:2017-10-15

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据猿

东软集团事业部总监樊建勋:大数据视角下的舆情监测与引导

<数据猿导读> 东软集团事业部总监樊建勋在2016年中国通信大数据会上分享了以“大数据视角下的舆情监测与引导”为主题的演讲。他讲到,舆情这两个字在各行各业都倍加...

29040
来自专栏AI研习社

AI安全大牛都来了!智能安全的话题引发学术界/产业界共同聚焦 | CCF-GAIR 2018

2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开已进入第二天的议程,活动现场依旧火爆。本次峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大...

10220
来自专栏大数据文摘

2018中国城市“数据开放”指数发布:上海第一,贵州第二

13780
来自专栏量子位

下一个主要AI平台是什么?苹果说:手机

千平 发自 凹非寺 量子位 出品 | 公众号 QbitAI 下一个主要AI平台在哪里? 苹果公司的答案是:手机。 “我们已经构建的架构、我们放在手机手表里的神经...

35690
来自专栏AI研习社

闪耀鹏城!中外AI业界最拉风的新品都在这里展示了 | CCF-GAIR 2018

AI 研习社按:2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开,峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,得到了深...

10930
来自专栏CDA数据分析师

【系列文】数据分析在互联网金融风险管控的应用!

从今天起,小C会开始每天推送一篇数据分析在各个行业的应用。大家有好的文章也欢迎推荐给我们。共同学习,一起进步。 1 “失控”体系下的互联网金融 互联网的快速发展...

20580
来自专栏数据猿

天云大数据CEO雷涛:2016是大数据的“寒冬”,AI产业化的春天

数据猿导读 随着互联网和大数据技术的高速发展,面向特定领域的人工智能技术已经取得突破性进展,谷歌、微软、百度等巨头积极的在人工智能领域多点布局、抢占产业机遇,这...

29750
来自专栏CSDN技术头条

深度:数据科学,来自业界的诱惑

编者记:本文是一篇非常国际化的文章,译者在翻译的时候,非常严谨和认真,每个字都细细斟酌,是一篇难得的好文章。国外数据科学的文章,在一定程度上对中国数据科学的发展...

20880
来自专栏SIGAI学习与实践平台

AI时代大点兵-国内外知名AI公司2018年最新盘点

据腾讯研究院统计,截至2017年6月,全球人工智能初创企业共计2617家。美国占据1078家居首,中国以592家企业排名第二,其后分别是英国,以色列,加拿大等国...

10530
来自专栏新智元

【南方周末专访王飞跃】平行世界与正来临的第五次工业革命

青岛要建无人智能港口? 中国自动化学会副理事长王飞跃教授独特的平行理论,在他担任院长的青岛智能产业技术研究院落地。山东省委常委、青岛市委书记李群日前指出,要围绕...

37850

扫码关注云+社区

领取腾讯云代金券