上海2017年8月24日電 /美通社/ -- 8月23日，以“塑造數據生態.引領金融科技.聚焦數據未來”為主題的大數據金融論壇BDFF2017 在上海隆重召開，數百家機構、行業專家、決策者共同聚焦，緊扣政策熱點，共同探討大數據金融科技發展趨勢，探索大數據普惠金融的發展與未來。中誠信征信CTO姚明受邀出席此次峰會并深度剖析信用科技的進化，在征信路上對信用科技的探索和實踐。
演講全文如下：
信用科技的進化主要是基礎IT技術的進化
中誠信征信在今年首次提出了“信用科技”這個概念，以呼應新時代背景下金融科技在信用這一板塊的發展。之所以選擇使用進化這個詞，是這個詞既能表達技術發展的主動性，又能體現外部環境變化帶來的影響和選擇性。縱觀征信的發展歷史，從一百多年前英國裁縫之間共享不守信的貴族黑名單開始，而后進化為信貸交易記錄的征信，并在百年間穩步發展，在這一時期，信用科技的進化主要是IT技術的進化，直到近幾年大數據技術出現，為信用科技的進化提供了更廣闊的空間，可以類比人類進化史中對工具的使用，以及人工智能技術的不斷成熟，為信用科技的進化提供了更多縱深，可以類比人類進化史中對火的使用。
大數據和人工智能是信用科技進化的內因，而新金融對于大數據風控的訴求，包括普惠、實時、精準、場景等一系列特點，則是外因。所以，我們定義的信用科技，即Creditech，是旨在通過大數據、人工智能等技術的進步，推動信用評估的智能化和信用價值的擴大化。
信用科技進化的一些主要方面包括：
信用數據從單體高價值到群體高價值的進化
首先是數據維度的進化。所有的信用評估，都是圍繞履約意愿和履約能力而展開的。以前，對于這兩方面的評估，都是圍繞直接數據展開的，也就是強金融數據，比如信貸記錄和資產信息。那么在大數據技術發展背景下，這兩方面的信息維度也得到了進一步增強，比如信貸記錄中增加了消費分期、網貸、租賃等信息維度，在資產信息中也增加了股權投資、理財信息等。除了這些強金融信息，大數據技術賦能信用評估引入了更多的次金融相關、弱金融相關數據，比如消費信息、設備行為信息、網絡行為信息、甚至是社交行為信息等。這些金融次相關、弱相關數據，在大數據技術和人工智能技術的催化下，也對信用評估產生了重大的意義，是信用數據從單體高價值到群體高價值的一次重大進化。
其次是數據采集技術的進化。傳統的信用評估更多的是通過用戶自述、人工核驗等方式對數據進行采集和確認。大數據技術的發展，賦能了更多的采集方式，例如通過API聚合方式采集三方數據；通過SDK插件預埋采集設備指紋、申請行為數據；通過物理識別包括生物識別進行人臉識別、活體檢測、聲紋檢測、OCR證照識別、NFC讀取卡信息；通過授權定向抓取技術，在用戶直接授權下獲取其交易記錄、通信記錄等。以上這些采集方式，都是信用科技在采集方式上的進化，其獲取信息的方式更穩定、更實時、更可靠。當然，我們也注意到數據采集技術的進化，會帶來更多關于用戶隱私保護方面的難題，亟待解決。
第三，是對數據處理方式上的進化。早期的征信技術，主要是對數據的ETL，即對數據的清洗與融合。而現在，除了這些基礎數據處理技術外，還廣泛的采用聚類技術對人群進行分類，再利用數據的標簽化處理對人進行畫像，以更為生動直觀的形式刻畫人的信用；利用ID Mapping技術對人的更多可識別維度進行關聯，例如除了姓名、身份證、手機號、銀行卡等信息外，還利用照片、設備指紋、網絡指紋等非機構化信息進行身份關聯。在身份關聯以外，知識圖譜技術還提供了對數據更平面化的處理，即通過降維處理，信息被定義為“主體”與“關系”，不但能夠將人與人進行關聯，還能夠將人與企業、人與事件、人與所有事物進行關聯，進一步為更深層次的關聯風險分析提供支持。所以，對于數據的處理，其進化的方向是從冰冷到生動，由表層到深層。
