当传统金融遇上人工智能，快牛金科如何为行业赋能？

忽如一夜春风来，千树万树梨花开。

金融科技的浪潮似乎一夜之间席卷大江南北。这个起源于美国硅谷的概念，意指随着互联网、大数据、智能化等技术的发展，与金融日益深度结合的产物。

根据埃森哲数据显示，中国金融科技行业2016年的融资总额达到了创纪录的100亿美元，首次超过美国，占全球金融科技投资的43%。除了市场投融资规模，中国金融科技企业对大数据、人工智能等新兴科技表示出强烈的兴趣，普华永道调查显示，中国企业甚至愿意将接近三分之一的资源分配到金融科技相关的项目中，该比例高出全球的一倍以上。

为什么市场对金融科技如此感兴趣？

在金融这个高度理性的行业，从业人员从事金融活动时，需要通过理性的判断进行决策。在金融科技中，最具代表性的人工智能所基于大数据的深度学习、智能分析和最终的智能决策，无一不呈现出“健康理性”的形象。

从历史上看，人工智能在金融领域最早的应用在智能投顾领域。作为全球知名的量化投资基金，著名数学家西蒙斯成立的大奖章基金采用计算机替代金融分析师的大部分工作。通过数学模型捕捉市场机会，由电脑做出交易决策，是西蒙斯这位超级投资者成功的秘诀。

李开复曾表示，人工智能会首先落地在“数据最大、最快能产生价值的领域”。可以说，金融是人工智能天然的最佳应用场景之一。与建立在庞杂数据之上的量化投资相比，互联网时代的金融消费者聚集的高度碎片化的需求规模更加庞大，获取成本更加低廉。更重要的是，大数据方法的广泛应用，正改变传统金融机构风险识别和风险预警的关系。

在以往，银行是“二八”商业法则的忠实拥趸，高净值客户成为其经营重心，而极度分散的“长尾”用户群体因其高昂的信息处理成本一直被忽视。尽管以银行为代表的传统持牌机构拥有来源多元化的资金、强大的客户资源，但其依赖贷利差的模式已难以为继。而玩转数字世界的这一代人已经提供了成熟消费市场与承载于互联网媒介上的海量数据，传统金融“轻型化”入局新金融体系有了绝佳的契机。

中国有8亿经济活跃人口，有央行征信记录人群仅3亿，尚有5亿人未被覆盖到，信贷线上化率仅6%。面对金融需求多样化、征信空白的年轻化互联网“原住民”，传统金融刀耕火种一对一的授信方法在速度与效率上与现有的市场需求完全脱节。

此时，为银行等传统金融机构提供金融科技服务的人工智能科技企业应运而生。快牛金科作为其中翘楚，利用人工智能技术为合作的金融机构进行用户需求和风险的定位划分，帮助合作的金融机构更加全面、透彻的去了解用户风险及偏好，从而针对不同的用户做出不同的授信决策。

具体来说，就是运用人工智能底层的机器学习和深度学习技术，在数据严格加密和安全使用的前提下，于BATJ等互联网巨头庞大的底层数据库中直接建模，对用户在网络环境中产生的的各类数据进行加工，利用神经网络算法实施特征工程提炼，最后通过决策树体系、随机森林、支持向量机和逻辑回归等几种不同建模方式进行建模，从上千个看似毫不相关的数据信息中找出信用关联关系，最终构建清晰而完整的用户信用画像。通过对数据的清洗、解构、分析和解读，最终能够帮助传统金融机构进行大量的资金下沉和服务下沉，以此服务中国更为广阔的信贷人群。

不难看出，数据处理过程和模型的快速迭代要求较高的技术水平，而大量数据信息则是建模分析的前提所在。

对数据的期待没有极限

在金融行业，数据的需求永远大于供给。

当前，传统金融把消费者视线从市场供给一方移向需求一方，开始补充实现互联网经济下的“规模性”增长。这种长尾新生产方式以技术为主要动力，以数据为基底。数据表现出来的风控能力和运维成本为传统金融的创新带来了更多可能性。

2017年初，快牛金科获得京东金融B+轮战略投资，在用户、风控、流量等优势资源上进行深度合作。京东金融CEO陈生强认为金融科技公司应该定义成：遵从金融本质，以数据为基础，以技术为手段，为金融行业服务，从而帮助金融行业提升效率、降低成本。这与快牛金科的想法如出一辙。

