新顏科技COO趙楊：人工智慧推動互聯網金融新變革

上海新顏人工智慧科技有限公司COO趙楊發表了題為「人工智慧推動互聯網金融新變革」的演講，從消費信貸行業宏觀的分析、對於薄信用人群的風險控制的理解以及公司在人工智慧技術理論上的探索和嘗試三個方面進行了分享。

他指出，場景金融或者說場景分期在行業大方向上被越來越多的機構所認可，而隨著行業的發展到達瓶頸，新進的玩家或者傳統的小玩家生存的空間越來越小，需要找到一些新的業務和突破點。

新顏科技目前正從圖像識別、自然語言等方面不斷嘗試、探索發現新的、好的「數據孤島」。

以下是發言實錄：

大家下午好！

我跟大家分享一下對於這兩年比較火的消費金融領域的風控，及各種相關AI技術嵌入的體會和感受。

我們公司成立不到3年時間，主要定位於利用人工智慧技術服務於大的消費金融公司，目前更多的關注風控，主要客戶包括非銀信貸機構、傳統機構、銀行、保險、證券。

我的演講分三個部分：

第一部分：對於這兩年比較火的消費信貸行業做宏觀分析。

第二部分：對於薄信用人群的風險控制的理解。

第三部分：新顏在AI理論上的探索和嘗試。

講幾個趨勢，對於線上的消費信貸來說，從2017年整個一年和2018年其實經歷了比較大的幾輪變化，2017年年底，相關監管政策突然的出台，使得當時特別火的消費信貸這個領域突然之間受到了比較大的阻礙，無論是行業統計裡面看到的這個交易額，還是用戶數量和交易筆數，都在2017年底發生了比較明顯的下降。

當然，2018年第二季度開始，隨著一些新的機構開始不斷進入到這個領域，以及原有的一些payday loan為主的機構開始做一些轉型，我們能夠看到，整個行業其實無論是從用戶數還是交易額都有了一定的恢復，在最近這幾個月，從第三到第四季度開始，其實又有一些回暖的趨勢，我們能看到一些現象，有些可能沉寂了很久的原有做payday loan業務的這些機構重新入場，大量的開始獲客，做業務。

所以我們能看到2018年第三季度末到第四季度，整個這個行業還是出現了一些快速的增長。

第二個趨勢是從18年初，當然也是18年一個特別大的主題，就是場景金融或者說場景分期在整個大方向上被越來越多的機構所認可，無論是從事咱們消費金融領域的機構還是其他的對應金融的市場，都開始逐漸認可這個大的方向。

我們從用戶量和交易額的佔比就能看到，其實場景分期從18年初還是在不斷的提升的，最終我們能看到的17年比較火爆的payday loan的業務，在18年前三個季度一直是處於下滑的狀態，這也跟政策在這個小的細分領域的監管對應。但是從9月份起到現在，整個payday loan這些業務又開始有了一些回暖的趨勢。

場景分期目前能看到的增量和我們能看到的之前的做中長期分期網貸的減量，其實是對應的。也就是說，這些傳統的或者說之前做大額網貸的機構可能在場景分期上做了更多的嘗試，把更多的客戶做了一定的轉化，這是我們能看到的比較好的一個方面。

第三塊趨勢就是在這個領域，我們認為從2014、2015年開始到現在，也就幾年的時間，對於各種業態以及對應的客群的發掘，其實已經到了一個相對瓶頸的階段，我們能夠看到超大平台或者說中大平台對應在行業里的佔比其實是越來越大的。新進的玩家或者說傳統的小玩家，在目前行業的形態下，或者說在各個要素價格的配置之下，生存的空間其實越來越小。

當然，監管政策其實也是在不斷的加速這個過程，把對應的比較傳統或者說盈利模式比較粗暴的，比如說payday loan這樣一個業態不斷的壓縮，甚至出現一些機構開始把業務逐步從線上轉移回到了傳統線下這樣的狀況。

這也是剛才講到的，就是在市場或者說我們通過數據能夠觀察到的一個明顯的現象，從2017年開始，新增客戶在整個行業的佔比，其實還是在不斷下降的。到2018年其實已經降到了兩成不到了。

所以說，我們認為在消費信貸這個領域能夠拓展的新的客群，或者說整個行業的獲客能力，其實是在不斷的被稀釋的，這也能夠印證最近一段時間，可能從18年第三季度開始，整個行業裡面特別明顯，獲客成本在不斷的提升。

當然，也存在一些新的情況，跟2017年有特別大的不同，就是2018年有些機構對應的老客戶逾期表現其實已經比新客戶還要差了，那麼對於短平快的進入到這個領域的一些機構來說，從這個角度來講，客觀上看到能夠快速的提升的機會。

