查看原文
其他

人物访谈 2018-05-31

百度的AI技术基因正不断注入百度金融,经过自营业务的打磨和沉淀,百度金融将日益成熟的金融科技能力对外输出。无论是数据、技术,还是对业务场景的理解,百度金融科技都居于行业领先地位。


调研 | 张扬  李喆

撰写 | 刘馥亮


2015年12月14日,百度整合既有金融业务组成金融服务事业群组(FSG),由高级副总裁朱光全面负责,并上升为百度战略级位置,致力于成为最受信赖的金融服务公司。

 

自成立以来,百度金融全面发力消费金融、理财资管、互联网银行、互联网保险、钱包支付等多个业务领域。除了自营金融业务,百度金融率先提出“智能金融”,围绕人工智能等技术创新不断深入研究,拓宽金融服务场景,持续对外输出金融科技,赋能金融机构。

 

截至目前,百度金融已经为农业银行、招商银行、南京银行、浦发银行等近400家金融机构提供智能金融服务。


以身份识别和大数据风控为先导的AI Fintech

 

百度金融在AI Fintech领域已完成七大布局:金融云、区块链、智能获客、身份识别、大数据风控、智能投顾和智能客服。

                                       

 

在金融科技的运用方向上,从身份识别和大数据风控切入,具有多重优势。

 

首先,身份识别和大数据风控在金融领域具有通用性。借贷、保险和第三方支付等领域都需要风控能力。其次,风控是金融业务的核心、刚需。

 

此外,由于身份识别和大数据风控门槛高,对于金融科技输出方的要求也随之更高。对于金融机构来讲,身份识别和大数据风控是业务根基,因此金融机构会采取审慎态度选取厂商,建立信任的周期长。

 

建立信任周期长,一旦建立,客户黏性也更大,容易与金融机构建立长期合作关系,并具备较强的延展性,有机会切入到其他应用场景,发展空间更大。

 

百度和百度金融选择从身份识别和大数据风控切入,是基于自身深厚的技术积累。身份识别包含人脸识别、OCR识别、声纹识别等,以人脸识别为例,2016年百度世界大会上,李彦宏介绍百度人脸识别的准确率达到99.7%。

 

大数据风控上,百度金融有反欺诈产品(风险名单、关联黑产分、多头防控分)和信用类产品等。百度拥有超8.6亿个账号和每日数十亿次的搜索行为数据,依托全网数据建立用户画像,通过风险名单、多头防控分和关联黑产分和信息核验、信用分等输出信用反欺诈和交易反欺诈能力。

 

输出行业解决方案,提升自身品牌影响力

 

百度金融科技主要客群包括银行(如农业银行、招商银行卡中心等)、持牌消费金融机构、持牌小贷公司、保险公司以及互金公司等,为客户提供身份识别、反欺诈、信息核验、信用分等系列产品能力及一体化解决方案,解决客户面临的身份伪冒、欺诈风险、虚假材料、信用风险等痛点问题。

 

百度金融科技与机构客户的合作基本可分为两类:

 

一类是业内常用方式,百度金融科技将能力开放给合作伙伴,后者根据自身业务有选择地对接。直接通过API或SDK调用,可实现快速接入,具有便捷、安全的特点,比如身份识别、反欺诈产品(风险名单、多头防空分、关联黑产分、信息核验、信用分等产品,都可以通过该种方式输出。此外,百金融科技产品既可以输出单点能力,又可以输出整体解决方案。

 

另一类是全方位战略合作,代表客户是农业银行,覆盖信用卡业务、个贷业务、网络金融业务等各个部门的业务需求。除了在系统层面,农业银行可以直接调用百度金融科技的成熟产品之外,双方还共建农行金融大脑平台。目前,百度金融大脑已经通过联合实验室模式赋能给农业银行,感知引擎提升用户体验,思维引擎提升决策效率,降低运营成本,控制风险。

 

与农业银行的深度合作,将在百度自营金融业务之外,帮助百度金融科技加深对更多复杂金融场景的业务理解能力,进而提升金融科技能力对业务的增益效果。同时,从国有大行到股份制银行,再到城商行,服务大银行的基础,增强了百度金融科技解决方案的可复制性。

 

未来,百度金融科技也将以一体机的方式赋能给更多合作伙伴,不仅可以支持多方数据加工整合,而且可以将机器学习模型融合,支撑分析预测与精准营销和控制风险,通过更加便捷的软件,为合作伙伴提供软硬一体的综合解决方案。


 

数据量大、算力强、算法领先且形成闭环反馈,数据金融属性不断增强


人工智能核心比拼数据、算力和算法,百度金融科技在这三方面都处于行业领先。

 

数据方面,数据量大且标签丰富。百度每天拥有数十亿级的搜索数据、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。同时,自营金融业务可沉淀金融数据,据百度金融大数据风控产品负责人介绍,百度金融科技的数据维度达到3000多个。

