圆桌对话:智能风控的AB面

2018-06-30
金融科技发展已逐步深入到大数据风控,诸多金融业务已经实行线上操作,一些小额贷款号称已经实现几分钟线上审核发放,大数据和技术在风控领域怎么应用?有哪些挑战?同时,科技公司能否比传统金融机构具有更强的风险识别能力?它能否更好地识别坏人和好人?如何应对新型欺诈?如果能,为何贷款利率为何还没有降低?
对话主持:辛继召 《21世纪经济报道》资深记者
对话嘉宾:
臧 铖 浙商银行信息科技部需求设计中心总经理助理、博士
鲍建富 开鑫贷总经理
徐建芳 杭州银行信息技术部技术总监
裴益川 宜人贷CRO
黄向前 新颜征信CEO
赵黎明 众安科技副总经理

杨曦:非常感谢鹏峰给我们带来的有关2018中国金融科技发展地图报告的介绍,大家可以扫描二维码,详细研读这份报告,相信会从这份报告当中有所收获。

接下来我们进入圆桌对话,智能风控AB面,下面我们将会邀请各位对话嘉宾来到台上,与我们进行共同的讨论和交流。他们分别是:  

浙商银行信息科技部需求设计中心总经理助理、博士,臧铖。

开鑫贷总经理鲍建富先生

杭州银行信息技术部技术总监徐建芳

宜人贷CRO裴益川

新颜征信CEO黄向前

众安科技副总经理赵黎明

有请本轮对话的主持人,21世纪报道资深记者辛继召。

辛继召:大家好,从现场情况来看,可以说明金融科技多么受到整个市场非常热切的关注。我们看过去几年来,金融科技的应用,随着这几年零售金融的发展,无论是银行、保险公司,还是新兴金融机构。前天我在深圳去了一家机构,他们第一批接受了消费金融和互联网金融的机构,他们说新兴金融和传统银行模式,有着非常大的不同。第一个是复杂,原来是信贷一对一,资金从银行流向个人。现在出现了联合贷,循环贷,这样一些非常复杂的P2P。

第二个是反应快,有很多P2P的产品,我们原来传统银行放贷的时间比较慢,机构反应时间比他们的时间更快速。所以今天我们关注的是从智能风控角度,看大数据风控对于我们过去金融科技到底有一些什么促进?我们现在面临的困难是什么。

第一个问题,想邀请在场的嘉宾讨论一下,大数据风控包括人工智能的技术,在各自的领域内分别是怎么应用的,目前在应用过程当中,存在什么困惑和挑战?    

臧铖:很高兴有这样一个机会和大家交流。其实大数据的应用在银行也好,在互联网金融机构也好,都已经有了一些应用。怎么应用?按照马云的定义,我们应用数据,作为实现业务目标的基础。第一是收集数据,第二是建立数据应用的模型,第三是结果。我们觉得更多今后在运用这些数据的时候,怎么解决这些问题。我们的银行和互联网机构,也有很大的区别。银行更多是来自于自己历史上的积累,互联网机构会有各种不同的渠道,获得客户很多的行为数据。所以我觉得站在银行的角度来看,数据应用最大的问题是在于数据纬度的缺失。

工行行长以前讲过,工行也是应用大数据,工行的数据量是海量的数据,海量的图谱,海量的交易信息,但是这些纬度,仅限于客户在银行的信息。从现在的引用场景来看,仅仅只是在银行应用方面,对这些信息从客户进行比较完整准确的判断,可能是有所欠缺的,所以银行可能在这方面有大问题。

第二个问题是模型问题,数据和模型,这两者到底先有哪一者?这确实是我们场景应用的问题。到底是引进数据、挖掘数据,还是先找一些可借鉴的模型,我们认为这是相辅相成的,不光是一种数据,没有比较好的模型,没有好的应用,这些数据没有产生价值。

