招联金融姜良雷:普惠金融背后的智能云实践 | 爱分析活动

2020-09-26 10:53 
衡水金卷2021答案 衡水金卷2021答案

关注爱分析ifenxi
每天洞察新趋势
——————
云化是普惠金融的必由之路
近日,爱分析在京举办了2019爱分析·中国企业云高峰论坛。爱分析邀请了招联金融CDO姜良雷进行了题为《坚持科技创新驱动,普惠金融背后的智能云实践》的主题演讲。
姜良雷认为,云化是普惠金融的必由之路,而普惠金融云化的背后其实是对技术和数据的更新、更高的要求。数据和技术让金融行为成本更低、风险更低、时效性更高、灵活性更好。未来,消费金融行业增速放缓,主力客群下沉,产品同质化严重,行业竞争将进一步加剧。
现将姜良雷的演讲实录分享如下。
姜良雷:感谢爱分析,也感谢各位嘉宾,今天给大家分享一下我们招联金融是怎么实现智能云服务的。
首先,我先来介绍一下招联金融,我们是招商银行和中国联通组建的一家消费金融公司,2015年的3月正式开业,通过新的互联方式,为广大银行等传统机构覆盖不到的用户提供金融服务。我们两个主要产品,一个是好期贷,一个是信用付,简单来讲,一类是信用贷款产品,一类是消费分期产品。
我们两类产品的特点,第一是纯线上申请,第二是无担保快速申请。纯线上的业务和传统的门店业务的区别,要求我们IT系统是弹性结构的,因此我们一开始就考虑怎么搭建我们的环境,并对我们庞大的数据进行有效管理和挖掘分析,形成整个这一套混合云的架构,根据各自特长,由不同的云干不同的事。
01
普惠金融背后,对于技术和数据的新需求和新挑战
我们为什么要这么干?这和我们的业务是相关的,因为我们客户类型决定了我们考虑问题的方式。
首先,是客群分布广泛。我们的用户不是高大上的用户,不是企业用户,而是生活在二三线城市的低收入年轻人。传统金融机构产品覆盖不到这部分用户,他们的要求就是响应快,可以随时满足、随时完成这项服务。
其次,是用户行为多为线上行为。线上行为会面临着流量超发、欺诈团伙作案等问题,这就要求我们对客户的身份,信用识别及风控技术等方面有一个很好保障。
然而,这些东西都是需要数据的,对这些客群来讲他们的数据往往是缺失的,我们如何在合规的情况下补充数据、利用数据,对我们也是一个挑战。
最后,这个行业成本比较高,我们的资金成本、支付通道成本,加上我们的获客成本、运营成本、风险成本等,线上属性要求我们用科技应用来降低各个环节的成本,维持我们的微利。
在云和自建机房的选择上,其实从我们本心来讲,是很想100%应用云去存储数据。
但是为了满足数据、系统安全的要求,我们不得不自建机房,将我们核心业务模块、数据放在私有云上。而需要弹性扩展的部分功能用公有云实现,这就是我们当初定下来的战略。
另外,一开始我们就没有IOE,我们把弹性的前端以及流程处理放在了金融云上,这样可以保证我们的弹性处理,同时我们自建机房运行核心模块、保存数据,按照银行级业务连续性保障,稳定性达到了99.95%。
这种架构支撑了我们业务的快速发展,能够承载万亿级的贷款以及亿级的用户,同时实现高并发的特点。我们通过公有云提供的弹性及快速部署特性解决这个问题。
同时我们也比较一下我们的成本,经过这种搭建,我们的运维成本可以做到0.3元*客户/月,是传统银行的仅仅三分之一。在双11活动期间,我们扩容25%,成本仅为月费用的10%。
另外就是信息安全方面,我们实施了全链路的数据加密,所有用户在移动端用手机输入那一刻起就加密了,整个传输过程中有一个安全保障的。

