C+B端兩條腿走路，智融集團耕耘人工智慧金融的這五年

「金融科技賦能」的話題從去年火熱到今年，更在當前似乎成為了全行業的共識。銀行等傳統金融機構、金融科技公司等相關參與方也越來越常談到科技轉型戰略，並分享合作案例。

在近日舉辦的朗迪2018峰會上，雷鋒網與智融集團CEO焦可進行了一次深入交流。據介紹，自去年3月推出人工智慧風控引擎「I.C.E.」後，智融便確立了服務B端這一戰略。焦可表示，「智融集團發展有兩條腿——B端和C端齊頭並進，我們認為B、C業務是互補的。相對而言，B端的服務更加多樣性。只做C端，深度容易達到，但廣度不夠；如果單純做B端，廣度易達，但深度不夠，所以我們會長期堅持C、B兩個端並行戰略。」

雷鋒網了解到，焦可是清華大學計算機系學士，中科院計算所碩士。曾任百度高級經理、趕集網高級產品總監、馬可波羅網產品副總裁。2013年他投身互聯網金融創業，2015年推出了主打產品用錢寶，2017年3月，在完成了C輪融資後，公司升級為智融集團。

在2015年用錢寶誕生之前，焦可率領團隊還做過一個結構化的貸款資料庫及智能化推薦引擎——「貸小秘」，該產品旨在解決銀行與貸款人群信息不對稱問題。然而，經過一年半的摸索，成功率依然很低。他們逐漸認識到，信貸市場核心問題不是信息不對稱，而是能力不均衡，傳統金融機構針對弱特徵人群的風控水平有限。不同於典型的銀行客戶，這類客戶大都缺少徵信報告、銀行流水、社保證明等強特徵數據，只有海量的弱特徵數據。

「巧婦難為無米之炊，我們希望發明一種新的廚藝來服務這幫非銀行客戶人群。而為了發明廚藝，我們開了一個『館子』，這個『館子』就是用錢寶。」焦可表示。用錢寶是一款針對小額短期借款市場的助貸產品，連接著用戶和持牌金融機構，為合格的放款主體提供風控服務。產品並不直接接觸借貸資金，而是由銀行、消費金融公司等機構直接放款給用戶。據稱，用錢寶已經貢獻了2500多萬人次信貸樣本。

焦可指出，當業務以人工智慧為導向時，馬太效應也愈加明顯。「樣本越多，模型越好，通過率會更高，壞賬率會更低。從而在市場競爭當中會處在優勢位置，優勢就轉化成營利能力。營利能力又轉化成市場投放能力，又會帶來樣本的增長。」

值得注意的是，用錢寶樣本的獲客方式都來自線上。與「場景」也無甚關聯。CTO齊鵬曾解釋說，這是因為他們認為消費場景是借貸的子集。用戶的需求通常就是獲得貸款用於生活，不外乎衣食住行等，不想給用戶一個場景局限。

焦可表示，不同於大額信貸，大額信貸的的場景收斂，資金使用用途非常重要，「你是拿去買房裝修，還是炒比特幣，風險差異較大」，而小額業務由於非常分散，場景不收斂，以及風險更大關乎人而不是使用場景。

在「館子」運作了兩年後，智融終於開放了「廚藝」——人工智慧風控引擎「I.C.E.」。三個字母分別代表，識別 Identify 、計算 Calculate 和評估 Evaluate。針對AI風控的三個核心問題，智融做了三方面工作：柯南特徵工程、D-AI機器學習模型、Anubis大數據計算架構。據介紹，智融在對接客戶時，一般會通過API的方式提供定製化的解決方案。

另據稱，I.C.E.人工智慧風控引擎挖掘產生8000+個維度的弱特徵，而傳統信貸領域只有十數個特徵，同時上百個機器學習模型平均每月完成100餘次模型迭代，常規機器審核僅用8秒。當然，在服務B端時，由於B端需求不同，並不是每次服務B端都會用到幾千條特徵。

前文也提到，服務B端是當前大勢。有觀點認為，這一趨勢的出現，一方面由於受制於法律規範，另一方面則是由於C端業務飽和，所以轉向B端。

對此，焦可對雷鋒網表示，「」我覺得沒有一個明顯的斷代式的轉化。2C與2B，其實並不矛盾的。換個角度來講，信貸業務本質是2B2C，因為最終服務的對象都是個人信貸的用戶，更多的是在探討大家一起合作的模式。」不論是線上還是線下，信貸的本質也沒有發生改變。科技的進步，其實是以一種更高效的方式替換了一些流程環節。焦可強調說，智融本身也仍然是與金融機構合作，幫助其尋找客戶、風控、做好貸後管理。

「傳統金融機構的自營模式將會轉化為合作模式，各取所需是未來行業的合作框架。隨著這樣的一個框架誕生，過去的篩選規則以金融產品為核心，也會轉變為AI評估下的以人為核心。」據稱，目前智融的合作夥伴有兩類，一是前端場景方，另一類是資金提供方。

還值得注意的是，盯上B端蛋糕的互金公司數不勝數，還有銀行科技子公司、BAT等互聯網公司虎視眈眈。類似智融的非巨頭、非平台型公司應該如何參與競爭呢？

「首先，我覺得中國的長尾人群體量非常大，這些遠飛大銀行、BAT所能完全解決。我有一個觀點——中國個人信貸板塊可能會呈現『三三四』的格局，競爭關鍵是上三與中三。最上面的三成，會被大行和BAT所覆蓋，同時他們會往下滲透。中小銀行和互金公司也在努力吃掉中間的『三成』人群，即我們所說的次優人群。」

焦可進一步解釋說，歐美的信貸客戶是八二結構，八成能夠享受直接銀行服務，另外兩成可以得到非銀行機構的服務。類比到中國，中間的三成並不是所謂的「危險人群」，而是「underserved」，他們本該得到銀行服務。

「比如銀行對於司機以及服務員有偏見，認為他們是高危行業，流動性高。而我們認為他們的資質還不錯，都是依靠勞動去賺錢，但由於不符合銀行的審美，所以無法獲得服務。而大數據能夠解決這些問題。」

另一方面，「到了互金行業下半場，大家已經意識到了孤木不成林。一個玩家、一個業務，其實很難形成一個大的規模效應。而現在，行業注重互補和合作，各展所長。有的公司在流量上佔據優勢，所以它與金融機構的合作方式是以流量為主。而我們這類公司的賣點就是風控模型。」

如何保持自身的競爭力？焦可認為其實有二，一是有可以實踐落地的案例，二是充分理解B端業務。此外，他特別指出，業內每家公司在數據源方面的獲取並沒有太大差異，「不存在獨門數據」，數據加工方式很重要，「同樣這些數據，可能有的公司如果人工加工，可能只能得到幾十條，上百條就頂天。但是如果使用機器挖掘的話，你可以挖掘出幾千條。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！