华东解析 | 智能金融时代来临，大数据风控和科技创新是根本

华东数据

华东解析 | 智能金融时代来临，大数据风控和科技创新是根本

众所周知，风控是金融及相关服务企业的基础和核心竞争力。伴随着大数据、人工智能和云计算等技术的快速发展，从“互联网金融”转变为“金融科技”，成为技术驱动型公司，智能风控必不可少。

金融科技赋能

普惠金融主旋律：中国金融服务不均衡，促使国务院发布《推进普惠金融发展规划（2016—2020年）》，为社会各阶层和群体提供适当、有效的金融服务成为发展重心。但各类银行机构在客群下沉过程中，难以做到商业可持续，因此，通过大数据等科技手段提收增效成为金融机构核心诉求。

行业趋于合规：网络小贷专项整治、现金贷规范整顿、网贷暂行管理办法等一系列法律法规颁布，标志着监管套利空间消失。非持牌互联网金融公司必须积极寻求与持牌金融机构的深度合作，将积累的用户、经验以科技手段赋能金融机构。

金融基础设施建设：中国金融基础设施不健全，比如普惠金融信用信息体系、普惠金融统计体系等。新的数据获取、存储、交易、分析技术不断涌现，中国金融基础设施将完成越级式发展。

金融科技核心

金融科技最重要的是数据创新技术：从数据收集到数据应用的数据流中，涉及到大数据、AI、区块链、物联网等各项技术。我们定义金融大数据，是覆盖数据全部流程的新技术，而不仅仅是数据分析技术。

以互联网巨头百度为例，百度积累了数十亿搜索数据、百亿级的定位数据和图像视频数据，形成了一张170亿个顶点、680亿条边的关联网络，可以有效识别骗贷团伙。

大数据技术最为成熟，区块链技术尚处于早期：现阶段，大数据不论从技术还是场景应用上都最为成熟，AI技术在算法与业务场景结合上还存在提升空间。物联网技术应用环境较小，更多是作为线上数据的补充，区块链技术还处于早期阶段，技术本身还不够成熟，距离落地应用还需要一定时间。

金融大数据进入成熟期：从基础设施看，金融领域基础设施好，信息化、数据标准化程度高。信息化是数据化的基础，只有积累大量业务数据才能进行大数据分析，金融是最早推行信息化建设的行业，也是电子化业务渗透率最高的领域。同时，国内银行等传统金融机构多数效仿国外的信息化建设方案，与医疗、工业相比，金融领域以结构化数据为主，数据标准化程度高，数据清洗相对容易。从应用范围看，业务由数据驱动，应用范围广。即使传统金融机构，业务也基于IT系统，金融业务与IT紧密结合，完全由数据驱动。大数据会对金融机构的各项业务产生变革，在金融领域应用范围广，能够影响到核心业务。从市场规模看，金融大数据市场规模大，金融机构每年IT投入高于其他行业。以银行为例，2017年中国银行业整体IT投资规模近千亿，占中国IT投入约5-10%。高IT投入，意味着金融机构在大数据业务的付费意愿更高，付费能力更强，金融大数据的市场空间更大。

与金融场景融合

在信贷领域的应用：大数据覆盖信贷领域各个流程，重点是获客、身份验证和授信环节。获客环节建立用户画像，跟踪用户完整生命周期；身份验证环节，通过活体识别等技术解决申请人是否本人的问题，关联分析则是利用图关联技术，找出欺诈团伙；授信环节汇聚多方数据源，通过建模进行风险定价，金融科技服务商输出信用评分给机构使用。

在理财领域的应用：重点是营销获客和智能投顾营销环节与信贷领域类似，通过建立用户画像实现精准营销；智能投顾包含KYC和匹配环节，重点是分析用户风险偏好，同时将KYC与KYP结合，实现智能匹配；未来，金融大数据将向理财的上游资产管理延伸，提升资管效率。

在保险领域的应用：大数据改变保险领域产品理念，降低各环节人力投入。借助大数据技术，保险公司能够跟踪用户行为数据，产品设计更加关注用户全生命周期价值；通过在各险种建立垂直知识图谱，能够缩短客服人员的培训周期，提高客服效率；在核保核赔环节，可以利用图像识别等技术，用技术手段降低欺诈风险。

不论是银行还是消费金融公司，金融机构普遍有风控需求，底层业务逻辑几乎完全相同，只是面对客群、风险偏好存在差异。

风控技术趋势

大数据、AI技术的融合和优化，提升大数据风控效果：活体识别、OCR、声纹识别、虹膜识别等多种技术融合，提供更加全面的身份识别，降低欺诈风险的发生。通过算法调优和计算能力提升，半监督学习等新技术正在应用到反欺诈等风控场景，降低对专家经验和数据的依赖。

区块链技术使数据共享成为可能，彻底解决数据孤岛问题：区块链解决了数据共享的信任问题，规定了数据使用的边界，保证了数据的一致性。通过区块链建立多方数据共享平台，解决数据孤岛问题，将降低金融机构获取数据的门槛与成本。

物联网提供线下数据，丰富数据维度：通过传感器等设备采集线下数据，如车联网数据，将丰富车险驾驶行为数据维度，从而实现风险定价。

建立金融云平台，毫秒级响应：通过金融云平台，金融机构可以处理PB级数据，同时应对百万流量，极大提高风控系统的响应速度。

大数据风控客群分析：优质客群是抢夺重点。优质客群集中于大型金融机构：普惠金融市场集中度虽然分散，但由于TierI和II等大型金融机构占据客户资源优势、资金成本优势，必将在普惠金融领域处于绝对主导地位，是金融大数据公司最佳客群。

需求深度从数据提升到分析：金融机构早期需求以数据为主，通过补充不同维度数据弥补风控缺陷。随着数据源市场集中度提升，对于联合建模的需求在不断加强。未来，大数据风控市场规模一半来自数据，另一半来自分析。