乐信集团史红哲：金融科技已迈向智能时代，大小企业都在朝智能金融推进

金融科技已迈向智能时代，在WISE x新金融行业峰会上，乐信集团副总裁史红哲如此说。

所谓智能，史红哲表示，现在更多还是基于数据和监督学习的智能。在他看来，对金融科技行业而言，AI的核心点是让风控模式更精准，做到千人千面。目前能达到的AI，主要还是基于一些数据样本预测，解决对方身份是否真实的在线反欺诈问题和金融本质相关问题，如是否要借钱给对方，他是好人or坏人。通过数据的积累，不断训练模型，最终实现精准回答。

除人工智能外，史红哲还谈到对云计算、区块链等技术的看法。他认为，云计算是向水和电一样的基础设施，为大数据平台和AI智能模型训练算法提供依托，极大降低金融成本。谈到区块链技术时，他认为如果能把该技术做好的话，能降低如数据获取、内部纠错、外部机构对账等成本，使得数据更准确、交易数据也愈加完善，从而提升人工智能、金融的运行效率。

另外，他谈到，在推进智能金融方面，百度、蚂蚁金服、腾讯等互联网巨头已经去找对应大型的金融机构合作，还有些先锋型公司也在朝这个方向走。

以下附上乐信集团副总裁史红哲演讲：

大家好。今天很高兴代表乐信跟大家做一次技术方面的交流。我的演讲的题目金融科技迈向智能时代。

首先研讨一下我们所说的智能的含义。现在智能没有明确的定义，学术界、工业界、大家对人工智能的理解有一点偏差。就我个人的理解，有一些效果比较好、已获得比较良好的经济效益，更多是一种基于数据的智能，基于监督学习的智能。我们有大量的数据，一些合适的模型，利用这些模型、数据不断地训练，产生一些好的效果，为各行各业带来比较良好的经济效益。

基于数据的智能与金融科技结合得比较紧密。金融利用科技，节奏上快于其它行业，金融也是基于数据的一种行业，所以金融科技和智能的结合，我觉得是一个非常自然而然发生的过程。现在也到了一个转折点，大家比较清晰可以看到，金融科技迈向智能时代的趋势。

首先我简单介绍一下，我们乐信的历史。大家对乐信还没有那么熟悉，但是分期乐比较熟悉了，是2013年10月比较早的金融公司，比蚂蚁金服、京东白条还早半年以上。

下面看乐信集团金融科技的生态圈，乐信的创始团队都是有互联网基因的，团队都是从腾讯出来的，我们一开始就打造了一个良好体验的APP客户端，后台系统有比较高效的处理能力，我们是有能力去做对一些金融机构，做起来相对比较吃力的事情。我们整体把用户的获客成本、风控成本做得比较低，效率得到一定提升。

我们本身并不直接放贷，我们做一个连接器，一边连接比较高端的消费品牌，苹果、P&G，另外一端连接主流的消费金融机构，去服务2C的用户，去服务在银行体系里面，央行的征信记录里面没有记录的人，那些人成本比较高。但是就乐信的玩法，我们是通过一些比较好的移动技术，高效的系统处理技术，以及人工智能技术，把获客，风控整体的效率做得很高，成本做得很低，帮助银行去服务原来服务不到这部分的长尾用户，这也是现在说的新金融，普惠金融这样的概念。

大数据、云计算、AI相信大家听了很多了，我开篇也有提到，现在的AI，更多是基于数据的智能。其实程序的智能从哪里来，我认为两个方面：一方面是人赋予的，我们工程师写代码、写程序获得的。另外一个从海量的数据，海量的样本获得的。人赋予这个智能，实际上过去20、30年来，一直在这样的发展。从大数据赋予的角度，最近十年，互联网发展到一定的阶段，数据样本积累一定阶段，计算能力积累一定阶段，才开始有一个跳跃式的发展。

乐信一开始做了两件事情，第一件事情，建立统一的数据仓库，这个基于数据的智能来说至关重要的。第二件事情，我们打造了一个完整的业务数据系统，从前端到后台分布式处理系统。整个来说，用这些系统，能很好地不断地处理数据处理的需求，后续搜集到处理的数据。

而云计算的话，它是一个基础的事，就像水和电一样，通过我们的大数据平台，在基础设施上跑，用一些AI的智能模型去训练算法，整体来说，可以极大地降低金融的成本，进而达到普惠的效果。

