消費信貸下個戰略高地：生物科技與數據科技雙重融合金融科技突破

2017年，iPhone X引入Face ID，讓智能手機進入人臉識別的時代。而幾乎在同一時間，人臉識別技術也已被看準是在線信貸的下一個兵家必爭之地。

事實上，無論國內還是國外，生物特徵識別技術正在迅速成為消費金融領域一個新的「must have」（必須有）。尤其是面對在線信貸行業對風控要求的日益提升，生物特徵識別技術也已逐漸成為區別企業競爭力的新指標。

這是因為，儘管在線信貸行業可以運用大數據建立徵信模型，解決傳統信貸行業「借錢難、借錢貴」的弊病。然而，由於網路欺詐手法不斷翻新，導致在線信貸審核與運營成本節節攀升。核心風控能力的不足，成為制約在線信貸發展的最大痛點。

而生物特徵識別技術擁有傳統基於證件和密鑰認證技術所無可比擬的優越性。儘管生物識別技術門檻較高，投資龐大，在與既有業務整合時往往也需要耗費相當大的精力和物力。不過，與投入成本相比，融合生物識別技術為消費金融行業帶來的好處，仍然是回報豐厚。

一般來說，生物特徵識別以面部、聲紋和指紋識別為最主流，此外還有手形、手掌形、掌紋、虹膜、DNA，甚至是耳朵的形狀等等。

在國外，指紋驗證是最為流行的，通過與PKI技術相結合，保證數字證書在每個環節都與客戶的生物特徵匹配。

比如美國第五大消費信貸公司Quicken Loans，他們就使用指紋特徵採集來鑒別用戶身份。該企業創始人Dan Gilbert認為，指紋是目前在消費信貸領域中，最好的身份確認工具。 1974年,Osterburg通過論證,證明了2枚指紋出現12處相同的特徵卻不屬於同一個人的概率只有大約十萬億分之一。

如SoFi、Affirm等外國頂級消費信貸公司也認為，指紋識別也是當下最具可靠性（robustness）的身份確認方法，適合更多人的操作習慣，成功率也更高。誠然指紋識別很大程度上依賴於指紋獲取的圖像質量，不過隨著計算機視覺的進步，目前指紋數據壓縮的問題已得到解決。

圖丨《黑人兄弟》中的演員Keegan Michael Key為Quicken Loans拍攝的代言廣告（來源：Quicken Loans官網）

目前，國內網貸行業對於聲紋識別技術和人臉識別技術的應用也日趨成熟。

其中，在消費金融領域第一個成熟應用聲紋識別技術的公司中騰信，旗下的小花錢包，從2015年開始就嘗試人臉識別技術，主要應用在反欺詐環節。2017年，小花錢包更與生物識別技術合作機構一同入選 MIT Technology Review （麻省理工科技評論）的金融科技人臉識別應用案例。同年還入選為中國人民銀行金融研究所互聯網金融研究中心組織編寫的金融科技專著《金融科技:發展趨勢與監管》經典案例。

中騰信成立於2014年，最早它是一家專註於線下的消費金融服務企業。2015年，中騰信設立子公司小花（廈門）互聯網金融信息服務有限公司（簡稱「小花金服」），作為線上消費金融領域科技服務的主體。

而小花錢包便是由小花金服推出的App核心產品，提供備用金申請服務，備用金可用於現金提現、信用卡還款及分期購物服務。

小花金服研發負責人黃凌鵬指出，小花與中騰信的信貸工廠運營理念是一致的，不同之處在於小花是一個純線上產品，運營上更側重於通過大數據手段以及數據分析來提升效率降低成本。且自小花錢包推出以來，就專註於開發人臉識別技術的應用。

結合生物識別技術與徵信模型，目前小花錢包已可做到實時審批，刷臉快速取得信用額度，當天借款當天到賬。

黃凌鵬告訴DT君，小花錢包的產品定位是「年輕人的互聯網錢包」，主要服務工薪階層，客戶年齡範圍是23-40歲。這個年齡段的客戶，是勞動力人口的主要集中段，有穩定工作及收入。

這一消費客群的特徵是日常生活與互聯網高度結合，對新型科技接受度高，但要求也高，沒有耐心等待漫長繁瑣的信貸審批流程，卻又往往缺乏與金融機構往來的信用記錄。

所以，小花錢包依賴許多第三方數據來補足信用模型，目前已經接入了20多家的第三方數據，覆蓋了包括黑名單、設備問題檢查、身份驗證、收入情況、消費水平等方面。再加上採取人臉識別技術後，在整體的貸款流程上，用戶只需要填寫身份證信息及拍攝面部照片，平均在3到5分鐘內就能完成申請。

真正意義的人臉識別必須是動態的面部識別，也就是用攝像頭對用戶的多角度拍照，再把這些照片與用戶的身份證照片信息相比較，以判定客戶是否真實。其好處是阻止不法分子利用照片通過系統判定，杜絕冒用他人信息進行欺詐的行為。

