【砥礪奮進的五年·聚焦大數據】牛峰：「人工智慧+大數據」讓普惠金融成為可能

當前正處在向消費型經濟體轉化過程中，但消費市場在GDP的佔比只有7%，徵信覆蓋率是重要制約因素，超過70%的的老百姓沒有完整的徵信記錄。傳統的金融機構很難對用戶信用進行評估，進行相應的金融服務。

5月27日，量化派創始人牛峰在人工智慧賦能產能升級論壇上分享解決方案。

「統計方法的革新可以使這種情況得以改善。」牛峰說，從1950年開始，統計方法有了長足進展，從基本的邏輯回歸到神經網路再到現在的人工智慧，統計方法有了飛速的發展，再結合當今的互聯網時代的大量的數據，現在的統計方法讓超過國家對這超過70%的普通用戶進行風險評估，並且對他們提供金融服務成為了可能。

這些數據到底從何而來呢？牛峰說，數據的主要來源是用戶的授權、支付寶、淘寶、運營商數據以及徵信數據和少數從互聯網拿到的用戶公開數據。通過這些數據構建模型演算法，根據不同的數據源用邏輯回歸以及文本挖掘和圖象挖掘的方法可以形成一個量性的信用評分，再結合「芝麻分」，就可以對用戶做最終的風險評估。

而這樣的風險評估對反詐騙具有明顯的作用。在，團伙欺詐是一個嚴重的問題，而且對金融提供商的危害也是挺大的。團伙欺詐有一個重要的特點是團伙內部的人有非常密切的聯繫。而對關係網路的分析，可以有效的檢測到欺詐團伙並積累出百萬級甚至千萬級的黑名單和關係網路，而對這些關係網路的分析，又可以檢測到更多地欺詐團伙。如此良行循環，可以為反欺詐領域提供更好的服務。

「人工智慧加大數據技術可以改變一個行業，促進整體行業發展。」牛峰認為，通過大數據加上人工智慧的方法，使信用風險評估覆蓋70%的人口，也帶來了消費金融的發展。近幾年來，消費金融迅速的滲透到各個領域，帶動了互聯網消費金融的迅猛發展。從2011年到2017年，市場份額從不足十億元達到近兩萬億，預計2019年將達到接近七萬億的體量。

此外，傳統徵信是以財務數據為主，以人工審核為主要方式，企業用得少，個人應用更少了。而人工智慧加大數據的方法，數據源廣，技術全自動化，應用場景和人群的覆蓋也廣，金融效率會更高，用戶的體驗會更好。例如，要達到十億級月放款需要兩萬人，那麼用人工智慧加大數據就只需要200人。

「人工智慧加大數據不僅能夠對整個行產品顛覆性的影響，而且會提升整體效率。」 牛峰總結說。