消费金融，整体来说，信用卡大家听得比较多。在银行体系外，如果说智能金融、金融的发展不是很发达的时候，要做到普惠，要做到原来央行征信、银行记录没有服务到的人群，是很困难的。

智能化的时代解决了这样的问题，即我们的信用如何才能价值化。信用价值化，银行以前的做法，更多是通过一些比较强变量的方式，央行征信，你的还贷记录、借贷记录，很多人没有这样的记录，怎么办呢？两个办法，初期的时候会搜集到他一些基本的数据，给他一个基本的额度；慢慢在我们的平台下面使用我们的产品，然后会有一些记录信息产生，这些记录信息产生之后以后，后台通过不断自我学习，自我进化，让这个成本降低，效率提升，慢慢做到普惠，让更多人群受益。

整个AI来说，我觉得核心点就是说，让我们的风控模式更加精准，能够做到千人千面。不同的人，情况不一样，如果用比较传统的方式，可能有些人直接就拒之门外，有些人服务质量意识比较高，AI可以做到更精准，做到千人千面。有的人条件差一些，就用其它的价格或者方式覆盖这个风险。

我们现在做到的AI，就像我开篇说的，主要是基于一些数据样本去预测。简单来说，就回答两个问题，第一个问题，这个人是不是真实的身份，就是一个在线反欺诈的问题，在线反欺诈需要大量的数据。第二个问题，有关金融本质的问题，包括我这个人来了，到底是否借钱给对方，他是不是好人，或者是坏人，是好人or是坏人，是典型的机器学习的过程。

机器学习的过程，数据量越来越多，在以前可能一些简单的线性回归模型，或者其它一些传统机器学习的算法，数据量越多，效果越好。深度学习的话，复杂度比较高，模型的层级比较高，数据量越大，效果越好。数据量越大的话，我回答这个人是好的还是坏的，准确度越高。我们搭建了这样一个系统和仓库，在业务开展过程中，会有意识去积累这些相关的数据，我们整个体系，就会变得越来越聪明。数据量越大，回答这个问题越精准。

我们公司成立了一个AI实验室，主要关注三个方面：

第一个是智能风控，这是金融一个核心的课题。

第二大块是智能运营，用户进来了后，我们希望有一个生命周期的概念，一开始，我们给他比较小的额度，随着在我们这边消费、购买东西、电商平台记录越来越多，我们逐步更了解它。更了解以后，给他信用池，不断地累计，获取更多额度一个价值。

第三大块相对来说，对消费金融比较特殊的地方，是智能资产管理。消费金融2C的业务，它的特点，资产数量比较多，海量，但是单品的金额比较小，海量小微资产和资金匹配，靠人工难以达成的。甚至人工去实现也一定比较困难，一定要用到自动化，通过大量的样本去训练的方式实现。智能资产管理也是我们很大的课题。

智能风控，就是从用户进来，我们要识别他是不是合法的用户，它的身份是不是真实的，这个在基于网络的业务下是一个非常大的工作量。甚至早期的时候，最重要的，对它本身信用的评级。因为我们一开始是针对相对比较特定的人群，特定的人群有学历，有一定的收入，身份真实的话，坏账率的概念并没有那么大。如果说获客身份识别这块没有做好的话，会有很多的欺诈行为。我们现在用了很多的人脸识别，像生物监测方面的技术，确保这个人就是它真实的身份。我们有一个智能的引擎，我们内部称为鹰眼引擎，一会儿展开一下。

第三块是智能电核，大家知道客服、电话需要大量的人力去审核，怎么样用机器代替人脑这是一个课题。

这就是我们的鹰眼引擎，是比较系统化的体系，从客户进来，我们会有一些身份认证，和第三方数据获取。我们整个引擎会给他一个初始额度，初始的额度后，不断地记录该用户在鹰眼引擎的记录，把匹配的这些资产跟银行机构去对接。刚才我提到，像传统的机器学习，对样本的处理并不是特别好，这种深度学习，深度神经网络，样本越多，效果越好。这一块的话，我们也是有时间比较长的积累。

在智能运营的话，我们在营销获客，我们会从海量的用户样本中，根据用户的一些行为，根据这些用户在电商平台的行为，以及第三方的数据配合之下，去智能识别，哪些用户是最有可能来使用我们的用户，哪些用户有需求，针对性推送消息，这样的成功率大大的提升。也节省了大量的人工分析的一个时间。