 

除了数据量和数据丰富,百度金融科技的数据可形成闭环反馈。首先,自营金融业务可提供事实结果数据;其次,合作的金融机构也可以给予一定反馈。数据闭环有助于百度金融科技不断修正、迭代大数据风控产品。

 

由于百度金融科技的数据主要来源于百度体系内部或合作金融机构,数据源丰富且数据的金融属性不断增强。

 

算力层面,百度有中国最大的GPU集群,在GPU性能和规模上成本优势明显。强大的计算能力为大规模计算和及时响应业务、提升客户满意度奠定基础。

 

算法上,大数据风控平台拥有百度独有的数据特征和算法。百度的梯度增强决策树可以聚合大数据高维特征,可以实现高维数据降维、增加风险区分度;百度的深度学习,将特征嵌入,利用关联挖掘等解决数据稀疏问题。从3000+降维至400维,可将行为的风险区分度有效提升5%+;而基于百度数亿级用户数据,通过图计算,可将信用标签传递,丰富信贷样本。

 

百度过去几年重金吸引全球顶级AI人才,持续多年的大规模研发投入是算法领先的保证。百度金融科技除了内部几百人研发团队,还将共享百度体系内的AI技术研发成果。在上万研发团队的支撑下,百度金融科技有着大量的技术储备,为金融科技产品的不断迭代、完善和升级奠定扎实基础。

 

依托于百度的庞大数据量和在AI领域的技术积累,百度金融科技以身份识别和大数据风控为切入点,从风控环节延伸到机构客户的获客、营销和资金等方面,未来将形成全流程的解决方案。

 

爱分析从数据、技术与产品、客群、获客、场景理解能力等五个维度评价百度金融科技。

 

数据:百度体系内生数据量庞大,数据维度丰富,且通过自营金融业务和合作伙伴能形成丰富的数据生态。

 

技术与产品:百度在AI领域重金投入多年,技术实力雄厚,将百度AI技术不断注入金融业务,在通过自营业务验证和沉淀后对外输出成熟产品能力,既有通用性产品,也可提供定制化解决方案。

 

客群:以银行、保险公司和持牌消费金融机构等大客户为主,且从标杆客户深度合作做起,从大客户往下做客群下探,产品和解决方案的可复制性强。

 

获客:依托百度自身的流量优势及对于人群画像的精准优势,能够帮助客户解决其面临的痛点问题,半年内合作金融机构近400家,获客能力强。

 

场景理解能力:自2013年开始探索互联网金融业务,有多年业务经验,目前覆盖信贷、理财、支付、银行、保险等各领域金融业务,覆盖范围广,通过自营业务积累了对诸多业务场景的理解能力;与农行深度合作,在服务大型国有银行和近400家金融机构的过程中,进一步加深对业务场景的理解能力。

 

( 注:场景理解能力指金融科技服务商对金融场景、业务运作和客户需求痛点的理解能力。)

 

 

近期,爱分析专访百度金融大数据风控产品负责人,节选部分内容分享如下。

 

反复打磨技术,百度人工智能注重业务落地


爱分析:百度金融科技对外输出的产品如何产生?

 

BAIDU FINTECH:整个架构的最底层是数据层,往上是技术层,包括机器学习、图关联等算法层面的东西,再往上是远程身份认证、大数据风控等产品功能。基于我们自己的理财和信贷业务,运用数据和技术,沉淀、抽象出一些特定的产品功能,对外去输出。

 

爱分析:技术团队如何划分?

 

BAIDU FINTECH:基本按产品功能、分模块,比如风险名单,黑产关联,多头借贷,活体人脸识别比对,OCR卡证等,都是一个个独立的团队,基本是根据一个一个垂类的场景划分。

 

有部分底层通用的技术,比如人脸识别,是放在整个百度体系去研发;而与金融强相关的技术,比如风控,则是放在金融科技去做。

 

爱分析:一个新技术应用到业务场景中,会经历哪些流程?

 

BAIDU FINTECH:有4个步骤,首先会有一个离线的基本测试,基于这个测试做数据分析,如果效果符合预期会进入产品Demo工程化,开发出来后给到业务团队,做线上的数据测试,测试完进行评估,如果评估结果是能给业务带来正向增益效果,最后全量上线。

 

爱分析:机器学习在反欺诈领域会用到一些聚类和图计算相关的技术,信用类产品(比如信用分)中有用到机器学习相关的技术吗?

 

BAIDU FINTECH:都会用到,反欺诈类相关产品,比如风险名单、多头借贷等样本,更多是用到监督机器学习;信用分类用户分层产品,更多则是用到无监督机器学习。

 

其实不存在哪种技术就更好,更多是服务于业务场景,需要解决什么问题,就应用相关的技术。

 

爱分析:技术在应用过程中,会碰到哪些挑战?是技术本身要继续提高,还是在数据层面继续改进?

