融慧金科張羽：傳統銀行「數字化」，隱私數據合規使用的重與輕

隨著移動通信技術的發展，數字化產品在提供更加便利服務的同時，也產生了個人信息過度採集和使用的隱患。今年315晚會上曝光一批使用非合規手段獲取數據的行為，著重提到714高炮，數據黑產和暴力催收等，它們都將成為重點監管的對象。如何合規適度的收集使用個人信息是傳統金融機構和金融科技公司所面臨的共同難題。

受監管的壓力和數據處理能力不完備的限制，一些城商行、農商行等傳統金融機構自己很難建立可行的風控模型。風控模型需要更廣的數據源，但數據清洗、整合需要耗費時間和資金成本，大數據公司可以提供數據源，但由於金融背景不足，提供的數據缺乏適配性，不能直接被金融機構使用。因此，第三方金融科技公司，打破了兩者之間的壁壘，打通了數據採集、清洗、整合和使用的全流程。

第三方金融科技公司一般為銀行、消費金融、保險、支付和資管等金融機構提供全面的支持服務。「比起金融科技公司，我們更希望被叫做金融科技服務商。」 融慧金科金融服務（北京）有限公司（下文簡稱：融慧金科）副總裁兼首席運營官張羽在接受零壹財經專訪時說道，「兩者的重大區別是做不做貸款業務，這是一個主要的分水嶺。」

近日，張羽接受了零壹財經的專訪，講述了融慧金科發展歷程、業務模式，以及對當前銀行數字化轉型的看法。

一、獨立的金融科技服務商，有效地區分好人與壞人

零壹財經：融慧金科是不是一家數據公司？主要產品和服務有哪些？

張羽：融慧金科不是一家數據公司，因為所有的數據都不是我們自己的。作為一家獨立的金融科技服務商，我們整合了覆蓋10.3億智能設備信息和90%活躍網貸客群的BAT量級數據和全量實時的工商數據，此外，還集成了幾十家合規授權的數據源，包括智能手機行為大數據、電商大數據、設備安全大數據、社交大數據等。根據金融場景的需要，融慧對這些底層數據進行深度清洗、挖掘、畫像、機器學習和風險建模，實現脫敏化的價值萃取。

融慧現已推出「標準化風控產品」、「定製化建模服務」和「端到端線上信貸解決方案」三大完備的產品和服務體系。

第一，標準化風控產品。由簡單、短平快、脫敏的風控模塊組成，通過API介面對接給有需求的商業銀行、持牌消金和互聯網金融機構，點到點查詢，非常輕便。其中主要產品「地址誠信指數」，在安卓和IOS端的覆蓋率提升了近30%，區分度指標GINI提升近20%，能夠有效地將好人和壞人區分開。

第二，定製化建模服務。我們根據不同金融機構的業務類型，開展定製化模型的深度合作。融慧的上千個畫像，不會直接作為標準產品來輸出，而是作為模型中的底層變數，經過機器學習以分數形式輸出，在進一步脫敏的同時，使風險區分度更高，幫助金融機構做好貸前的實時風控決策和貸後的早期預警，更有針對性地提高自己的風控能力。

第三，端到端風控體系輸出。數據不等於價值，模型也不等於風控。真正做好一款產品，不僅需要運用好傳統風控的思想精髓，也要充分基於大數據，提升貸前、貸中、貸後全流程的風控能力。融慧金科提供的「端到端」整體解決方案，幫助金融機構低成本快速啟動，高質量精控風險，在快速實現規模化業務發展的同時，建設一支專業化的自有風控人才隊伍。

零壹財經：融慧金科的合作夥伴有哪些？銀行佔比情況如何？

張羽：目前，融慧簽約並直接服務的機構達數百家，涵蓋銀行、消金、保險、支付和資管等機構，其中銀行客戶近20家，佔比約20%。銀行在融慧客戶結構中不是最多的，最多的是消金公司。為什麼？因為銀行受到很多客觀體制的限制，監管最強，做事流程比較長。金融行業同樣的業務，互金平台已經實現大規模拓展，但銀行不能做。不過銀行也有自己的天然優勢，資金成本比較便宜，社會認知比較好。

二、銀行數字化的競爭優勢：靠近好人，遠離壞人

零壹財經：銀行轉型過程中會遇到哪些難點？

張羽：銀行整體客戶量很大，但是很多城商行的客戶量並不大，在數字化轉型過程中，缺乏專業的隊伍、完備的建模系統和多元化的數據都是明顯的痛點。

很多城商行、股份制商業銀行在轉型過程當中遇到阻礙，會找到我們合作。因為銀行知道自己做數字化轉型需要要耗幾年的時間，投入巨大的資金成本，最後也許收效甚微。其實互聯網金融也好，互聯網也好，有一句經典的論斷，叫數一數二，不三不四。誰做的早、資源投的狠，誰就有先發優勢。銀行也完全一樣，一旦沾了互聯網的邊，誰做的快，誰一定佔有優勢。所以很多銀行家、行長明白一個道理，不是所有的事情都需自己做，這也是為什麼像融慧這樣的金融科技服務商能有很大市場的原因。