從“人工+智能”到“人工智能”的進化
第四是信用建模技術的進化。
在一個信貸業務場景中產生的實際案例。第一張圖示真實的歷史數據，星型標記為一個借貸人，區域的顏色表示的是信用情況，綠色代表健康，紅色代表風險，可以看到這個借貸人的信用情況是處于綠色區域的，也就是還不錯。第二幅圖，是傳統的統計分析視角下的情況，可以看到有兩根白色的線，分別代表了兩個統計分析模型，在這兩個模型下，風險都能得到不同程度的控制，但是我們的目標借貸人很不幸的被排除在批準區域外了。而在第三幅圖中，是在機器學習視角下的情況，我們會看到模型不再是規律的曲線，而是不規則的形狀，在這樣的模型下，我們的目標借貸人被準確的識別出來了。這就是信用建模從統計分析到機器學習的進化，也是模型由強解釋性到弱解釋性的進化。
眾所周知，要建立一個信用評估模型，實際是就是對y=f(x)中的f進行求解。在求解的過程中，要經歷數據抽取、特征工程、算法選擇、參數調優和樣本檢驗，如果效果未達預期，再次回到數據抽取，進而循環迭代。對于這個循環，我們一方面通過程序化處理，讓整個過程自動化完成，另一方面通過人工智能算法，對于特征工程、算法選擇和參數調優環節進行智能優化，更快速的達成更準確的模型。這是從“人工+智能”到“人工智能”的進化。
從征信的“個體信用”到評級的“資產信用”的進化
在信用領域，信用的類別可以歸納為個人信用、企業信用、政府信用、以及由信貸資產抽象而來的資產信用。在信用評估層面，征信和評級一直是作為兩個各自獨立的存在。征信服務于消費者信貸中的個體信用，評級服務于機構主體和資產包的宏觀信用。在獨立、客觀的信用科技驅動下，從征信的“個體信用”到評級的“資產信用”路徑正在被打通和連接，信用科技的價值表現，正在擴大化。
在中誠信征信，我們圍繞“個體信用”和“資產信用”分別推出了“萬象風云”和“AXIS資產交易智能掃描”平臺，并剛剛在8月初召開了產品發布會。
在萬象風云平臺，我們專注于基于“數據+規則+模型”三位一體的智能風控服務，在數據層面，我們提供了剛才提及的幾乎所有API聚合數據支持和其他采集插件；在規則層面，我們依托專家經驗和機器學習成果，提供了包括身份認證、數據勾稽、交叉核驗、黑名單、團伙反欺詐、設備反欺詐、行為反欺詐、交易反欺詐等一些的規則集，近千條原子規則，并可以通過可視化、可編輯的規則引擎自主配置；在模型層面，我們內置了針對不同場景的模型組，可以在預設的通過率和壞賬率標尺下進行自主選擇。除此之外，風云還內置了知識圖譜工具、AI智能建模工具，讓風控和建模以極為簡單的操作方式展現給所有人。
在AXIS資產交易智能掃描平臺，我們專注于通過獨立第三方征信和信用評估，讓消費金融ABS資產包的底層資產以更為透明的方式展示給投資人。我們利用基于個人信用評分和轉移矩陣的創新理論，進行現金流預測分析；利用機器學習和統計分析相結合，進行資產篩選、資產重構、資產跟蹤和對比。
從萬象風云到AXIS，我們旨在打通從貸前、貸中、貸后的個體信用評估，到信貸資產入池、資產篩選、資產配置、資產跟蹤的資產信用評估的全鏈條，以“征信”促“增信”。
