【獨家訪談】非結構化數據下準確給個人「畫像」

我們

受訪者為同盾科技創始人、CEO/蔣韜

孔子在《論語·顏淵》中說，「自古皆有死，民無信不立。」 後人附會說，「事無信不成，商無信不興」，同樣在說「信」，可見立信是成事之根基。為此，《金卡生活》對立志做領先的智能風險管理服務提供商，同盾科技有限公司創始人、CEO蔣韜進行了專訪，看他及帶領的企業如何幫助社會、企業「立信」的。

蔣韜：其實，我也認同此觀點。在移動互聯網時代，就像你所說，數據是越來越「碎片化」。「碎片化」體現出數據的維度越來越多，樣式也越來越多。可能你在很多App、網站和購物平台等都會留下痕迹、行為和數據。此外，現在通過臉部識別、聲紋識別等，你可能還留下了聲音、圖像。你留下各種各樣行為是屬於結構化的數據，當然還可能留下很多非結構化的數據，其實便形成了你的整體「畫像」。

我們看到，隨著人工智慧、物聯網的發展，未來的冰箱、空調，甚至你進家門，開門、出門，所有的東西都跟「雲端」打通，從而獲取了行為數據。比如，你從冰箱拿了食物，吃進多少熱量，洗澡調試的水溫，稱量體重，這些一一變成了你的行為數據。我們判斷，未來隨著移動互聯網，包括物聯網的發展，從結構化到非結構化，數據的維度會越來越多，數據的量也會急劇增長。

製圖 | 陳厚文

蔣韜：這方面我要提到美國。益百利（Experian）、艾克菲（Equifax）和全聯（Trans Union）三大徵信局基本形成了美國的個人徵信體系，他們囊括了約七成美國人的信用數據和記錄。但是，這些傳統的徵信機構，近幾年來收購一些在互聯網上從事信用、風險評估的創新型公司。比如，益百利在2013年花費數億美元收購41st Parameter。後者專門在互聯網上幫企業評估行為風險。這宗收購背後的原因是什麼？其實很簡單，益百利向線上拓展徵信範圍。舉例來說，某人在線下借錢還錢，信用表現很好，但是，這個人在線上可能是一個行為不好的人，比如他在線上可能會去從事黃賭毒，利用一些專業的工具盜取他人賬號，獲取不法收益。特別是類似比特幣的出現，對於現金的追蹤變得越來越困難，這與過去我的資金從A銀行轉到B銀行，賬務轉移隨時可查，截然不同。

因此，傳統徵信機構越來越意識到，線下數據與線上數據結合，才能對個人做出更好、更精準的判斷。這也是為什麼同盾科技定位在線上，幫助一些機構發現潛在的信用風險和欺詐風險，對互聯網誠信體系形成有效的補充，同時對誠信建設起到輔助的作用。

蔣韜：還是以美國為例。在美國有在線評估風險的創業型公司，他們與電商、金融機構合作的時候至少要承諾這幾件事情。

其一，在線評估風險公司對數據保護的安全等級要高級別。作為一家「雲服務」公司，當客戶的數據進到「雲端」之後，一定要有嚴格的流程做好保護工作，其安全等級要做得非常高，至少「雲端」的安全等級不能比客戶低。其二，在線評估風險公司掌握的數據要善加利用和合理利用。這些數據來自電商、金融機構B端，不能從事與其競爭性的業務，做了「裁判員」幫助別人做評估，自己不能又當「運動員」，跳進去做應用。當然，這也是同盾科技秉持的理念，我們堅持做第三方「裁判員」，不會去取得牌照涉及消費金融業務、銀行業務和電商業務。

蔣韜：我認為，數據不能共享便沒有價值，當然，我這裡說的數據是「脫敏化」的分析數據。首先，只有數據共享，社會效率才能變得更高，數據真正的價值在於連接和打通。為什麼說人民銀行的數據最有價值，美國徵信局的數據最有價值，因為他們能夠跨機構。比如，你只要在A金融機構有逾期記錄，除A之外的其他金融機構都會知道。每個國家提倡的大數據、雲計算戰略，其實最終解決信息不對稱的問題，信息對稱之後，整個社會的效率才能變得更高。

其次，數據共享之後，成本才能變得更低。以推動普惠金融為例，其最大的難點在於兩點，一是前面提到的效率低下，另一個就是成本高昂。比如，當金融機構到農村去，給村民放貸的時候，並不掌握他的信用狀況，金融機構就得花大量的人力和物力，走村串戶，做實地調研。為了放貸幾萬元，收取了幾百塊錢的利潤，連人力成本都難以覆蓋，對於市場化的金融機構來說，從體系和制度將成本降到一定的程度，才有更大的動力去開展普惠金融。