目前，快牛金科已与国内百余家数据服务商达成合作，在商业化之前，就与BATJ四大互联网巨头、第三方支付公司、中国联通等底层数据源的企业达成数据合作，拥有包含搜索、消费、电商、阅读、出行、社交、生活等在内的上千个维度与数据标签的信息数据。同时，快牛金科也受邀成为多家顶级机构的联合建模实验室成员。

快牛金科CEO倪抒音认为，算法的能力终将被数据及场景验证的能力所超越，只有数据的积累和沉淀才会随着时间而产生大量的数据关联度，最终形成最为核心的竞争力。

互联网时代，每一个人遗留在网络之上的各项活动，都可以沉淀为被算法识别分析的大数据。而这些个人的生活及经营活动中数据的积累为获得征信的打分和记录创造了有利条件，打通“数据孤岛”，形成可被金融所用的“评分模型”成为关键。

“为银行等金融机构赋能，提供技术输出是今年快牛金科的主要业务之一。”快牛金科联合创始人陈松近期透露说，现在的模型经过近几年大量业务的验证并且不断升级，已经能以比较成熟的商业模式与其他机构进行合作。

在自有数据积累的基础上，集合合作伙伴的大数据，快牛金科对用户的信用风险全面刻画，可以直接作为辅助风控决策的重要特征输入。通过自主研发的“元方智能云风控系统”，充分挖掘稀疏高维、低饱和、非结构化数据的价值，以监督学习的方式有效捕捉这些数据的隐含信息，实现分场景、分客群的模型风险判别，利用复杂的机器学习模型将弱数据与违约概率挂钩。结合海量数据和自有数据积累，提炼出2000+维度的场景化金融属性特征变量，短短几秒即可对用户进行身份识别、授信评估和信用风险全面刻画，可以有效解决传统金融信息不对称、风控审核效率低及获客成本高等难题。

与其说技术人员不断探索和研究的是浩如烟海的金融数据，不如说是瞬息万变的市场需求和日趋复杂的金融结构。

成功的秘诀：技术与人才

无论多么复杂的模型，都需要人去设计、编程、维护和控制。模型的快速迭代，策略的随机应变，市场的精准把控，都以人为主体。

快牛金科核心高管都是来自于BAT巨头、权威金融机构和大型律师事务所的“老司机”。其技术团队由腾讯科学家级研发专家团队组建，拥有十年以上互联网技术研发、海量大数据运维经验，在后台架构、数据建模、前端开发等领域拥有高深造诣。迄今为止，快牛金科依然保持着60%以上都是技术人员的团队架构。

今年3月，中华人民共和国工业和信息化部主管、中国电子商务协会互联网金融研究院联合中国电子商务协会金融科技研究院联合发布了“第五期中国互联网金融领军企业百强榜”。其中，快牛金科以11.47的技术指数位列金融科技企业全国第5，仅次于蚂蚁金服、腾讯金融、百度金融和京东金融四巨头。

一直以来，快牛金科将技术视为公司发展的重要战略，时刻关注前沿技术与行业动向，并且对行业科技人才的培养和成长非常重视。今年1月，快牛金科建模专家受邀出席由上海交通大学高级金融学院(高金/SAIF) 举办的“Credit Risk Model for Individual Loan ”(个人信贷信用风险模型)项目中期报告技术点评，将企业自身成功经验和优秀学子们进行分享。

积极促进产学研合作，和高校、研究院及业界知名专家教授进行沟通交流，探讨金融科技与人工智能助力金融产业升级、服务实体经济，是快牛金科一直以来孜孜以求的理念。在2017年，快牛金科以银行与金融科技融合发展为主要议题，分别与上海交通大学高级金融学院、清华五道口金融学院、上海财经大学等高校和研究院举办的多个闭门研讨会，吸引了海内外资深专家和优秀学子的热情参与。

对于此类以“科技基因”为标签的企业来说，技术本身的快速迭代要实时迎合用户的需求。高创新给予金融科技公司在战略选择、组织架构、业务发展上个更多的灵活度，同时也为互联网公司烫下“不创新则死”的烙印，必须将各种前沿技术与理念拿到金融领域去试验、试错、快速迭代产品，这已经超越了传统金融语义下的金融市场与产品层面的“金融创新”。

与之带来的金融服务渠道虚拟化、金融服务个性化、经营模式生态化、决策数据智能化，都宣告着金融科技时代的真正到来。