我们如果先去尝试定义一些研究方法的模型,往往会发现很多我们需要的数据拿不到,这是银行面临的一个比较大的难题。所以我们认为在应用的时候,我们的数据模型需要齐头并进。我们现在有什么数据,有什么样模型,我们要找到一个平衡点,逐步根据后续的数据扩展,根据新的模型产生,不断去优化。

辛继召:谢谢。在银行应用当中,不仅需要数据的完整,而且我们还需要构建模型上面的进展,而且还需要机制上的配合。今天我们现场的嘉宾不仅有来自股份商业银行,城镇商业银行,还有来自新兴的金融产业结构,包括网贷平台,包括从事个人征信企业的机构,还包括从事以保险金融科技为主的机构。下面有请鲍总。

鲍建富:我来自开鑫贷,所有嘉宾都提到了金融科技和智能风控的运用。现在很多科技型企业都在位传统金融机构或者新型金融机构提供一些定制化的风控模型支持,通过金融+场景+技术的支撑,为我们的合作机构风控提供强有力的保障,我觉得这个过程是一个漫长的过程,大家根据各自的出发点和它的诉求和自己所拥有的资源全面的构建自己的风控体系,这是大数据风控无论在数据采集数量、质量,处理的速度上,以及最终显示的效果上,无论是给传统金融机构也好,新型金融机构也好,都带来很多惊喜和变化。刚刚我们拍拍贷的张总提到,未来随着人工智能的推进,我们根据自己资产获取的方向,大家可以加大更大力度的投入,我觉得资源的投入非常必要。再一个也是面临着人才的构建,所以这也是我们团队觉得应该要提升的地方。未来在原有的业绩基础上,大家一起齐心协力,找到未来的目标,一起努力。

辛继召:谢谢。下面有请杭州银行的徐总。

徐建芳:金融银行本身就是以数字作为整个运营过程的行业,银行电商化之后,就是在和数据打交道,银行也积累了很多数据。但是银行在前几年,更多把数据应用到交易上面,在一些风控、营销上面,应用得比较少,但是这两年随着整个大数据技术的发展,整个环境大数据应用越来越广之后,银行这两年在大数据应用上面,也发生了变化。杭州银行在这两年也有零售消费贷和小微金融贷,这是纯线上的产品,做到线上自主审批,秒批秒贷,这里面就要用到大数据。

一方面利用银行已经积累的数据标准,肯定用到了人行的征信数据,这是相对比较权威和有效的数据。当然除了这些数据还不够,还需要运用很多第三方的数据。我们采购了很多第三方的数据,运用一些比较可靠的关键数据,辅助一些第三方其他的信息,来构成我们整个风控的模型。

在这个运用过程当中,我们现在特别感觉到,特别是地方数据,来源很多,数据质量参差不齐,特别是在今年网络安全法实施之后,明确感觉到第三方数据的来源越来越少,可靠的数据越来越少。一方面是网法对企业产生了很大的约束作用,另一方面,消费者个人或者客户自身对信息安全,对自己隐私保护的意思在加强,所以这一方面我觉得未来讲大数据应用上面,可能对有效数据的来源方面,可能会越来越成为一个挑战。当然这可能也是一个好事,因为假的数据少了之后,真的数据就出来了,那时候可能应用模式会更加容易,这是一个方面。

另一方面,因为现在大家都说要走线上业务,要智能风控,实际上带来了另外一个问题,黑场越来越厉害,这就需要互联网公司做反欺诈。我觉得因为有了新型的业务模式,带来了另外的风险,或者带来了另外的成本,这一块在线上也好,或者智能风控也好,实际上最重要的一块还是在反欺诈上面,但这本身反而是因为这种模式带来的一个成本挑战,所以这一块我觉得不光是对我们银行来讲,对其他行业包括网贷或者其他行业,都是一个很大的挑战。

