2018-08-21 16:34:55 來源:中華網 作者:佚名
掃描二維碼
關注√中金在線微信
掃描或點擊關注中金在線客服
網際網路金融藉助網際網路跨時空的巨大優勢，有效降低了金融服務的成本，拓寬了金融服務的場景，在傳統金融之外開闢了一片新的天地----為傳統金融機構服務難以覆蓋的中小用戶打開了一扇門。
但無論傳統金融還是網際網路金融，風控始終是其中的核心要素。傳統金融風控的特點是面向的人群相對固定，並可以依賴央行徵信系統的強金融屬性數據對客群的風險做出較為準確的評價。但在網際網路金融場景下，服務的人群主要是徵信系統未覆蓋或者難以獲得其徵信信息的群體，再使用傳統的線下風控手段顯然很難準確評估風險。大數據與人工智慧(AI)的興起，敲為互金行業的風控提供了強大的支持。
PPmoney萬惠集團作為互金行業的先行者，在應用大數據和AI構建風控體系方面，走出了有自身特色的實踐道路，構建了一套完善的風控系統—靈機5S風控系統。該系統以海量多維度、異構數據為基礎，多方面應用了AI的相關算法和技術，實現了營銷獲客、授信審批到貸後催收整個流程的智能化、自動化。
具體AI在風控系統流程各個環節的應用介紹如下：
首先，關於大數據，我們的理解是不僅僅要數據量大，更重要的是數據的維度高、形式多樣。徵信數據源的不同，決定了網際網路金融風控的模式與傳統金融風控有顯著的區別。因為這些數據大多數都是非金融屬性的數據，與風險之間是一種弱關聯關係，所以需要更多的維度，以便更準確地評估用戶風險；並且，還有大量非結構化數據需要加工處理成可以入模的結構化數據。這些都需要相應的算法和技術。
從徵信數據源的角度來看，我們真正實現了多維度、全方位的用戶畫像，對用戶有非常深刻而精準的認識。一般地，我們會從用戶的身份特質、行為偏好、社交關係、信用歷史、還款能力等多個方面對用戶進行評價。這些方面涵蓋了用戶幾千維的特徵，間接但精細地刻畫了用戶的還款能力和還款意願，對風險評價有極大的價值。
其次，在風控流程的幾個重要環節，包括反欺詐、貸前授信、貸中提額與風險預警、貸後管理等，我們都具體相應的AI技術應用。
(1)反欺詐
反欺詐可以說是風控的第一道關口。PPmoney網貸通過多種算法和技術的聯合運用，打造了一個多方位、多角度、實時、量化的反欺詐體系。該體系以有監督學習方法建立的反欺詐評分模型為基礎，輔以聚類、降維、圖形分析、關係網絡等方法，可以通過發現用戶的異常行為來檢測欺詐，從而做到提前預警，快速識別，防患於未然。其中關係網絡擁有超過5000萬個節點，30+億的關係，數10億條屬性的多維數據，將看似毫無關聯的人通過網絡聯繫在一起，從中挖掘出用戶潛在的信息。為用戶的身份一致性驗證、團夥欺詐、代辦包裝等提供檢測支持。具有靈活擴展、快速搜索、直觀展示的特點。
(2)貸前—智能審批
授信審批是風控系統中最重要的一環。如何精準地對用戶的信用進行評價，儘可能準確地拒絕壞人、放過好人，這始終是授信模型解決的重點問題。基於上述多維度、海量異構的用戶數據，PPmoney網貸採用多種AI技術，建立了高效、準確的授信模型群。這些模型以當前先進的梯度提升樹模型為基礎，根據不同的數據源特點，融入了各種聚類方法、文本分析方法、深度學習方法，實現了多個模型的自由組合和靈活路由。在兼具經濟性和效率的同時，大大提高了模型風險評估的準確性，使得審批通過率高，而壞帳率維持在一個極低的水平。
(3)貸中--風險預警
用戶的貸中風險管理始終是一個困擾風控業務的難題。PPmoney網貸人工智慧團隊，利用豐富的埋點數據和用戶還款行為記錄，採用基於LSTM的循環神經網絡(RNN)，建立了對用戶貸中行為的評價模型。該模型創新性地利用還款行為數據結合眾多埋點的行為數據，預測用戶未來的逾期概率。通過分析數據的特點，模型加入長短時記憶(LSTM)克服RNN對長跨度時間可能會有梯度消失或爆炸等問題，使得模型取得了較好的效果。同時，該模型還可以用於對用戶額度的調整(貸中調額)以及再貸評估等業務。
(4)貸後—智能催收
貸後管理系統是一個綜合性的系統。AI部門針對貸後催收業務，先後開發與採用了貸後催收評分模型、智能分案模型、智能外呼、智能質檢等多個模塊的模型，實現了催收的高度自動化，並有效提升了催收效果。
催收評分模型綜合用戶申請數據、貸後還款行為數據、催收數據以及催收部門反饋的高風險用戶特徵進行建模，把催收用戶進行合理的分級，為智能分案提供了基矗
智能分案的核心目的是資源的優化配置，讓最合適的人在最合適的時間通過最合適的施壓力度催收最合適的案子。智能分案需要將催收策略與模型匹配、催收員情況與案件難易情況進行匹配，實現資源最優化配置，達到自動催收、精準催收的效果。
PPmoney網貸的智能外呼系統也在不斷升級，未來將會利用先進的自然語言理解技術(NLU)，分別部署一套智能簡訊交互系統與智能語音交互系統，在跟用戶交互的過程中，自主識別用戶的意圖，然後匹配或者生成流暢的應答話術。同時，智能外呼系統還將具備成熟的自主學習能力，可以從與用戶的溝通過程中進行自我完善，不斷增強其有效的催收能力。
人工外呼藉助用戶畫像技術，充分了解催收用戶的典型特點，有針對性地進行催收。不同特點的用戶，採用不同的溝通交流方式，使用不同的談話技巧，有效提升人工催收效率。
智能質檢機器人是AI在催收領域的另一個重要應用，它可以實時對外呼通話進行監控，實時捕捉催收員的情感狀態、態度、不合規話術、敏感詞等，實時進行監控預警及評價，覆蓋面廣也避免了滯後性。
最後，為了實現上述整個風控流程的智能化、自動化，PPmoney網貸投入大量的資金和人力開發了專業、智能的模型工程化平臺。該平臺實現了數據抽娶模型訓練、模型測試、模型部署、模型監控、模型更新等全生命周期的自動化管理，大大簡化了人工智慧應用的過程、提高了模型開發的效率，降低了人工維護成本。同時，快速的模型更新也為線上模型的準確性提供了有力保障。
黃順亮，山東大學控制理論與控制工程博士，加拿大University of Regina 訪問教授。20年的人工智慧算法研究與應用經驗；發表相關專業論文近30篇；作為碩士導師、MBA導師、金融專碩導師在高校有多年的研究經歷；金融企業擔任算法總監，擁有豐富的大數據建模經驗和應用實踐。現為PPmoney萬惠集團人工智慧創新中心總監。
熱門搜索
為您推薦
更多評論>>網友評論文明上網，理性發言