在智能推荐上面，大家知道分期乐是一个电商的商城，用户进来之后不知道买什么，我们会根据他的性别、年龄，然后其它一些浏览记录，会千人千面，非常精准的推荐一些商品，这样的话极大提升购买效率，平台的黏性和依赖的程度。像智能客服的话，我们会跟第三方业界领先的问答机器人在客服管理系统合作，我们整个客服人员不是特别多，但是我们每天要回答的用户的问题中，可能很多属于机器人能精准的回答，这个也是节省人力，提升效率的一个方向。

在智能资产管理，我们每天大概有几十万个订单，这几十万个订单，如何做到秒级去匹配合适的资金，因为乐信其实自己没有一分钱借给用户的，去匹配合规的金融机构。怎么做到秒级金融匹配人工是不行的，靠系统只能做到一般的水平。如果做自动学习，自动化的系统，我们现在有了比较好的经验，我们最快可以做到三秒的水平，这样就可以去匹配每天几十万的单子。

最后分享一下区块链在乐信的应用，区块链某种程度上比AI更火一点。我觉得区块链跟AI有非常密切的关系。我们现阶段的人工智能更多是基于数据的智能，其实监督学习产生的经济效益目前来说还是更大的。监督学习有一个要求，对数据的要求相对来说比较高的，更喜欢结构化的，比较准确的数据。

像现在都是一些分布式系统去处理一个交易，一笔交易，实际上蛮复杂的。拿乐信来说，用户的交易请求，一笔订单的请求要经过很多的环节，像分期乐的电商平台，我们内部的风控平台，还有我们的资产资金匹配平台，还有外部的银行机构，交易量达成之后，用户下单到最后钱打到用户里面，参与方非常多，参与系统非常多，在传统模式下，每一个系统，每一个参与方计一个账，自己不同的系统，不同机构的账要做到完全精准一致，挑战非常大。所以我们才需要对账。

在区块链模式，这样能降低对账的算法。在今年年中成立一个实验室，比较精简一个团队，开始去研究如何用区块链的技术去重构我们业务流程，重构业务顶层的架构。我相信这一块做好的话，对我们数据获取，内部的数据纠错的成本，和外部一些机构对账、清洁算法的成本极大的降低，进而促进人工智能、金融的运行效率，数据越准确，交易数据越完善的话，智能系统运行效率越高。

这是一个AI能效成绩单，大家可以看到数据量还是蛮大的，我每天的订单差不多有60万，我们重构系统资金资产匹配到现在也超过2个亿，其它不一一去说了。我想讲的，我们这个系统人工智能有一个好处，它的系统变得越来越聪明。随着这些数据，随着这些大数据，数据量越来越多，交易数据量越来越准确，能够形成一个非常正向的循环。

银行也在进步，他们也在使用各种人工智能，各种新的一些技术，可能也会跟BAT这样的公司去合作，各取所长，去做到原来他们做不到的一些东西。像一些网点，像人工比较多的地方想办法优化。像乐信这样的公司，有自己的一些优势，更注重用户体验，获客能力比较强，人工智能系统，以及为了完成人工智能系统，后台建立了整个一个系统，做得比较完善。

其实大家现在在说一些人工智能，不是凭空产生的，它也是建立在原来各种基础的之上，像大数据、云计算，像分布式的计算，都与人工智能相关，只有做好前面几步，人工智能才能发展。如果我们能做好前者，人工智能技术也能获得更好的处理方式，回旋余地也更大。另外，还有品牌的信任度，如合规等挑战，需要我们逐步去面对。

这里大家看到，一些像百度、蚂蚁金服、腾讯，都会找对应大型的金融机构去合作，共同去推进一些智能金融的金融科技方面，我相信这个趋势逐步形成了，不但是大公司，还有一些先锋型公司，已经往这个方向走。

因为时间关系，我就不一一介绍了，大家可以看一下。我们和工行的合作实际上很深度的，不单单简单是一个获客，其实我们在风控、运营都是有深度的合作。这个乐黑卡也是乐信根据用户的成长体系，设计出来一个独特的增值的服务，用户在我们这边随着信用的成长，生命周期会有统一的管理。在我们这边用得越多，他得到服务越多，服务质量也会越来越好。

最后我们希望智能金融科技，最终达到一个普惠的效果，让每个人平等享受到普惠金融的一个雨露甘霖，谢谢。