第三块比较大的挑战,因为这个模型或者这个反欺诈,其实是层出不穷的,可以说道高一尺,魔高一丈。在这个过程当中要不停的优化,不停的变化,这里面就是说对银行或者对机构也好,对人力的要求非常高。对于大数据分析要求很高,对建模要求很高,而且这是一个长期不断优化的过程。所以不管银行也好,或者其他行业也好,要想智能风控,大数据这个行业走得远,走得长久,我觉得在这几个方面都要不断的下成本,投入能力,才可以把这个事情做好。

辛继召:感谢徐总。其实大数据也不是一成不变的,而是要与时俱进,不断优化自己的数据模型。接下来有请宜人贷的裴总。

裴益川:谢谢主持人,回答问题之前,我先说一下,金融科技,我们国家最近国内国外有很多变化,芯片也好,外交也好,我觉得金融科技应该是中国领先全世界的核心技术,所以我希望在座各位为此感到骄傲,我希望中国在这方面有很大的发展。

我介绍一下宜人贷,宜人贷做了第一款线上APP,在国际上做了第一款APP,宜人贷在金融科技方面它的践行有很多很多,我不一一列举了。

我现在要稍微陈述一下金融机构和非金融机构,特别是像P2P,他们之间到底差别在哪儿?我打一个比方,网贷也好,P2P也好,我们自己吃的是粗粮,吃粗粮我们也有很多说法,大数据,智能,因为吃的是粗粮,那些变量都是弱变量,我们没有办法,只能引用一些更多的方式、方法,像人工智能,因为我们也要吃饱,我们也要创造利润。所以这两个之间,我想强调一下确实有非常大的差别。当然我希望以后监管也好,政府也好,也允许像我们这样的机构吃一些精粮。

我想讲一下在吃精粮和粗粮之间有什么差别。实际上宜人贷收集了很多数据,在客户授权之下,所以我们对各种各样的粗粮已经有了一些初步的认识。我们现在的认识很简单,实际上所有的数据,我们觉得太多了,而不是太少。所以我们在这个过程当中,我们发现吃这个粗粮也许比那个粗粮好。所以我们又回来在反思,到底是用什么方法,什么数据,怎么能够让网贷,P2P这样的行业能够超越,特别是在风控识别、反欺诈识别能够有一些领先。

最后我稍微强调一点,很多机构都会讲他们在反欺诈方面的能力,宜人贷可能是2016年真真实实,真金白银砸出去一个亿,就是因为反欺诈。我们当时吃了粮食不消化,我们对这方面实际上有一些认识,应该说我们也有一些手段,这里我不多展开了,谢谢大家!

辛继召:接下来有请黄总。

黄向前:我们就属于提供粗粮的团队。中国环境信息化还没有彻底完成,还有很多信息和数据都是孤岛。随着国家对金融机构监管进一步加强之后,整个互联网金融行业按照目前的态势有可能会分成特别大的两大阵营,第一大阵营就是传统金融机构,上一场圆桌论坛的时候,金融机构出来的专家也说,我们金融机构也要投入巨量的资金,吸引人才,建立自己的大数据平台。其实大家都会认识到它的重要性,所以我们金融机构也会在吃粗粮的学习上,会迅速的跟上来。

第二大阵营,其实就是我们原有的互联网机构,因为随着国家对普惠金融,对金融科技的提倡,其实很多互联网金融公司都成立了自己的小贷公司,P2P公司,一系列的有互联网背景或者互联网股东的非传统金融机构的很多互联网金融机构就出来了,而传统银行就是用大数据,有自己的人工智能算法作为模型做一些放贷业务。所以在我们马来,以后在金融市场做放贷业务,一定是传统金融机构学习互联网公司的玩法,而互联网公司或者流量的公司,一定是去和金融机构结合,因为咱们国家对互联网的放贷有明确的杠杆要求,所以互联网金融机构不能无限放大或者叠加自己的杠杆,最终我们看到的情况就是传统互联网机构和传统金融机构相融合的过程,而就像我们这种提供数据或者提供风控解决方案的供应商,其实我们既服务了互联网机构,又服务了传统机构,我们的数据其实也在融合。

