李振華：大數據在金融領域的應用
在過去幾年時間，快速崛起的互聯網金融或者金融科技，究竟要解決什麼問題？那就得看今天中國金融體系裡面存在的問題是什麼！
問題很多，但可簡單總結為兩類：
一、金融服務是難普難惠。普及面不夠廣，在今天中國有十幾億的人口，有七千多萬的消費企業，能夠獲取金融服務的，占的是少數；銀行體系里能向個人提供基本金融服務，除了存款之外，獲得信貸、理財金融服務大概佔比也不到30%。最近看到現金貸的問題，其中一個垢病的對象，就是利率太高，其實對銀行體系是一樣的，我們獲取銀行信貸服務的成本太高。
二、金融資源的分配嚴重不均。經濟非常發達的地區，一線城市，不管是企業還是個人獲取的服務都是不夠的。大的企業，特別是國有企業獲取的金融服務很多；小的企業、普通的個人獲取的金融資源太少。
過去我們採取了很多手段，銀行提出小微的融資，前面包括微型金融機構、信用社、小貸公司，思路都是要解決這些問題的，現在包括大的銀行機構設立出來的普惠金融部都是要解決這個問題。
而全球金融發展到今天，問題並沒有解決，美國都沒有解決這個問題，因為銀行機構、投行機構就是嫌貧愛富的，有錢的能夠讓他更有錢，沒錢的不會讓你有錢。沒有獲取金融服務，銀行你要承認是商業機構，一定是商業導向的，金融服務必須具有商業可持續性，不具備可持續性的叫政策性金融機構，但是今天金融機構能回到政策性金融機構上去嗎？顯然不能。
阿里巴巴螞蟻金服研究院執行院長 李振華
如何解決中國金融體系存在的問題
在技術、科技已經高度發達的今天，可以使所提供的金融服務觸達層和成本得到大的改善，從幾方面來說，今天數字技術發展得非常快，不管是發達地區還是貧窮地區，現在數字技術做了基本的基礎設施，現在已經普及了。
舉個簡單例子，大家都知道，過去每一次科技革命之後都會對人類的生活、生產造成非常大的影響。
第一次工業革命典型代表是蒸汽機的發明，從發明到普及，用了約160年的時間；第二次科技革命典型發明是電力，電力的發展到全球供給用了大概60年；第三次科技革命典型的應用是計算機，發展到全球用了15年；現在是處於第四次科技革命，這是非常典型的，典型的是互聯網、移動互聯網、大數據和人工智慧、物聯網等技術爆發的周期。
每一次技術革命，看到普及程度都在快速的縮短。科技革命所導致的背後基礎設施的使用成本得到極大的降低，幾何集的降低，在計算機裡面有一個摩爾定律，就是大概一年時間計算，在過去半個世紀以來，我們的計算能力達到多少次，大家可以算一下，基本統計已經增長1億倍，所以技術革命，使我們使用新技術，計算、儲存、傳輸成本幾何級的下降，可以極大程度改變今天金融服務的商業模式和服務模式及成本，簡單的去總結，今天越來越廣的移動互聯基礎設施的普及，讓我們金融可以有效的觸達全世界任何一個地方，只要移動互聯網在中國任何一個地方，西藏任何一個地方，我們知道移動和聯通基本上有網路普及，拿一個手機在終端開一個基本帳戶就OK了，不需要去設立網點。
大數據技術本身的普及，可以緩解過去的信息推遲，在金融服務裡面，需要去做風險控制最根本的原因是在於信息不對稱，不知道要不要給你貸款，你是否能夠還的問題。但是大數據技術，數據的採集、儲存和計算，成本大幅度的降低，數據來源如此多的風控化，有可能讓我們過去在銀行提供風控方式得到改變，可以用數據來做精確的用戶畫像，可以識別風險，根本不用抵押，極大程度上為過去沒有辦法分辨風險的用戶給他提供基本的信貸服務，成為客戶的可能。也可以使金融服務得到比較大的普及。
今天科技本身的發展，可以解決過去在金融服務裡面難題，可以讓金融服務更低成本去提供，還可以讓普及程度大幅度提高，也可以做得更智慧、更智能，這就是科技的魅力，這是今天金融科技的本質和實質化；但如果沒有這樣的技術能力，不論說互聯網金融、科技金融、社會金融、智能金融肯定是忽悠，一定要有這些技術在背後進行支撐。大數據對金融的應用，到底用來幹什麼的，大數據最大的應用可以說是風控，但是不僅僅是風控，可以有很多領域的應用，做精準營銷也可以，做金融服務產品基本定價也可以。保險、理財產品，現在很多基金產品都做，量化交易全部由演算法來解決，完全沒有感情，完全可以替代人工經理的。
大數據的應用
談大數據的應用，完全離不開人工智慧這道坎，數據、大數據初步應用階段，是用數據本身，取代過去的人工，取代統計的模型；大數據應用再深一層的情況下，可以通過不斷的多種演算法模型的優化，和新的深度學習技術和神經網路技術應用，讓他初步具備智能的特徵。也可以讓一個機器，模擬人服務的方式、情感、語言、聲音等，下一步可以讓他具備人的特徵，這時候就可以替代人做的服務。綜合起來說，今天的數據和人工智慧，都是大數據中的應用，很有可能在未來會成為金融服務基本的應用。