因此，小花錢包在人臉識別環節，會要求用戶根據提示完成眨眼、張嘴、搖頭等隨機動作，並與用戶拍照上傳的身份證照片進行有效核實，確保人證合一，識別虛假、冒用身份行為。

圖|小花錢包RiskAI系統架構（來源：小花錢包）

除了人臉識別，中騰信還有成熟的聲紋識別技術，也就是通過採集聲音，建立聲紋庫，用於反欺詐風控。

聲紋識別是近年來受消費信貸領域追捧的技術，雖然早在1945年，貝爾實驗室就著手於聲紋技術的研發，不過現代聲紋研究大多數基於i-vector建模的聲紋識別技術。

相較於指紋識別，聲紋更具有用戶無感知性。用戶在發出聲音的同時，聲紋就會被採集，並與資料庫進行比對。在流程上來說，用戶體驗要高於指紋識別。

2016年1月，清華信息科學技術學院國家實驗室技術創新和開發語音部語音和語音技術中心的鄭方博士就撰文，稱聲紋識別技術對政府部門和商業領域來說，都是一項必不可少的重要技術。

中騰信風控負責人王宏彬對DT君指出，目前中騰信已積累了大量的聲紋樣本，立足精密的聲紋識別技術，結合多年風控經驗和多場景的龐大聲紋數據，針對不同風險點，可以建立起對應場景的黑名單、聲紋庫，結合反欺詐規則，豐富聲紋識別策略預警。

另外，聲紋識別也能夠有效地剋制團伙欺詐。這種團伙欺詐的特點是在「申請人」進件時具備一定集中性特徵，比如位置信息、設備信息等，欺詐分子通過給予「申請人」一定好處的方式利用其身份信息騙取貸款。但是這種團伙欺詐分子在接聽信貸公司電話時，往往只有幾個「業務員」。這樣一來，只要針對具備集中性特徵的進件在審核時比對聲紋庫，就可以有效識別出是否為團伙欺詐，再將上述「業務員」的聲紋列入黑名單庫，就可以抵禦不法分子的攻擊。

由總體風控效果來看，中騰信全流程風控系統將欺詐風險和信用風險的防範細化至客戶借款的全生命周期，從貸前、貸中、貨後各環節防範風險。自2014年以來，系統設置欺詐及信用風險規則上千條，信用風險模型及欺詐風險模型數十個，資產質量控制水平在同業名列前茅。

圖丨中騰信聲紋識別系統架構（來源：中騰信）

從1985年，中國建設銀行深圳分行為國內購房者辦理了第一筆按揭貸款，再到今天，即便經歷了1999年的通貨緊縮，我國消費貸款餘額總量仍然達到了數千倍的增長。市場越大，問題越多，消費信貸直至今日都沒有符合當下社會環境且完善的個人信用系統以及風險評估系統。

2015年，16家上市銀行的不良貸款餘額約為9000億元，比2014年增加了2300億元，增幅超過30%。根據銀監會的記錄，商業銀行在2015年的不良貸款率為1.59%，較2014年年末增加了24%。直至2017年，上市銀行的不良貸款更是增加到了1.74%。

構成這種局面的原因，除了上述的個人信用問題外還有兩種：信貸機構經營成本阻力和經濟環境。中騰信所採取的生物特徵識別技術，可以在貸前低成本有效降低個人信用帶來的風險。

歸根結底，中騰信是在用技術解決行業的痛點，並不是盲從於技術的大浪潮。套用美國著名管理學者斯萊沃斯基（Adrian J. Slywotzky）的盈利模式理論來分析，也就是一家企業有哪些利潤源、利潤點、利潤槓桿和利潤屏障，則中騰信的做法可以被理解為在聚焦鎖定利潤源（也就是主要用戶）的同時，還提高了利潤屏障（也就是技術門檻）。

隨著社會經濟的發展和公眾消費觀念的改變，我國個人消費信貸業務得到了快速的發展。這項業務勢必成為未來無論是企業機構，亦或是商業銀行的重要利潤增長點，並為促進經濟繁榮做出貢獻。但是要去學習如何跨界，中騰信是一個很好的例子，他們將金融與計算機視覺、語音識別等技術緊密結合，把科技賦能在了傳統業務上。

歸根結底，中騰信想要實現的是一種以生物科技和數據科技雙重融合的科技金融服務，在高效的同時也保證了安全性。上文提到，生物特徵技術擁有較高的門檻，但也正是這樣的入門條件，才能夠解決行業的亂象。

中國信貸行業雖起步較晚，發展腳步卻極為迅速。在DT君眼裡，未來信貸機構將不再是「錢多說話」，它會越來越向「有技術才能張口」的方向靠攏。行業發展的前景，也不應該只是機構的財務槓桿能力，而是大數據、生物特徵識別、以及人工智慧技術能力！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！