所以我觉得随着整个行业的加强,一定是一个持续变化,互相学习,互相渗透的过程。所以在这个过程里面,我个人的建议,我不会建议在这个过程当中,到底我收多少粮食,在这个阶段,我可能只能收到这样的粮食,但是大家只要坚持我们就是用科技,用数据做这个业务,只要讲自己的人才队伍,将自己的模型算法,将对数据识别能力进一步提升之后,我相信无论是传统金融机构还是现有的互联网金融机构,在普惠金融这一件事情上,都能够按照国家预想的那样一个方向去真正的做到就是普惠金融,不是流入一些国家不允许流入的行业,这样就达到了整个,无论是从国家层面还是从个体企业层面,都是一个多赢的局面。

因为我们既普惠了广大人民群众对资金的需求,又能够解决国家对消费领域的投入,这样我们就达到一个共同的结果。所以我觉得大家在这个过程里面,尽可能坚持技术,坚持大数据就OK了。

辛继召:谢谢黄总,他刚刚提到了一个融合的概念,今天现场的六位嘉宾,其实前五位比较偏信贷,最后是来自众安科技的赵总,我们听一下您的观点。

赵黎明:众安保险的信贷,我们有两个词,第一个词是信用,第二个是贷,贷其实就是钱。我们通过信用保证保险,通过保险做整个信贷。其实我们在做大数据风控当中,我们会发现现在数据存在的一些问题,刚刚前面几位嘉宾也说了。数据的多样性,现在市面上大数据公司非常多,但是我们还是很很缺数据。类似于人行的报告,我们觉得水电煤、宽带缴费,这些数据在我们评估一个人的稳定性和他的收入水平上面,还是有很大的效果,但这些数据现在不全。

第二,数据的准确性。因为金融机构给央行传报告的时候,其实本身在这里面,银行对人行进行报告的质量有要求,但其实我们现在人行还需要再做一些提升。另外我们通过互联网的方式拿到的这些数据,因为很多通过第三方数据公司出来的数据,都是基于他自己的模型,给出来的一些模型结构,我发现很多机构都在提出各种分,对于我们来说其实非常难使用,因为我们要有一个很强的时间才能够看出来这个分我要怎么使用,可以达到更好的效果。所以我希望百行征信可以解决上述问题。

另外我不觉得有非常完美的大数据风控措施,很多时候其实在成本上面和最终你的收益上面,你要做一个这样的均衡。我个人的征信成本是十块钱,你的通过率如果只有5%的时候,那你最终用户的成本就要乘20倍,所以在这个时候,其实我最终的投入成本和放款率需要达到一个平衡。这个时候风险控制得非常好,你的成本会非常高。

第三,我们现在反欺诈的团伙,他们很多时候比我们的路子野很多。所以我们整个模型接待和策略变化的迭代节奏要非常快,才能够真正达到反欺诈的这样一些效果,谢谢。

辛继召:感谢赵总。您刚刚提到FICO评分,是国内非常有代表性的评分来源。我们刚刚讨论的是A面,大家在各自具体的领域怎么应用大数据技术,接下来我们讨论一下B面,B面稍微有挑战性,邀请在座各位嘉宾回答这样一个问题,相对传统的方法,大数据风控是不是有更强的风险识别能力?是不是会更好的识别好人和坏人,以及如何应对刚刚大家不约而同提到的欺诈的风险,以及防范。最重要的问题,如果大数据风控能够比较好的识别欺诈,为什么现在贷款的利率还没有看到比较明显的下降?