在這個領域裡面，僅僅是做出了初步的探索，未來應用會越來越大，越來越廣闊，螞蟻在這當中做出的探索，可以分為六大類：1、信貸服務，提供基本數據模型替代傳統的風控手段。2、理財服務，用精準營銷和精準產品方案和智能推薦，可以應用到類似餘額寶產品中，非常複雜流動性的管理上。3、安全領域。大數據去做帳戶，完全基於數據的方式，去做帳戶安全監控，交易追蹤，以及反洗錢領域。4、徵信領域。把數據方式補充過去的評分卡的信用模型，非借貸數據都可以應用到信用這個領域，極大擴大信用服務的範圍和信用數據的使用。5、客戶服務領域。替代人工，做更智能的回答，應用到客戶服務異常監測。6、保險領域。基本的欺詐等風險的識別，也可以把過去保險傳統的精算模型，加入用戶特徵等新的維度，用大數據的意象模型做補充，可以應用到車輛定損、通過數據源識別人的基本健康特徵，識別騙保等。簡單說，可以在這六類以內做探索。
大數據信貸服務的應用
大數據信貸服務的應用，大數據風控，幫助小微企業去獲得貸款；從2010年開始，阿里巴巴淘寶交易上來，用戶自然就提供支付之外，上面的商務快速的成長過程中，要是缺錢能不能提供基本的信貸服務，是自然的需求，開始的時候，可以跟銀行借款，但是要5萬、3萬，銀行是不願意提供服務的，就把錢改到20萬，這就違背了阿里的初衷，所以這時候就希望開發面對這些小微客戶，但是又不能用傳統的方式，電商能用傳統的服務方式嗎？傳統的信貸抵押品的風控模式嗎？也不行，所以唯有一條路，就是能不能探索用數據的方式進行風控，從2011年開始，成立了一個實驗團隊，讓他們去構建，基於網路、電商交易基本行為特徵，和人信用和風險之間的關係，去建立很多的數據模型。
到現在為止，這幾十個模型在實踐中證明是非常有效的風控方式，和非常方便的一種基於數據化的信貸方式，可以說開創了全球的網路信貸基本進程。
到今天為止，基本服務可以叫成310服務，在網上對用戶的數據是多維度的數據，包括阿里、螞蟻，以及外部的數據，做的風控模型，基本去判斷，3分鐘就可以判斷出，要不要給你貸款，給你利率多少，1秒鐘做出決策，做出決策就只要1秒鐘，中間沒有人干預，中間完全是機器，沒有任何抵押，沒有人工干預，你的貸款是時借時還，一秒鐘借，一秒鐘還。大家看到花唄上借的人都是一樣的，我們自己也說，有沒有借唄，給我提供的額度會大一點，會經常做一個周轉，有時候會玩一玩，今天借一塊，一小時之後還它，就是這樣測試，發現極其方便，到銀行提供貸款是一周之後同意。完全數據化方式，3秒鐘到帳，這就是科技給人帶來的便利。到目前為止，提供貸款的小額服務的商家是850萬家，累積的貸款13000多億，貨幣貸款、餘額貸款就是3萬起。
所以說，這個要怎麼做？提供數據模型當然是非常複雜的，簡單的說，在這個過程中，當然需要非常多的數據的支撐，基礎數據要豐富，這裡面包括淘寶平台加上外部的數據，足夠豐富的數據聯動，一般人知道淘寶上開的所有線下商家，用互聯網的好處就是所有記錄行為都有數據存底，這是和線下的區別，線下的交易沒有做數據化，所以你不可以去進行存儲，今天交易達成了你沒有什麼存底，這個情況下，就非常的麻煩。在線上借錢，需要建立模型來分析行為本身和風控之間的關係。這些看起來有些是無關的，大數據其實就是非結構化數據裡面分析的相關性。在當中可以建立起來基本的風險控制的模型，包括算一個概率，來對他做額度的評級，基本的定價，看是不是我們的用戶，預測他未來成長性，算他這個概率。還要包括什麼時候給他提供基本的信貸服務等。可能要提供一套營銷體系和營銷模型，能夠去追蹤，識別用戶在他最想要提供信貸的方面提供給他。
另外還要政策的分析模型，在於規則，哪些授信，給不給准入，可以提供材料，就需要通過數據模型去建立起來。我可以給他提供這種基本的營銷、審批、授信到用途的監控，到最後的一套體系建立起來，到在背後完全都是基於大數據的方式建立起來基本風險甄別體系。
是這些模型基本的含義是什麼，太技術化，簡單說一下，在所有模型裡面有一個非常核心的模型，就是違約PD模型，意思就是如何去通過我這個模型把客戶過去歷史貸款的信息和經營信息等所有相關人的信息全部輸入到模型裡面去，能夠對用戶的風險做進一步的區分。簡單的說，把所有的數據拿到之後，去做數據資源的分類，分類之後到模型裡面，每一個信息再拆解更多的變數，用機器模型在裡面跑，跑的目的是什麼？跑的目的是找相關性，找到對風險具有顯著影響的變數，找到之後去組合一個模型，最後得出來一個PD評分。所以說PD評分越高的，就跟人的信用分數一樣，越高的人信用越好、風險越小。
- End -
【本文整理自阿里巴巴螞蟻金服研究院執行院長李振華在貴陽市大數據與金融人才專題培訓班上的授課摘要，為個人學術觀點，刊於《大數據金融》雜誌2017年第6期（總第20期） | 責編：鄭斌】【版權保護聲明：大數據金融雜誌選發有優質傳播價值的內容，並極其尊重優質原創內容版權，如所選內容影響到您的權益，請聯繫我們刪除。】
（作者為中國新供給經濟學50人論壇成員）
TAG:新供給經濟學研究院 |