下面講一下我們對於薄信用人群的一些理解，當然這張圖其實在很多的機構，或者說很多對應的材料裡面都能看到，傳統央行對應的徵信體系下，現在大量的消費金融機構還在用不同的方式對不同人群進行劃分，無論是橫向還是縱向，希望找到一些新的業務和突破點。

關注一：深耕場景，精選賽道，在場景金融領域，各家機構做了很多新的嘗試。

關注二：關注共債風險，對於整個線上消費信貸行業來說，行業存在多少年這個點會一直被關注，這也能側面反映出這個領域內，已經進入的C端用戶的個人槓桿率在不斷提升。

從2017年下半年到2018年是下降的過程，也是因為小的機構在不斷退出市場。

關注三：關注用戶生命周期，我們一直研究，也開始有一些理論和突破，從宏觀數據的統計上，我們得到的結論是：整個線上消費信貸的客戶生命周期在15個月左右，對於短期網貸和長期網貸可能會有各自的細分。

關注四：關注短債換長債風險，減少行業波動干擾。

目前能夠看到的機構，無論是三季度，還是四季度，有一些客戶很難通過自己的收入體系，或者說以他為中心點的家庭體系，維繫目前產品形態里比較高的利率，他們會逐步被淘汰出市場。

這也讓有些機構在風控領域看到很清晰的門檻，無論多努力，也很難把對應的逾期和壞賬控制到理想水平。

這一點也是為什麼很多數據積累到三季度、四季度才爆發的原因，這是產品形態創新的一個體現，把原來的短期、超短期產品轉化成相對長期的產品，自然人的風險並不會因為產品的變化而發生變化。

所以，以人群來定位的產品對應的壞賬，可能只是把它延後了，在三四季度一直會不斷的發生，現在負面的報道也很多，無論哪個細分都很多。

關注五：關注新的數據孤島、避免大數據風控失靈。

我們認為一個宏觀的大趨勢就是從2014年左右開始，各種新型的數據孤島不斷出現，包括新顏本身在內，也算是一個新型的孤島。

到了2018年下半年，可能很長時間沒有看到新的孤島存在，對應的消費信貸裡面，做風控的玩法可能會變成相對固定、確認的東西。

我們看到一個現象，原有的傳統孤島在整個風控體系里對應的邊際效應在不斷下降，一些傳統的風控產品、風控方案效果不斷被稀釋、攤薄，這是整個行業都在思考、試圖解決的問題。

有兩個大的方向：

第一，自身的技術和對客群的進一步細分。

第二，整個行業在不斷嘗試、探索發現新的、好的數據孤島，作為一個新的要素，能夠引進來，更全面反饋整個客群的狀況。

下面講一下新顏在理論層面和與高校聯合做出的嘗試，這是2018年我們和上海交大新成立的人工智慧學院，我們成立了一個聯合實驗室，希望在對應基礎的理論上做一些研究，能夠促進這個行業更快、更好發展。

這個行業裡面做風控對應技術的發展，從傳統的專家系統到一般的機器學習，再到深度學習，整個大的宏觀的過程還在繼續，只是在對應消費信貸行業里應用非常普遍，對應於主流商業銀行、城商行這些技術還在不斷的滲透之中。

針對機器學習、深度學習的可解釋性不足的問題，我們做了更多的嘗試，嘗試做一些白盒點過程的相關模型，也會把時間序列相關的研究引入進去。

我們另外的一個思路就是基於原有的數據孤島，用不同的維度、方向理解、編譯和演繹以前我們認為比較平常的數據，然後產生一些新的體系，這些體系能夠對於原有出現的模型做一些優化和調整。

當然，這是一些模擬測試的結果，其實我們感覺已經和目前主流的一些模型對應的結果達到同等水平，已經到了可以商用化的階段，新顏也陸續會有對應的產品產出，把這些理論上的研究產品化。

當然，其他的領域我們也做了一些研究，在圖像識別領域，包括我們正在跟一些保險公司做牛臉識別這樣一些小的細分。當然對於人臉識別可能有更多的機構或者說已經有了一些機構在這個領域做的很深了，圖像識別的邊界其實非常大，還有大量的細分是非常的空白，只是說需要某一家機構針對某一個業務形態做更多的深入了解，就可以把這個過程或者說把這項技術應用進去，使得業務細分領域的自動化，或者說精細化的水平能夠進一步提高。

對應自然語言的處理我們也做了一些對應的嘗試，包括情感分析、對應的實體識別，新顏的成立時間雖然不長，但是我們依然會把基礎研究作為我們一個重要的工作來做。

我的分享就是這些，謝謝各位。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！