李俊加入百融金服 百融金服AI金融實驗室升級

3月27日，對于美國圣母大學終身助理教授李俊來說，是個特殊的日子——加入了為中國80%中小銀行提供風控服務的百融金服，出任該公司人工智能金融實驗室首席科學家，一起打造AI金融實驗室。

李俊師從Lasso算法的創始人Robert  Tibshirani教授，這個Lasso算法是一種能夠實現指標集合精簡的估計方法，能夠幫助百融金服在預測上更加精準和合理。

百融金服首席科學家李俊

百融金服CRO兼人工智能金融實驗室負責人季元透露，目前百融已經有近700位大數據、金融精英在做風控、AI相關的技術研發，因為這是未來百融服務中國數百家銀行的基礎：

在過去，一位客戶來銀行貸款，大多數銀行在風控系統中跑一圈，會給回一個答案：能貸，或者不能貸。但是在實施人工智能的方案后，風控系統會根據各種海量碎片式的信息來判斷，這個用戶是暫時的資金困難，還是財務狀況發生了根本性的轉變——能貸，那么貸多少錢是金額最高、最合理且風險是最低的。

換句話說，AI能夠更好地幫助金融機構提升金融服務的智能化、個性化水平——因為全國每天幾千家金融機構、數百萬筆的貸款申請都要在百融金服的風控體系中“過濾”，沒有任何一個機構、能夠有能力去全部人工“看清”每個用戶，因此，百融金服的這個AI金融實驗室，將是該公司未來提供貸款風控服務的核心競爭力。

起點：百分點

百融金服的能力有多大？

舉個例子，如果有人在若同一設備上多次申請貸款，他可能是無法通過百融金服的反欺詐系統的——這種行為特征已經存在欺詐嫌疑；甚至在同一設備上既申請信用卡又申請現金貸，也一樣會被百融認為存在欺詐嫌疑；更有甚者，就算一位申請人填寫地址與實際居住地址差距非常遠，他也會被判定為存在欺詐嫌疑……是的，在反欺詐上這件事上，百融金服的能力外界很難想象——這都是基于長時間的大數據積累。

2014年之前，百融金服還只是DMP公司“百分點”的一個金融事業部，服務于金融機構，為他們提供風控服務。

什么是DMP呢——互聯網廣告 DMP（Data Management Platform），就是需求方平臺。簡單地說，就是建立一個用戶畫像的大數據庫，給一個用戶建立無數標簽：例如PL0001這個用戶看過汽車廣告、香煙廣告、點過淘寶上的口紅……等等，各種網絡行為都化為一種標簽成為這個用戶的特征。

百融金服CRO兼人工智能金融實驗室負責人季元透露，目前百融金服的數據庫里，單一個人能有10到50萬個標簽（當然不是每個標簽都有數值）。

最早受Double click影響，大數據技術用來服務廣告主來識別某個人適不適合自己的廣告，即要不要付費給媒體平臺讓它給這個人推送自己的廣告。這就決定了，當年的百分點在互聯網PC時代就已經積累了大量中國網民的信息特征（注意，這與隱私無關，因為是經過雙重加密的）。

今天來看，這個能力已經成了各種網絡業務的核心，基于用戶畫像能夠產生無數個性化服務，例如今日頭條的個性化新聞推薦，電商淘寶的千人千面首頁，等等，所有有針對性的服務都需要以用戶畫像為基礎。

而今天的百融金服已經憑借自己的大數據能力找到了比廣告市場更高端的場景：金融。

銀行解決方案是百融金服的重點——從線上線下的營銷到反欺詐，從風險評估到價值增值（挖掘有分期付款及透支習慣的客戶特點，把存量客戶價值最大化），甚至失聯催收，百融金服已經參與到了銀行服務的諸多環節。