02
05
招联金融创新案例分享
接下来我分享一个具体的案例。银行或者金融,尤其是贷款业务,最大的成本其实来自于风险,所以风控是我们的核心。
首先,风控系统中最基础、最关键、最有效就是数据,所以我们第一考虑的事情就是要有强大的数据中台,把我们的业务数据、行为数据、影像数据等等融合在一起形成强大的数据中台。
其次,有数据还要有技术,我们需要现在最先进的技术,而不是传统的、非实时的技术。我们要用实时的方法、新的算法:实时计算、时间序列、机器学习等等。
再次,我们要把这些技术融合起来,提供更好的服务,然后提高我们的自身能力。这其中包括风险防控、客户评价以及智能决策。
最后,通过这些能力为我们业务产品提供服务。同时,帮助我们自己解决风险管控以及动态监控的问题,以上所说就是我们规划、正在实施、绝大部分已经完成实施的一个整体架构。
在整个架构中,我们所做的最核心的工作是建设一个基于大数据和流式计算结合的实时计算平台。
我们会把采集来的所有风险事件、外部客户信息和总结收集的风险案例,通过大数据应用、分析和流式计算相结合,把当期发生的数据用实时平台计算,并基于云下T+1离线标签计算平台做长时期的分析,同时还形成了图数据的存储,做关系挖掘、分析以及应用。
实时计算平台,具体来讲,就是把各种各样的数据源通过它的对应方式传输到我们的计算引擎生成结果,加上缓存的技术提供毫秒级的风险业务服务。
它的价值和应用我们可以有几个方向。
第一,是实时变量,也就是过去三秒钟、五秒钟、一分钟发生了什么事;第二,是实时动态模型,用以处理我们的反欺诈、客户分级等问题;第三,是实时监控风险的变化趋势。我们建立这套架构的出发点是用来协助风险管理,但经过我们运行一段时间,我们发现这个架构还可以用于营销,包括事件营销和营销分析。
在整个平台中,除了技术搭建,数据流向也很重要。
数据一次使用完就丢弃其实是一种极大的浪费,因此我们的整个数据是一个闭环。
从开始采集的注册、申请、订单等等交易发生的行为,统一接进来经过预处理、形成变量、运用规则和模型反馈给业务系统,同时把数据推到一个复杂的计算规则训练、复杂模型中,执行一些复杂的规则,再返回到风险事件的存储、预警、画像、风险标签等等。当然数据存储的同时也会存储到我们的离线分析平台,我们专业的分析人员会去挖掘这里面的规律和一些规则,快速的反馈在实时计算平台上。这样的话我们可以做到我们的规则和参数可以实时调整,我们发现一个风险点,马上可以进行控制,模型不会是一天一变的,但是模型的参数可以这样调整。
基于上面讲的技术和数据处理的基础上,我们做了一些创新应用。
首先,社交图谱的创新应用。我们把社交图谱创意性地应用到反欺诈领域去。这个创新首先要有技术,我们利用一些开源的、以及企业版的技术,加以改造。我们实现了消费金融行业内首个成熟的企业级图谱。我们达到了10亿级的顶点,实现了实时管控,查询速度达到50毫秒左右,能够快速的在前端,在没有感知的情况下完成这件事情。
其次,我们又创新的把这个空间马尔科夫链图分析模型放进来,将大家最常见的天气预报场景的算法应用到欺诈的预测模型里面去。只要当一个人连了一个设备,或者连接了一个wifi、手机号,这个客户有没有欺诈风险,我们采用实时计算就可以加以判断,使我们有效的控制了风险。
另外,在这基础上,结合GPS网格把客户画像所在的区域用GPS画出来,再结合无监督机器学习DBSACN密度聚类算法,计算出各个网格风险程度,进而动态识别本人欺诈、伪冒等多类团伙的高风险活动区域。我们在两年累计发现了本人欺诈、以及团伙欺诈、拦截风险交易事件达一百多万件。

03
宏观形势日益严峻,行业竞争白热化
以上所讲,就是云技术对我们业务的支持,也就是我们的经验收获,接下来,我讲一下我们对未来的看法,尤其是我们对这个行业的看法。
宏观经济来讲,中美贸易战背景下,消费持续还会增长,但是增速在放缓;消费金融行业未来几年市场容量预计会增加,但增速在放缓;整体经济处于下行周期,客户资质持续变差,风险在加剧;个人负债在上升,负债量在增大,造成风险形势更加严峻;
同时前两年消费金融热的影响,行业竞争进一步加剧,造成所有的企业从传统的银行到ATJ巨头,客源都在往下沉,在抢消费金融公司的客源,并且产品的同质化在增加,行业竞争已经进入白热化状态。
我们觉得未来在消费金融行业的发展面临几项挑战。
首先,会面临着成本上升的压力,包括获客成本和资金成本的上升。其次,同时业务模式也比较单一,经营范围受限。随着竞争的不断加剧,我们的业务怎么样在这种环境下去留存客户、转化客户、防范风险,更有赖于云的支持和各个友商提供能够被标准化、基础化的服务的支持。
我的分享就是这些,谢谢大家。
爱分析精品课上海站来了,详解金融科技、企业云创新趋势与投资机遇,报名请戳以下小程序链接?
榜单
企业云TOP50|金融科技TOP50
保险科技TOP50|医疗科技TOP50
零售科技TOP50|房地产科技TOP50
汽车科技TOP50|财富管理TOP42
数据智能TOP50|基础云服务TOP30
企业服务TOP100|教育科技TOP50
新龙榜TOP100|新零售TOP100
咨询、合作、进群,请联系爱分析小秘书
微信ifenxi888

本文地址:https://www.linweis.com/lin/7464.html
关注我们:请关注一下我们的微信公众号:扫描二维码经典文章网的公众号,公众号:******
版权声明:本文为原创文章,版权归 admin 所有,欢迎分享本文,转载请保留出处!
衡水金卷2021答案

评论已关闭!