臧铖:刚刚有三个问题,我放到一起回答。第一,首先大数据是不是会对风险管控这一件事情有所帮助和提升。我觉得风险管控很大程度上来讲,可以理解为一个数学问题,我们怎么判断是好人还是坏人,这其实是一个分类,或者说是预测,其实也是一个概率的问题。大数据其实就是帮助我们怎么把这一件事情预测得更准确,把预测的概率提得更高。

实际上技术的发展蛮有意思,至少在银行来讲,银行的应用技术经历这样一个过程,最开始技术给我们提供了一个非常可靠的结果,我们银行开使用技术进行业务的时候,他给我们一个非常准确的计算,这是一个非常准确的情况。但是慢慢逐渐会给我们一个不太可靠的情况,就像我们现在应用大数据,应用机器学习,他给我们的结果是什么?这个客户可能是什么样子,可能不会是什么样子,他不会给你一个准确的结果,这是技术发展到第二阶段,我们想应用技术,我们觉得完全准确判断谁是好人,谁是坏人还是比较难的,因为好人坏人面对不同的人,会有不同的状态。所以换句话说,好人和坏人,并不是一个脸谱化的事情。

举一个例子来讲,一个人可能从很多渠道借钱,他可以先把高利贷公司的钱还了,接着还网贷的钱。他到底是好人还是坏人?对于银行来讲,好人和坏人也是不一样的定义。即使你获得了同样的数据,他到底是一个好人还是坏人,可能也跟你这个观察者有关系。我们希望最后的技术能够发展到什么阶段,什么样的状态呢?他至少能够起到一个比人判断更加准确的效果。

举一个例子,我们原先识别客户的身份是否和照片一致,一开始是会员识别,识别率75%左右,大家知道2015年开始,有很多人脸识别技术出现,那个时候技术识别准确率不是那么高,我们还不如人肉识别高,发展到去年,识别率大幅度提升。所以我们觉得对于技术的应用,经历了一个从准确,不那么准确,到至少比人判断准确的过程。前面的两个问题是这样的答复方式。

第三,为什么采用很多技术之后,我们贷款的利率没有降低。利率降低,一方面是策略问题,我们采用更多风控手段可以降低我们的风险。现在我们的成本降低了,是不是应该利率降低,这是一个业务考虑。我如果做得比别人更好,我可以通过降低利率和客户,我也可以把这一部分的利率变成利润。第二从银行角度来讲,利率是行业行为,更多考虑监管的因素,银行也不是完全可以百分之百自主定价。这样可能在技术发展上面,体现得没有那么敏感,没有那么直接的显现。

鲍建富:技术方面,传统金融机构和新金融结合的时候,我感觉这个碰撞比较大。因为比方说我们会理解,我们传统金融机构像银行,他在一些大的企业授信方面,他有他自己的长项和积累,包括大中型客户风险模型的设计,风控模式的控制,他都有自己独特的分析。而大数据风控应用,作为传统金融机构来讲,应该是如虎添翼。从新金融角度来讲,它也是首当其冲的应用。我觉得未来从这个角度来讲,随着我们大数据风控逐渐的积累,一定是有助于我们传统机构和新金融机构的风险控制,以及我们资产质量的提升,包括服务水平,交易成本的降低等等。

至于大家觉得风险识别的能力好像提升了,为什么我们贷款的利率还居高不下?其实我们知道贷款的利率它是由市场供需和宏观经济政策综合作用而形成的。特别是我们的利率水平,其实就是我们的一个价格信号,他是我们资金配置给什么样借款人的一个风向标,最终通过利率的水平,彰显了这种高风险、高收益、低风险、低收益的这么一个情况。

