新颜科技CEO黄向前丨AI+风控 助力金融智能化变革

演讲嘉宾：上海新颜人工智能科技有限公司CEO 黄向前

首先还是感谢组委会给我们上海新颜这样的一次机会给大家分享我们上海新颜这几年在金融科技这个行业里面，给这个行业做的一些事情，我的分享的主题是AI+风控，助力金融科技的智能化变革。内容主要是分3个部分，第一个是AI落地在驱动金融业态新的变革，第二个就是智能风控在加速金融智能化的革新，第三个是新颜在这个领域做的探索。

在2016年之后人工智能技术大规模的使用，尤其是随着移动手机的普及，在移动支付、智能风控、大数据的使用，已经完全颠覆了金融领域的体验，而且在未来，随着区块链技术，5G技术的大规模应用，我们相信基于新一代的人工智能技术，能够将整个金融行业的业务运营、风控、贷后等等相关的管理都能起到革命性的变化，这个是关于整个发展过程的一些情况。

这个是我们掌握的数据情况，大家可以看一下，目前在整个人工智能赋能金融的应用市场里面，其中智能风控占了三分之一的投融资市场规模，像其他的智能客服、智能催收已经大规模的使用，但是从整个应用的效果来看，智能风控还是处于目前最活跃、市场规模占比最大的地位。

第二部分是智能风控加速金融智能化的革新，大家可以看一下，人工智能助力打破传统金融风控技术壁垒的做法，在传统的金融风控领域里面，我们通过之前是线下签单，客户拜访，现场的调研，做面签等一系列的人工的操作，审批的流程非常漫长，整个过程也非常的漫长。在人工智能技术赋能风控的概念里，首先是大量和个人相关的，无论是消费领域的，行为画像领域，还有通讯领域的数据，将这些大数据进行一定的收取形成相关的表现以后，能够通过大量数据的运算进行信用的评估，给出整个全生命信贷周期的风险控制，能够在整个的从获客到信贷的授信，放款，催收都能够实现全流程化的处理，人工智能技术在提高效率，放贷的精准度及降低风险这一块都起到了决定性的作用。

像机器学习领域，从人工标注到有监督的学习，到半自动化的学习，到全程无监督的学习，通过机器学习的能力，将我们的模型数据抽取标注，都能做到全自动化的处理，随着计算机视觉像人脸识别OCR大规模的使用，图像分类的处理，检索，重构，形成相关的反欺诈、贷中的处理等，都能极大地提高整个智能风控的效率效果，降低潜在的风险。

第三个自然语言的处理，因为现在大量的数据都是非结构化的数据，通过自然语言的处理能够形成一些结构化的结果出来，将这些结果应用在智能风控的模型和算法当中能够极大地提升智能风控的效果。生物识别特征的使用，在支付过程里面已经开始大规模地通过人脸做一些实时的风险的控制。另外是近期在虹膜、声纹识别领域开始有尝试，提升反欺诈的效果。

这是关于我们新颜，目前主要的产品是一站式智能风控解决方案，我们在2017年产品推出到目前为止，基本上已经与消费金融、互联网小贷等众多领域的头部企业有合作，包括度小满也是我们的合作伙伴之一，消费金融公司包括像马上消金，兴业消金等等也都是我们的合作伙伴，将我们对个人的行为画像的评估，建模，以及形成相关的评估，然后将这些产品提供给他们，刚才我们许总讲金融大脑，一部分的底层的标签，尤其是央行征信覆盖不到人群的金融属性的行为画像，我们这边是有相关的输出。

另外新颜除了提供一些基础的风控产品之外，我们也提供全产业链的信贷全生命周期的管理，包括贷前的准入，反欺诈的实时处理，以及贷中实时的监控，以及贷后资产的跟踪，用户的一些还款能力的跟踪。在这个领域，目前我们每天服务的人次是800-1000万人次，服务绝大多数的金融互联网公司和信贷公司。