 

BAIDU FINTECH:更多是如何将现有数据和技术应用起来的问题。算法越复杂,可解释性就越差。偏传统一些的算法,对业务的增益效果和算法的可解释性都足够用,从产品的角度评价,并不一味推崇最前沿、最顶尖的技术,更具决定性的还是看对业务的增益效果,讲究达到技术与业务实际增益的平衡最优。


以风控切入,从单点服务到全流程解决方案

 

爱分析:最近一年,客户对大数据风控的需求是否有变化?

 

BAIDU FINTECH:我们观察到客户对多头共债和活体识别的需求在增加。因为政策要求以及机构获客手段的丰富(如很多机构通过移动端获客),H5活体识别的市场需求变大了。

 

爱分析:银行客户是服务信用卡中心,还是会包括车贷、房贷和其它业务?

 

BAIDU FINTECH:银行的需求还是比较多元的,卡中心在各个银行都走得比较前列,整体的产品和技术相对成熟。但银行个贷业务类部门和网金业务类部门也都会有相关需求,主要看合作方式。如果是战略合作,那就是全方位地调用百度金融科技的能力。

 

爱分析:受监管影响,总的客户量在减少,服务方向是往持牌机构去努力,产品上的应对策略是什么?

 

BAIDU FINTECH:我觉得是两种思路,一种是把相对比较集中的客户服务得更好,从单点服务能力变成系统化解决方案,全流程去服务。风控切入之后,如何去满足资金、获客等更多维度的需求,比如与持牌金融机构合作,在人群下沉过程中合理定价、提供可持续的金融服务,都是应该探索的。

 

另一方面是两三千家非持牌机构,面对监管高压需要调整自身业务,百度金融作为一家平台,如何从合规的角度和他们一起探索持续发展,也是我们要考虑的。

 

爱分析:金融机构是否有可能找一个总包商,提供单点解决方案的公司成为总包商的供应商?

 

BAIDU FINTECH:目前,金融机构还是一个一个去对接各模块的能力,比如远程身份认证,可能会找face++或商汤,大数据风控可能会找百融、同盾。

 

如果有一家公司想做总包商,取决于金融机构如何看待,总包商如何与金融机构内部的IT团队有分工和互补,而且必须对金融机构有非常明确的业务增益,这些问题都明确,才会有总包商的出现。

 

爱分析:客群往下沉,比如系统和基础设施可能不太完善的银行类金融机构,如何切入?

 

BAIDU FINTECH:系统是一个层面,如果是有相应的IT团队和系统能力的客户,百度金融提供系统层面的对接,直接调用就行。

 

AI想要落地,一定要去适应行业。对于没有系统能力的银行,若把大数据风控能力做得简单易用,且对银行业务有增益,银行客户会逐步去接受和适应外部的技术输入。

 

客群下探我们是在探索的,比如城商行可能业务会有差异、需求也有差异,我们更多是看现有的能力如何去满足他们的需求。


 



爱分析热文

新龙榜

新龙榜TOP125

新金融

互联网金融TOP100 | 互联网金融TOP50  

   互联网保险TOP35 | 消费金融TOP25       

  财富管理TOP42 |  投资机构TOP30

互联网支付TOP20 | 虎鲸榜TOP50       

   互联网保险TOP25 | 互金概念股TOP30  

创富人物榜TOP50 | 影响力50人         


企业服务

企业服务TOP100 | 企业服务TOP50  

   大数据TOP72 | B2B电商TOP50

    云服务TOP50 | 网络安全TOP30

   大数据影响力50人 | B2B电商影响力50人


其它

出行服务TOP50

人工智能TOP50

教育科技TOP50

语言教育TOP20

移动医疗TOP30

汽配维修TOP20

家居家装TOP36

汽车创新TOP64

新零售TOP100

汽车金融TOP25


蚂蚁金服 | 陆金所 | 陆金所(二

联合健康 | 京东金融 | 微众银行

趣店 | FICO | 易鑫集团 | 捷信

借贷宝 | 宜人贷 | 拉卡拉

诺亚财富 | 360金融 | 网信理财

泰康在线 | 乐信调研 肖文杰访谈

点融网 | 微贷网 姚宏访谈

宜信财富 | 人人友信 | 泛华金控

钜派 | 百融金服 张韶峰访谈

Oscar Health | 投哪网 | 马上金融

美利金融 刘雁南访谈 | Elevate

信而富 | 金蛋科技 | 银客网

宜信博诚 | 大数金融 漆瑾声访谈

买单侠 | 量化派 | 金斧子

小虎金融 | 小雨伞 | 网金社

群星金融 | 米么金服 | LPL

Capital One | 大道金服 | 卡卡贷

会分期 | 省呗 | 中腾信 | 鑫合汇

点牛金融 | 邓白氏

飞贷 | 惠金所 杨冀川访谈



    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存