所以未来我们大家知道,今年整个利率水平都在走深,这种结果到底是什么导致的?我想更多不是技术因素而导致的。从这里面我可以判断,风险识别能力的提升,它的利率升降不是一个因果关系,应该讲我们风险识别能力的提升,是为了更好的风险定价。所以比方说现在像我们网贷,网贷的利率水平刚刚拍拍贷的张总说了,它做了十一年,这个行业十几年来,整个融资人的综合成本,其实总的趋势是下降。而作为我们开鑫贷而言,我们也从最早的超过15的综合成本,现在P2P网贷的借款成本能够平稳在13%左右。这里面我们给到投资人的收益大概在8%,我们自己平台收的服务费也就1%左右,剩下来的4%,就是我的小贷公司,合作机构承担的收益,因为他要承担风险兜底,整个贷前、贷中的配合,所以利率和我们的技术没有一个直接的关系。

辛继召:感谢鲍总。接下来有请徐总。

徐建芳:第一个问题,现在这种智能风控和传统风控的比较,在短期内这是很难比较的。一方面,传统银行来讲,以前零售的风险率本来就偏低,企业风险度会比较高一点,银行现在用新的技术和智能风控的业务,总的比例还不是非常大,所以这两个之间,没有一个很相当的比较基础。另外像网贷机构,本身也没有用传统方式做,另一方面它的目标客户大家都在说是长尾客户,这些客户本身就没有太多的传统金融的业务,不知道他传统风控的比率或者风险率。

但是从更大范围来讲,现在智能风控这种模式,他面向的客户和业务模式,就是小额分散的风险。从大范围来讲,他风险的效果可能会比传统的好,这个要从一定的数据量积累上面来比较。从局部来讲,这个很难讲,因为你是不是真的反欺诈没有做好,但是我觉得从一个更广义的时间来讲,智能风控一定会比传统风控做得更好。这一点反过来讲,对比银行机构和网贷机构,可能就会存在一个规模经济的问题。没有做到规模经济,我相信风控的效果和成本控制也好,一定是做不好的。我相信未来用这种手段,一定要追求规模经济,才能够把整体做好。

另外一个问题是关于利率的问题,因为前面讲到了,利率不完全取决于技术。通过现在的风控和贷款来讲,大部分客户都是以前比较难贷的客户,他本身利率承受度本来就比较高,整个定价肯定就会比传统更高。另外可能在资金成本上面,网贷机构可能会更高,也会带来更高的成本。像我们银行来讲,也会有这个顾虑,银行资金成本都是一样的,但是因为这一块业务带来的这些客户,我们还没有一个很长时间的积累,不知道它的风险爆发是多少,所以相对比较保守,会有更高的定价,导致贷款利率比线下更低,所以它的定价趋于稳定的定价,现在还不是一个稳定的定价,肯定会有一个下降的趋势,除了资金成本以外,整个运营成本,风险成本,应该是一个下降的趋势。

裴益川:接下来有请宜人贷的裴总。

裴益川:风险里面有两类风险,一个是信用风险,一个是欺诈风险。大数据对欺诈风险它的效果非常好,对信用风险,我觉得金融机构和网贷之间差别不大,它的手段和数据不同,但是网贷基本上能够达到金融机构的水平,如果不是90%几,也非常接近的水平,当然我们宜人贷可能会做得好一点。

至于为什么我们用了这么多多手段,可以降价造福于客户。这里面因素很多,如果从技术层面来讲,网贷里面至少有三块主要的成本,一块是获客成本,一块是资金成本,最后一块才是风险成本。风险成本涉及到你到底去哪一个市场玩,金融机构有自己的客户,严格讲他们坐在金山上,他的客户,他的产品跟我们网贷机构服务的客户能够触达或者覆盖的客户完全不一样。所以即使我们用了先进的方法和数据,我们的获客和资金成本肯定没有优势,我们就是在风控上面有一点优势,那是因为我们在不同的市场里,实际上我们的风险也没有太大的优势。

所以在这个意义上,成本一直还没有降下来。金融机构可以感受到局部的风险,这都导致了成本增加。我们从这一次的成本增加上面,深深的感到有一点非常重要。定价,很多技术,数据帮助控制风险。最重要的一点就是你的定价,最终会决定你的风险。所以我们宜人贷一直有这样的诉求,我们真正希望把定价降下来,因为这样才可以更好的服务客户,这样才可以更正向的选择客户,让市场更加健康。

我如果比较一下中国的信贷市场和美国的信贷市场,这两个信贷市场非常不一样,民众对于信贷的价值也非常不一样,这样也会造成市场风险的增加,所以我希望大方向降价,朝客户方向努力,我非常希望努力在各个成本方面降下来。谢谢大家!

