全球人工智能与机器学习技术大会 苏绥解析360金融AI实践之旅

11月21日，为期两天的aicon全球人工智能与机器学习大会在北京国际会议中心开幕。360金融大数据总监苏绥受邀出席大会，并在智能金融专题会议环节发表“360金融的ai实践之旅”主题演讲，剖析了360金融在大数据风控上的实践及演进过程。

图：360金融大数据总监受邀出席大会并发表主题演讲

传统金融业面临三高一低的挑战 需要ai等技术加持

苏绥在演讲中指出，传统金融业面临三高一低的挑战，即：劳动力密集度高、人员管理成本高、业务门槛高及用户体验低。在此背景下，国家一直在倡导通过人工智能、大数据等前沿技术为传统金融行业赋能。

在今年，央行发布的《 金融科技(fintech)发展规划(2019—2021年)》更是进一步强调要“稳步应用人工智能”，探索人工智能技术在精准营销、身份识别、风险防控等领域的应用路径和方法，推动金融服务向主动化、个性化、智慧化发展。在政策、市场的推动下，360金融等金融科技企业亦在积极探索。

在苏绥看来，人工智能技术的快速发展离不开算法、算力、数据三要素的推动，但要想发挥出ai的真正价值，还需要将ai技术与具体业务及场景结合起来。基于这一理解，360金融构建了“ai驱动的产品迭代模型”。具体而言，“ai技术落地到具体场景，有用户和业务后就有了数据，而有了数据后利用ai技术建构和训练模型，再把模型应用到业务中不断改善，这样的话能够产生更多有价值的数据，反过来这些数据也能优化模型，形成一个正向闭环。”

在这背后，离不开360集团的技术与数据支持。据苏绥介绍，360金融依托集团的技术优势，连接超过19.6亿的设备，这正是360金融做科技服务和输出的底气。目前，360金融已将人工智能技术应用到获客、运营、风控等环节，能够帮助金融机构在获客、贷前、贷中、贷后进行全生命周期的智能风险管理。

以ai赋能传统金融机构 360金融做了什么？

在获客环节，360金融自主研发的dsp平台，凭借组合筛选条件能够实现受众人群的细分管理，进而快速精准的定向到某一类特征人群并针对性制定营销策略。人工智能技术在获客环节的运用不仅实现了精准获客，降低了获客成本，在苏绥看来，有了优质流量后，还可以实现风险前置，以更低的价格吸引到更优质的用户，以此形成正向循环。

如果营销关乎平台规模，那么风控则是金融科技平台的生命。知识图谱等技术的出现减少了传统反欺诈手段对人工审核的依赖。基于知识图谱技术，360金融在贷前、贷中、贷后等环节构建了用户画像，从而实现更精细化的反欺诈。

在贷前，360金融通过给客户进行打分，来发现其是否是潜在的多头客户，并及时针对这些潜在客户在贷前进行约束。在贷中，360金融通过研究用户的行为模式等方式去更加精细化地管理风险、预测风险，并根据不同的行为模式去找到相应的客群，针对客群采取相应的措施。在贷后，360金融则制定了不同的催收策略，通过对用户去进行分群来制定相应的催收方式。与此同时，360金融还自主研发了一套智能催收机器人系统，针对不同风险级别的客群和不同的催收业务类型，设定差异化的催收场景和催收方式，并严格保证整个催收流程的合法合规。

此外，基于知识图谱技术，360金融还在工具层面引入了复杂关系网络。苏绥介绍，与表现为蓝色关系点的正常客户相比，拥有风险属性的客户将会在复杂网络上显示出更多红、灰色节点，这些点即代表了不同程度的风险。在此基础上，360金融通过与黑名单客户连接，提取相应指标，综合了解客户的风险大小。

图：360金融复杂关系网络

360金融的另一风控黑科技则是ai因子库，“很多第三方数据库会识别多头共债，但只有这样的数据远远不够。因此我们就用算法，去预估一个人在申请之后、三个月、六个月以后的多头的恶化程度。”苏绥表示，ai因子库做了大量的子模型，是风控迭代最重要的所在。

图：360金融ai因子库

除了打造复杂关系网络、ai因子库等风控黑科技外，360金融还率先将gbst理论用于信用评分实践，以评估借款人在不同时段的违约概率分布。正是基于该算法输出的长期预测曲线进行风险决策，360金融可以更早地预知风险并控制风险。

据苏绥透露，360金融智能风控自动化过件率高达97%，同时，360金融超过90天的逾期率为1.02%，远远低于行业平均水平。

作为一家数据驱动、ai赋能的科技平台，360金融还持续将自身科技能力向金融合作伙伴输出。如360金融自主研发的智能语音机器人就解放了包含获客、电销、客服及催收等环节75%的人力成本，大幅提升了金融机构的金融服务效率和客户体验。在2019年二季度，360金融机构资金合作伙伴数量逾六十家，在撮合借款业务总量中，金融机构资金占比达到85%，成为行业中的佼佼者。

那么ai+金融又有着怎样的未来趋势?在演讲最后苏绥指出，从行业角度看，整个金融行业正在表现出去人工化、在线化和智能化趋势，这进一步解决了金融服务的广度、深度和满意度的问题。从技术的角度出发，所有的数据都将被电子化和结构化，尤其是联邦学习、共享学习等技术的探索，用户隐私保护也将取得长足进步。此外，大型企业都在积极构建强大的数据及算法中台，中小公司则在加速云端化，这将解决信息孤岛、数据融合等问题，打通所有业务闭环。