信而富王峻：白名单技术可以降低信贷欺诈风险，难点在于数据处理

近日信而富首席战略官王峻受邀出席“WISE科技金融创智沙龙”，谈到中美两国在技术上的对比，王峻认为，美国的技术领先主要体现在人工智能和大数据技术等方面，但是美国信贷市场很成熟，也相对保守，银行很少会采用互联网数据去改进模型，Capital One 和Lending Club 使用的也都是基于FICO的改进模型。

国内的市场由于缺乏基础征信数据，导致信贷服务机构不得不利用互联网数据进行风控，因此这方面国内的技术反而相对领先，可能会形成弯道超车，而且未来这套技术还可以被广泛应用到其他征信不完善的地区，例如墨西哥、印尼等市场。

作为一家主要从事小额消费信贷的公司，信而富的独特之处在于采用了“白名单”及“预测筛选”技术，即不主动通过广告倒流等方式获客，而是与电商、社交网站、搜索引擎等平台合作，结合平台内部数据和外部输入的数据，对优质客户进行画像，然后定向推送授信额度。

“白名单”技术的一个好处是可以降低欺诈的风险，国内欺诈造成的风险严重高于国际平均水平，小额信贷领域超过60%的坏账是由于欺诈造成的。而白名单技术不主动引流用户，也不依赖用户输入的数据，很大程度上降低了通过资料造假进行诈骗的可能。

白名单技术的壁垒主要体现在数据处理方面。王峻介绍，信而富每接入一个合作方，第一步的工作就是对合作方的脱敏数据进行分析整理和建模，一般平均每个用户会抽取出700-2000个有意义的字段，这些字段再通过相互组合，会形成更多的衍生变量。如何处理这样大量的数据，并建立有效的模型是一个很大的挑战。

传统的信贷模型大多都是逻辑回归模型，但逻辑回归模型的问题在于能够容纳的变量很有限，当变量超过10个以后，模型就很难处理变量之间的相关性，逻辑回归模型本身即会失效。信而富对此采取的解决方案是利用机器学习的方式建模，为此信而富在硅谷建立了一个大数据创新实验室，专门从事这方面的研究。

白名单技术的另一个难点在于，各个合作方的数据维度是不同的，这就需要根据合作对象的不同，分别进行建模。信而富目前的合作方包括社交平台、搜索网站、在线旅游、电商和游戏公司等。

“对于一个新场景，用户的还款意愿基本是可以测定的，“王峻说，”至于用户还款能力和经济稳定性，我们会先利用场景数据进行建模，举个例子，对于游戏平台来说，上班时间经常玩游戏的用户就可能存在经济稳定性不好的问题。建模完成后我们会小规模进行测试，得到反馈数据后修正模型，再进行大规模的白名单推广和授信。”

信而富成立于2001年，创始人王征宇是美国芝加哥伊利诺伊大学统计学博士，曾在美国长期从事消费信贷管理。信而富早期主要为银行提供风险管理服务，并为央行全国性征信中心的筹建提供咨询服务。2010年信而富开始从事借贷业务，目前信而富在全国90多个城市拥有100多个数据验证中心。

在信而富的规划中，未来小额信贷业务90%以上的流量将来自线上，对于线上来源的大额借款用户，线下的网点将配合进行资料审核、数据验证等工作。

我是 36 氪专注报道互联网金融和教育行业的作者 Justin，欢迎大家与我联系，切磋讨论。我的微信是  ：196215239