這個時候，百融金服當年DMP的看家本領就有了用武之地：例如在百融金服的營銷運作下，峰值時每天可以為某小貸公司撮合放款超過2千萬。

也是由于百融金服的大數據信息標簽足夠全面和精準，其線上發卡量提升了2.3倍。

再舉個例子，某行“現金分期”項目，在百融“用戶特征篩選”系統的支持下，“現金分期”客戶的轉化率從2%提升到14%，目標客戶轉化率提升了700%。

正是這些能力，其實不僅僅是銀行，也是小貸公司、P2P公司以及保險公司急需的能力。這讓百融金服目前已經與3000多家金融機構有了合作，覆蓋了金融行業80%客戶。

這些能力的形成，也讓百融金服獲得了資本市場的青睞。

聰明的大腦

“我之所以加入百融金服，是因為他們的數據量實在是太大了，這對于AI模型來說是最肥沃的‘土壤’！”李俊稱。作為美國圣母大學（2017年US News全美大學綜合排名第十五名）應用與計算數學與統計系，被破格提前授予終身教授并晉升為副教授的科學家，李俊正試圖將國外先進的技術應用于國內——當然，要加以改良。

對于百融金服來講，AI技術之所以重要，就是因為它能夠用計算機算法從海量碎片的數據中挖掘出不同層次的信息。

AI能夠判斷一個人的財務狀況是否發生了惡化：原本開勞斯萊斯，結果這位用戶把車賣了，買了個夏利……當然，AI不會僅僅憑借這一個行為就做出論斷，而是綜合無數碎片化的信息，從而將2000個標簽合成10個高一層次的標簽（數字為舉例），再不停地做出更高層次判斷的標簽，例如一個人是不是“靠譜”。

而這些都必須AI來做——因為類似“靠譜不靠譜”這樣的高層次標簽需要AI這種絲毫不帶感情、價值觀色彩的“評估者”來計算。

事實上，這套系統的核心并不是將所有風險拒之門外。風險的度要適度把控才是這套系統的關鍵。例如對于缺失信息（missing data），系統會自動給出一個低一度的判斷值。對于那些基本面很好的用戶，不能讓他們因為暫時的周轉不靈而失去貸款機會。

此次李俊加盟的人工智能金融實驗室，就是試圖通過“數據+算力+算法+場景”的疊加效應，幫助信貸、保險、理財等金融行業企業更好地決策，過程更加智能化。

未來：數據生態

在季元看來，百融金服的數據已經形成了壁壘——有數據的公司很多，但是并不是都能做風控，以及貸后的催收、營銷等服務。

事實上，百融金服的數據也在這些年同步在積累，該公司業務發展過程中衍生的數據，又變成其自身的數據來源，可以基于它開發更多的產品。就百融的數據生態來看，正在越來越大。

舉幾個例子：能夠“長”出來的業務，包括貸后催收，以及供應鏈金融等等。

先說說反欺詐。

百融金服最大的優勢是有跨機構的視角，每個人都是一個節點，節點之間是有關系的，基于這張上億節點的圖做的圖計算，能夠進行團體欺詐識別的。

季元透露，團體欺詐有個很明顯的特征，一伙人在短時間內會在多家金融機構申請貸款，通過基于AI的圖計算很快就能把這些特征抓出來——在金融領域，這是一個比較典型的AI應用場景。

還有就是自然語言識別，百融金服今年正準備將一個產品配上AI，就是通過NLP（自然語言處理）能力解決電話客服的問題。例如在貸前審核階段，傳統金融機構會將人工語音審核的過程外包給call center公司，幫自己核實貸款人的真實性。

百融金服可以通過AI來做。例如AI問用戶一個問題，用戶回答，AI來判斷用戶的回答對不對。還有就是在催收環節，過去是通過人打電話去催他還款——AI也是這樣，告訴貸款人欠了多少錢，問什么時候應該還，如果用戶回答說“沒錢”或者“有錢”，下一步再告訴用戶怎么還款，不還款會有什么后果。

這些通過AI來做就能降低人工成本。以往的call center都是兩三千人，未來銀行可以直接采購百融金服這種服務。

是的，以人工智能和大數據為基礎的百融金服正在圍繞自己的核心競爭力迅速成長，百融金服的征途才剛剛開始。