这是我们的一些具体的应用技术和应用场景，根据新颜推出的一系列产品，应用于不同的场景里面，我们无论是线上还是线下的这些信贷场景，还有各种直接触达用户的技术，或者是工具，能够帮助我们的金融科技公司，或者是信贷机构打造金融科技的护城河，提升效率，降低风险。

基本上咱们做金融科技的这些都比较清楚，使用这些技术的目的就是为了提升我们的风控的效果，以及降低整个信贷的坏账率。

另外是新颜这几年已经逐步形成了自己完整的全流程数据中台的平台，这些平台也在帮助银行建设他们的数据中台，我们今年帮助一家城商行实施了数据中台的搭建建设，底层的搭建，大数据平台，模型的自动化处理，自动模型的更新，这一块都已经完全地体系化，无论是信贷还是理财，还是一些客服，都进行了直接的服务，这个是我们平台的情况，大家可以看一下。

秒级预警系统，这个是基于在贷中当一笔信贷发生之后，对贷中的人群的跟踪，基本上能够快速的将一个客户他是否存在信用恶化，借新还旧，异常共债等等信息传送给金融机构，让他们对已经发放的贷款做相应的处理，或者是一些跟踪，或者是核实，尤其是对那种随借随还的信贷产品产生比较好的效果，这个系统目前在我们服务的这些机构里面效果是特别好的。

最后一部分是新颜在除了传统的智能风控领域的产品之外，最新的探索情况，跟大家分享一下，第一块是和上海交大去年成立了金融科技的联合实验室，主要是利用交大在机器视觉方面算法的研究，在深度过程学习的算法研究基础上做了一些产品。

第一块是从传统的、这两年一直说的深度学习到深度过程学习，深度过程学习是交大自己研究的一块算法，目前我们将我们新颜在业内大家比较知名的是智能雷达和智能探针的两款产品，基于深度学习的算法做了迭代，目前和我们的一些合作伙伴做了小规模的试用，从整个的输出效果稳定性、产品的稳定性，以及KS值提升都有非常大的帮助，因为这个过程里面需要我们将底层特征做一次重构，因为我们底层设计量也是非常巨大的，这个过程还是在缓慢的推进，但是从效果来看还是非常有效的。

第二个是实验室近期主要的研究方向，是白盒点的过程模型，这个就非常偏重于技术了。传统的黑盒深度学习中我们很多的底层学习算法没有办法通过更好的方式呈现出来，但是白盒点过程模型的可解释性，当我们和客户出现一些对风控结果有理解偏差的时候，可以通过其可解释性展现为什么是这样的结果。这是一个正在研究的方向，另外在产品里面进行尝试使用。

合作伙伴在使用产品的过程当中，根据产品前后的差异得出效果的比较，这些具体的数字就不再具体读了。

这是深度过程学习落地实践情况的一些差异，大家可以看到，我们用20万个真实的贷后样本进行的测试，大家可以看到KS值的差异，大约能够提升10%的水平。目前整个再造产品体系还在推动，但是通过前期的实验和样本的测试能够看到这样的效果，在强普适性，稳定性等方面有很大的效果。

这个是近期推的产品，基于生物识别人脸识别的技术还有OCR的技术，但是这个方面也是用的交大自研的算法，不是咱们外面看到的一些开源的算法做的，这一块我们和交大这一块持续地推动这一块算法的研究和使用。

这个是我们在自然语言处理方面的产品，目前主要是在企颜宝这一的产品，陆陆续续在推向市场，我们通过关联这些企业相关的，无论是一些新闻报道，官方的数据，通过一系列的关联公开信息的聚合分析，得出对这家企业的一些评估。

我相信随着咱们中国，尤其是在5G、在人工智能、在金融领域大规模的使用和这么多从业人员的尝试，以及大家有这么强烈的创新的欲望，我相信在这一块的落地和在这一块的使用上会有更加广阔的场景，希望所有从业者一起将我们对技术的使用应用在真实的场景里面，通过技术帮助咱们中国在金融科技这一块的探索走更的远，走的更好，谢谢大家！