辛继召:谢谢。接下来有请黄总。

黄向前:先说一下能不能做风险的控制,我们分析大数据风控的时候,经常说一句话,我们很容易拒绝坏人,但是我不知道剩下的人是不是好人。刚刚赵总说了,很多大数据的机构提供的都是分数,他给你的建议是多少分以上,我认为这个人也许是好人,多少分以下,不要放了。所以无论是传统机构还是互联网机构,你只要通过网络放贷,一定会遇到怎样才可以真正把好人找出来的困惑。有两个层面,一个是数据的广度,这里有一个问题,广度的增加,意味着成本的上升,哪怕我的大数据风控做得很好,可能我用了一百个数据纬度,但是一百个数据纬度花了五十块钱,我如果有五十各位度,花了五十块钱,我不同的成本,效果也会有差异。我的风控做得严格,传统机构之前主要在线下,需要人去面谈,面谈就是成本,雇员工,开场地,大部分的成本都在里面。

从我们来讲这个平衡点蛮难找,但是我相信咱们这些聪明的机构,都会找到这样一个平衡点,我既能够用到好的数据纬度,又能够将我的成本放在一个合理的价位,把技术和成本更加平衡之后,无论是成本的下降还是坏账率的降低,其实都可以做到,只是这个时间比较漫长。刚刚前面几位专家说了,需要一个过程。尤其是传统金融机构涉足网贷的业务,需要有一定的沉淀和时间,而互联网金融机构,赵总寄希望于百行,还是有一点漫长,还是我们自己努力更现实一点。怎么样从目前已经存在的机会里面,找到最适合你的数据那些分数,我们还有大部分数据公司不愿意提供数据,只愿意提供分数的原因。这涉及到立法的问题,咱们国家法律界定得不是很清晰,解释起来比较难,法律和法律的执行,不是很清晰的界面。所以更加抽象使用分数,这是一种保护机制。咱们国家通过征信条例上面能够进一步开放和明确,无论对大数据的从业者还是金融机构的从业者,都可以达到比较好的效果,这样可以讲一些非常有效的字段给出来,这样大家做业务比较安全,我主要讲这么多。其实成本的问题,在短期之内,可能今年和明年整个流动性都在收缩,很难一下子有变化。

辛继召:谢谢,技术的投入和收益需要一个过程。我们保险金融机构是最擅长精算的,接下来听听赵总的意见。

赵黎明:我直接回答第三个问题。我是保险公司的背景,我们做风控的时候,会涉及到保险产品的定价,我们有时候会发现大数据越多,整个风控就越好。很多时候大数据其实可以发现很多我以前不能拓展的行业界限。举一个例子,保险公司我们其实做了很多慢性病和这样一些癌症的数据统计。我们发现某一些慢性病,比如说糖尿病,某一种癌症,癌症只要在早中期发现之后,及时治愈,他的五年生存率可以达到80%以上。对于保险公司来说,患了这种癌症的人只要治愈了,其实后续我就可以持续性提供这样的健康保险和保障。

第二大数据风控在另外一个方面,在信贷这一块,人行征信毕竟覆盖得不全,因为整个中国只要有银行卡,有信贷,有车贷,房贷才会有记录。所以大数据风控是通过线下,通过互联网数据的手段发现以前这个人的风险没有办法评估,但是我通过大数据,通过互联网的方式,我发现这个人可以做一些风险的相应能力和违约风险的识别。所以我觉得大数据风控更多会体现在这样的一些方面,以前不能做的场景,以前不能做的方式,我可以提供这样的普惠金融的服务,谢谢。