零壹財經：融慧金科為銀行提供什麼產品或者服務？

張羽：融慧利用多維度實時動態數據，為銀行提供標準化風控產品服務，通過API介面形式輸出融慧C端和B端產品給銀行，用於貸前授信和貸後管理的風控環節。另外我們根據銀行客戶的自身需求，聯合打造定製化模型或項目制的風控諮詢服務。某些銀行客戶自身沒有數據，也沒有能力擬合未來的數據，融慧根據歷史服務過的同類客戶的經驗，總結出對某類人群適用的通用版模型，在沒有給到銀行具體數據的情況下，間接轉移融慧金科的知識產權，通過細分垂直的模型解決客戶難題。

零壹財經：融慧金科的優勢是什麼？

張羽：融慧金科的優勢在於整合數據，脫敏化輸出高質量產品。我們與各種合規的大數據提供商進行深度合作、做數據的挖掘和模型化開發。模型背後是成千上萬個維度的數據，像智能手機的服務商、電商、運營商和地圖商。在不泄露客戶隱私的情況下，通過返還一個評分，比如0.1825，這意味著如果給他貸款，半年以後有18.25%的概率要逾期。通過這種形式為銀行提供高效準確的客戶篩選條件，實現風險分層，把定價和額度定得非常准，把授信做的又好又快。其次，產品對接快，客戶投入成本低，融慧的多頭借貸、地址驗證、欺詐名單和信用風險分等數據化產品，可通過標準API介面對接到客戶的系統，比如某公司在做線上信貸授信的過程中，可以短時間內對接調用融慧的定製化模型介面，而無需採買一個系統。

零壹財經：一般給銀行做項目的周期會很長？銀行需要投入多少？

張羽：要看什麼項目，如果是標準化產品對接，API介面配置在銀行系統上即可，幾個產品一般半天就可以搞定。深度合作的定製化建模，模型上線一般不到一個月。在這種輕便的模式下，銀行在對接過程中投入甚少，無需耗費大量的人力、物力。

零壹財經：經過數字化轉型，銀行最大的競爭優勢是什麼？

張羽：獲取數據充分合規，利用數據和科技的能力把風險做的嚴，做的輕，能夠快速識別好人，銀行的競爭優勢便顯而易見，好人越來越趨近你，壞人越來越不樂意玩你或者不敢玩你。像315曝光的扒用戶通話記錄中的詳單、社保公積金、銀行卡密碼等都是嚴重違規行為。在這種不合規的行為下，願意一步一步走完信貸申請的全流程，一定是極其缺錢或以借錢為生的人，我們稱之為逆向選擇。其他機構需要採集30項信息，而你只需要兩項，且都是無感知的，申請流程快速通過，好人一定選你。

三、大數據風控行業的痛點：數據供需不匹配，模型實操性較弱

零壹財經：為什麼銀行等金融機構不去採購一手數據源的數據？

張羽：因為原始的數據太過底層。第一，客戶隱私的敏感度是非常高的；第二，互聯網大數據離不開三個魔咒，數據的稀薄性、維度太高及指標間相關度極弱。所以如果銀行直接到大數據公司去測試它的數據，基本結論就是沒法用。

零壹財經：大數據公司有哪些痛點？

張羽：大數據公司的一大痛點就是在特定時間點上的樣本訓練出來的模型區分度非常好，一放到生產實踐當中，因為各種各樣的變化，如人群的波動，政策的變化，模型效果會大打折扣，這是最為忌諱的模型不穩定和過度擬合的問題。所以衡量一個模型的好壞，不僅要看模型在當時的訓練樣本上表現如何，還要利用獨立時間段的樣本去驗證模型公式。穩定性好的模型，用於信用卡審批決策，比如線上信貸審批，才能保證好人和壞人的區分度。一些大數據公司也試圖做一些金融方向的應用，但他們是做數據出身，不是做業務和金融的，很難為金融機構提供高度適配的服務，因此有了像融慧這樣的第三方金融科技服務商。

零壹財經：關於風控，你覺得貸前貸中貸後哪一個比較難？

張羽：從風控行業的角度來講，只要有原料都不難。一般來說，我們貸後的模型會做的更好一點，因為對客戶還款行為的信息搜集肯定比貸前要更完備一些，比如他還了五期，那五期的還款記錄當然是最重要的指標，這些信息肯定是貸前缺乏的。

但對傳統銀行而言，貸後往往是風控的難點，因為錢一旦出去了，只能監測到用戶的還款行為。從事銀行業的都知道，不能「重貸輕管」，但光重視貸後管理，不一定能控制好整體的風險。

零壹財經：將來整個行業會不會把數據全部共享？

張羽：數據共享需要一定時間的沉澱，打通N多個壁壘。目前我們對各種維度的數據進行同類整合，比如客戶在申請信用卡時，銀行無法有效驗證客戶錄入的地址信息，但融慧可以通過整合各種地圖商和SDK服務商的數據，做多次交叉驗證，形成長期的用戶畫像，輸出更精準的評分，確保最高的覆蓋率和區分度。現在銀行信用卡中心用的基本上都是融慧的地址驗證產品。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！