蔣韜：我覺得這也是解決信息不對稱，實現信息共享的一種方法。無論哪類推動信息共享的機構，儘管在解決具體問題的方法不盡相同，從本質上來講都是一樣，在朝解決效率和成本雙重難題，進行著不懈努力。

蔣韜：我覺得這個要看國家的立法。在美國，個人有權要求雲服務機構刪除相應個人數據，甚至還有一些機構，在保護個人隱私方面做了相當極致的程度。如美國的一些「雲服務」公司，他們有一個叫紅色按鈕（Red Button），若出現重大緊急事件，可以一鍵將所有的信息刪除掉。甚至美國國家安全機構到上些雲服務機構調查，後者以個人隱私為由拒絕調查，已經不是孤例。

隨著對保護個人隱私越來越重視，必定會出台相關法律和法規。與此相對應，我認為，「雲服務」公司都得去遵守這些法律和法規。

蔣韜：就是因為他有改進的地方存在，我們才有機會到金融機構做拓展業務。個人認為，在傳統的基於銀行網點，商業銀行的線下風控流程已經是比較完善的了。但是，銀行現在面臨的最大問題是互聯網端發起的挑戰，大量的互聯網金融機構進入線上市場，以非常低廉的成本獲取了用戶。

我明白了你的問話邏輯，第二個問題便問到「線上信用」，對於銀行來講，他的短板就在於線上。因此，未來在線上小額信用貸款的場景，牽涉到流量，要求實時決策，實時授信，自動化程度要求非常高。市場非常大，風控需求也非常大。基於大數據和人工智慧，開展信貸風控和反欺詐分析，這些恰恰是同盾科技比較擅長的。

蔣韜：其實，銀行非常看重風險防範，所以，如果他要做線上貸款，對於風控一定要有一個預期。從本質來看，做金融並不是一點風險都沒有，某種程度是在經營風險，也是在風險可控的情況下，取得的收益要大於風險損失。因此，銀行對於欺詐風險評估、信用風險評估的服務的需求非常迫切。比如，一些金融機構，信用卡中心，或者消費金融機構，會用他自己的模型去做風控，而同盾科技將其工具、技術和系統性解決方案「糅合」進去，做到金融機構的外腦，能大大幫助提升銀行的風險識別、及防範能力。

蔣韜：我認為，金融類風險大致分為市場風險、流動風險、信用風險和操作風險四大類。同盾在防範市場風險、流動風險方面不是強項。在防範信用風險尤其是互聯網上的客戶信用風險方面，我們可以幫金融機構做自動化評估、及輔助決策。而操作風險涉及到兩部分，一個是內部操作風險，另一個是外部操作風險。前者屬於道德風險，要依靠流程、制度去防範；同盾科技能幫助防範其中的外部操作風險，而「網路欺詐」就是外部操作風險很重要的一部分。

蔣韜：我們的實力主要體現在以下幾個方面。一是實時，或者准實時。對於個人風險的判斷按照毫秒級來算，並且，完全是自動化。二是自動演化模型。風險變化萬千，要求風控模型、能力要快速演化，演化的速度越快，防範風險的能力越強。傳統的建模團隊通常做一個模型，後來發現這個模型效果有衰減，重新拿數據去「訓練」，模型才能重新上線，通常這個過程要經過三個月，甚至更長的時間。而在此期間風險導致的損失必然會繼續發生。但是，同盾科技現在能夠做到從發現模型衰減，啟動自動「訓練」，到重新上線，其過程根據交易場景的不同，大大縮短在數小時至數十分鐘之內，讓金融機構提前「止損」。三是事後分析。一旦發現某家金融機構發生欺詐案例，通過複雜網路等事後分析工具，很快找到潛在的欺詐分子。比如，通過欺詐分子發現與其關係特別近、關聯性特彆強的人，這正好應驗了「物以類聚，人以群分」那句老話。一旦發現這些人也是欺詐分子，於是放在事前進行實時攔截。因此，整個風險防範從事前、事中、事後形成一個閉環，閉環速度越快，風險防範的效率越高。

當然，同盾科技服務機構客戶的風控能力，最好留待客戶去評價，留待市場去觀察，留待時間去檢驗。我們的目標做領先的智能風險管理服務提供商，將大數據、人工智慧與風險管理技術深度結合，實現風險的跨行業「聯防聯控」。