辛继召:好的,谢谢各位。我跟踪金融科技大数据风控很久了,我参加很多活动,发现每次参加活动,无论是投资人还是分析师,他们都会强调一个问题,在大数据风控的情况下,搭建识别欺诈和信用的风险,怎样预防出现类似于韩国、台湾的信用卡危机事件,时间不多了,请在场每位嘉宾预判一下大数据未来的趋势。

臧铖:大数据未来的趋势,中期达到协助,人做一些执行。从长期来看,取代相当一部分风控人员的职能。

鲍建富:我觉得大数据风控对于我们在座从业者可以依靠它,但是不要全它,且行且珍惜。

徐建芳:我们要拥抱大数据风控,但是也要敬畏大数据风控,这是一项长期的系统性工程,不是一蹴而就的,需要耐心的打磨。

裴益川:我希望在今后大数据不光给企业创造价值,应该对行业,特别是对我们的客户创造价值,而不光是对我们的企业带来价值。

黄向前:大数据风控不仅仅改变传统金融机构的业态,它也有可能会改变整个中国信用体系的业态,这可能对国家和整个社会才是最有价值的,至于贷款利率降一点、升一点,可能对人群来说影响不是特别大。但如果我们因为有了信用记录,有了这样一些大数据的积累,对人群的信用评估更加准确,我相信越来越多的人会在意自己的信用,会在意自己历史上所有的污点。所以我觉得对于所有的从业者来说,这是一个终极的目标。

赵黎明:虽然云计算和大数据都提了很多年,但是很多公司和平台,在我们接触的过程当中,会发现他们本身对于自身数据资产的盘点,其实很多还处于很粗浅的阶段。所以我觉得大数据在整个行业中,还算是一个起步没有多久的行业,我还是很看好这一块。

辛继召:感谢在场嘉宾,听完大家的点评,至少清晰了短期之内我们没有因为大数据失业的忧虑。这次研讨对

话到此结束,感谢在场六位嘉宾,我把话筒交给主持人。

杨曦:谢谢台上各位嘉宾为我们带来精彩的圆桌对话。最后各位嘉宾把话题收在了大数据对人的影响,不由让我想起了一个典故,天知、地知、你知、我知,曾经有人给东汉的一位廉臣送礼,把他叫到了一个地方,送礼的人说此处无人知效,你就收了吧。他说怎是无人知晓,天知、地知、你知、我知。由此看来,大数据以后会非常忠实的,并且认真的,事无巨细的记录每一个人的行为,当然隐私是另一方面,有可能也会在一定程度上规范我们的行为,让我们沿着一个依法合规的路线继续行走下去。

下面我们进入到大家期待依旧的非常重要的时刻,我们将在大家共同的家政下,在这里非常隆重的颁发出金融科技金领航奖。



关于『2018中国金融科技发展论坛』

在南方财经全媒体集团的大力支持下,《21世纪经济报道》2018年再度重磅推出“中国金融科技发展论坛”及其系列活动,包括2018中国金融科技发展论坛、金融科技精英30人访谈、论坛主旨报告《科技赋能、规范融合——2018中国金融科技发展地图》、2018中国金融科技『金领航奖』评选等。2018中国金融科技发展论坛,6月30日在上海浦东喜来登由由大酒店举行,今年论坛的主题是“金融科技3.0:科技赋能规范融合”,论坛主旨报告《科技赋能、规范融合——2018中国金融科技发展地图》同时发布,全方位解读中国金融科技发展现状。

阅读报告摘要、获取报告完整版下载地址,请访问论坛官网http://www.21market.net/zhuanti/2018_jrkjlt/

活动咨询:张女士  010-59540809  zhangxy@21jingji.com  

媒体咨询:伍女士  020-83003563  wuxq@21jingji.com

长按/扫描二维码,进入论坛官网