FinTech助力新金融發展
（原標題：FinTech助力新金融發展）
什麼是新金融？某百科上的解釋是：新金融是指金融要素市場化、金融主體的多元化、金融產品的快速迭代過程正在發生。在互聯網和信息技術革命推動下，金融業架構中的「底層物質」正在發生深刻變化。移動化、雲計算、大數據、區塊鏈等大趨勢引發金融業「基因突變」。這種變化使得傳統金融業版圖日益模糊，促使傳統金融業務與互聯網技術融合，通過優化資源配置與技術創新，產生出新的金融生態、金融服務模式與金融產品。通俗來講：就是大數據、演算法等金融科技（FinTech）讓金融走出華爾街（傳統金融），回歸服務實體經濟；讓金融不只關注賺錢，更關註解決人們生活中的實際問題。
5月19日，由錢包金服大數據信息部和DataFun社區主辦的主題為「FinTech助力新金融發展」沙龍在望京洪泰創新空間舉行。卡耐基梅隆機器學習博士畢業的錢包金服首席數據官李屆悅、大數據應用平台項目研發負責人蔣乾坤和量化策略副總監孫溪，均出席新了本次活動並分別分享了以「場景+科技助力新金融」、「錢包風控系統技術成長與蛻變」和「量化策略助力新金融」為主題的演講，進而從宏觀背景到應用場景再到大數據、機器學習、量化分析等技術的應用詳細講解金融科技是如何助力新金融發展的。
當下，隨著經濟的發展、物質的積累，為人們的生活消費提供了豐富的產品和服務；然後國家宏觀經濟發展模式調整，供給側改革，更注重優化消費結構，實現消費品不斷升級，不斷提高人民生活品質；其次移動互聯網的發展，使觸達客戶變得更容易；再有小微商戶、企業對融資的需求；最後在海量數據的快速積累，場景+科技的融合下，催生了新金融業務。
李屆悅以小微商戶金融信貸業務為例：其覆蓋全國生活場景達30W+（到店服務、優惠支付、錢包支付等），而個人消費金融/小微商戶金融信貸的特點是：小額、高頻、分散、短期，註定需要數據+科技，需要批量獲客+自動化+人工智慧。
李屆悅指出對於大數據科技平台架構設計包括大數據倉庫和大數據應用平台倆部分。
其中，大數據倉庫主要分為：
數據源：分為結構化數據、半結構化和非結構數據，結構化數據主要來自收單、清算、客服等系統；半結構化、非結構化數據則主要來自合作機構和互聯網；
獲取層：數據採集包括：雲化ETL、外部數據處理、流數據處理以及爬蟲等；對於結構化數據通常採用批量採集的處理方式，而半結構化、非結構化數據通常要採用准實時和實時採集的方式；
數據層：包括主數據倉庫、分散式資料庫、Hadoop平台；
能力層：包括基礎分析、多維分析、數據挖掘、實時分析、自助分析、數據共享等；
應用層：包括指標應用、報表應用、主題分析、專題分析等，用來支持精準營銷、智能運營、高層看板、輿情監控、智能客服、風險看板等業務。
而對大數據應用平台的要求則是：自動化、數據化、標準化、實時化（秒級）。
李屆悅特別為大家介紹了大數據和機器學習模型以及在大數據風控上的應用。在實際的業務場景中，往往存在多種風險，例如欺詐風險和信用風險等。對於欺詐風險往往採用：身份驗證、實名驗證、LBS驗證、簡訊驗證、人臉識別、活體識別等；而對於信用風險通常採用：歷史貸款，多頭記錄，償還能力等來辨別信用風險，現今通過大數據+機器學習的模式對欺詐和信用進行綜合打分能夠更快速有效的識別各種業務風險。
當下，從0到1搭建一個大數據風控系統並不能解決所有問題，還需要不斷的成長與蛻變，以錢包風控系統為例：對於1.0版本，其通過微服務+規則引擎技術來實現，授信時長5-20分鐘，採用部署規則的方式來授信；而對於2.0版本則通過引入深度學習模型來實現實時授信（秒級）。蔣乾坤表示，大數據架構改進後的優勢：使日處理申請量達到20W件，件均審批時長達到秒級，無申請件積壓，各節點介面響應速度無延遲。
接下來，蔣乾坤為大家介紹了大數據與區塊鏈之間的關係，並結合業務場景講解了其是如何應用的。
大數據與區塊鏈的關係有以下幾點：
數據安全：區塊鏈讓數據真正「放心」流動起來；
數據開放共享：區塊鏈保障數據私密性；
數據存儲：區塊鏈是一種不可篡改的、全歷史的、強背書的資料庫存儲技術；
數據分析：區塊鏈確保數據安全性；
數據流通：區塊鏈保障數據相關權益。
那麼我們如何把大數據與區塊鏈結合呢？答案是聯盟鏈。聯盟鏈技術方案多樣，最受關注的聯盟鏈技術方案為HyperLedger其具有：成員許可制、模塊化架構、有限公開、查詢方式多樣、支持插件、密鑰安全等優勢。
蔣乾坤特別指出未來在做好風控的同時，合理使用數據，待大數據+區塊鏈技術開發的產品真正的開源起來，不僅服務金融業務，同時把用戶的隱私數據真正的保護起來，需要行業人士一起貢獻自已的力量。
當下，風險已經場景化，面對龐大的線上消費場景、真實交易，消費信貸和電商無縫耦合，這使得風險不在是孤立存在而是與場景、產品融為一體，從而使傳統的流程式控制制驅動的風險控制轉向數據驅動的在線自動決策。
孫溪指出科學的決策體系是指從數據->模型->策略->系統形成閉環體系，通過量化策略閉環，與模型競合冠軍挑戰，使決策具有可持續性、智能化、自動化；結合業務場景，錢包打造了自適應的閉合體系：客戶行為軌跡->數據積累->模型開發->策略開發->效果追蹤->新數據積累->模型、策略的優化或重新開發，循環往複過程。對於量化分析的目標則是：通過管理、監控、分析及挖掘相關數據指標，找出潛在及深入問題，隨後採取有效相關舉措，保通過平衡的前提。逐步控制新增逾期，消化逾期存量，達到降低逾期率及有效控制不良率的目的。
最後，孫溪為大家詳細介紹了分析中的異常監控預警、從指標異常到交易欺詐異常監測、生命周期（LTV）分析及數據驅動定價等內容，並總結到整個量化分析通過（LTV客戶生命周期模型、業務場景觀測與分析、客戶畫像分析、風險控制解決方案）四步來完成風險控制助力新金融在風險管理方面的發展。
（中國日報）
TAG:中國日報 |