劉德彬

我們的定位就是幫助政府、金融機(jī)構(gòu)、企業(yè)進(jìn)行風(fēng)險(xiǎn)評(píng)估。我認(rèn)為我們的核心能力應(yīng)當(dāng)分為三塊。第一，數(shù)據(jù)收集能力。在我們創(chuàng)業(yè)之初，我們認(rèn)為大量分布式爬蟲技術(shù)，可在互聯(lián)網(wǎng)中收集各種各樣的數(shù)據(jù)，我們通過與電信、銀聯(lián)、航天等機(jī)構(gòu)進(jìn)行合作，逐漸擴(kuò)大了數(shù)據(jù)來源，并拓展了我們的數(shù)據(jù)能力。

第二，數(shù)據(jù)清洗。我們?yōu)榻鹑跈C(jī)構(gòu)提供大數(shù)據(jù)服務(wù)時(shí)，會(huì)在文本中遇到大量的數(shù)據(jù)，所以我們就需要把多源異構(gòu)的數(shù)據(jù)進(jìn)行融合，這就會(huì)涉及數(shù)據(jù)清洗。

第三，數(shù)據(jù)挖掘。在我們得到清洗后的數(shù)據(jù)后，應(yīng)當(dāng)如何運(yùn)用？對(duì)我們而言，我們幫助政府、金融等機(jī)構(gòu)進(jìn)行數(shù)據(jù)處理時(shí)，需要將挖掘出來的數(shù)據(jù)進(jìn)行預(yù)測(cè)，幫助企業(yè)解決未來可能發(fā)生的信用風(fēng)險(xiǎn)。所以我們開發(fā)了很多新型模式，而這些模式是基于時(shí)間序列的風(fēng)險(xiǎn)預(yù)測(cè)模型以及知識(shí)圖譜的企業(yè)風(fēng)險(xiǎn)評(píng)估模型建立的。有了這三個(gè)能力后，我們將重點(diǎn)放在兩個(gè)方面的創(chuàng)新。一個(gè)是對(duì)規(guī)模型企業(yè)的智能評(píng)級(jí)。在市場(chǎng)中有很多評(píng)級(jí)公司，他們的評(píng)級(jí)方式是依靠專家。我們的評(píng)級(jí)業(yè)務(wù)是針對(duì)中國(guó)的上市公司和發(fā)展型公司，所以我們需要結(jié)合公司的財(cái)務(wù)報(bào)表、行業(yè)的數(shù)據(jù)行為和數(shù)據(jù)基本信息，對(duì)這些企業(yè)的債券進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)，這種評(píng)級(jí)具有動(dòng)態(tài)性和實(shí)時(shí)性，可以幫我們做出預(yù)警。

一個(gè)智能動(dòng)態(tài)評(píng)級(jí)系統(tǒng)，需要用到財(cái)務(wù)報(bào)表。但是在中國(guó)，除了上市公司和發(fā)債公司有手機(jī)動(dòng)態(tài)財(cái)務(wù)報(bào)表之外，中小企業(yè)的財(cái)務(wù)報(bào)表卻很難獲得，所以我們對(duì)幾千萬的中小企業(yè)，通過關(guān)聯(lián)關(guān)系、歷史行為數(shù)據(jù)來構(gòu)造行為模型和異常檢測(cè)。我們的目標(biāo)非常簡(jiǎn)單，通過算法模型來尋找異常行為。通過異常檢測(cè)，從海量數(shù)據(jù)中尋找異常行為。

我們的具體做法是，把找到的600多萬家中國(guó)企業(yè)所面臨的風(fēng)險(xiǎn)和異常情況全部挑選出來，利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行數(shù)據(jù)挖掘，最后整理出企業(yè)的行為模式。從中我們便可以得知企業(yè)發(fā)生某項(xiàng)事件的百分比。

我們?cè)诎l(fā)展大數(shù)據(jù)業(yè)務(wù)方面，主要從事三個(gè)業(yè)務(wù)板塊：一是標(biāo)準(zhǔn)化服務(wù)金融機(jī)構(gòu)，二是政府項(xiàng)目：三是數(shù)據(jù)金融業(yè)務(wù)。我們?cè)谏鷳B(tài)中有哪些應(yīng)用？第一，國(guó)內(nèi)各級(jí)部門對(duì)自己所管轄區(qū)域內(nèi)的企業(yè)，都有風(fēng)險(xiǎn)監(jiān)控和風(fēng)險(xiǎn)監(jiān)管的需求，所以我們就幫助政府部門進(jìn)行風(fēng)險(xiǎn)監(jiān)管處理，我們有整套的風(fēng)險(xiǎn)評(píng)估、分發(fā)、風(fēng)險(xiǎn)處置的流程和方法，并實(shí)現(xiàn)閉環(huán)的管理。

第二，我們?cè)跀?shù)據(jù)金融領(lǐng)域進(jìn)行創(chuàng)新。在五年前通過個(gè)人姓名、身份證號(hào)、手機(jī)號(hào)來獲得貸款的方式非常新穎，在三年前手機(jī)貸款和現(xiàn)金貸層出不窮，在未來金融行業(yè)所呈現(xiàn)的是依靠大數(shù)據(jù)來加快審批的速度，更好地解決中小企業(yè)所面臨的問題。所以我們認(rèn)為，金融大數(shù)據(jù)的發(fā)展需要的是場(chǎng)景。比如中標(biāo)貸和酒店貸等領(lǐng)域，我們可以通過該領(lǐng)域的核心場(chǎng)景中，來獲取數(shù)據(jù)同時(shí)定制模型，這一做法可幫助金融機(jī)構(gòu)創(chuàng)造新型的金融產(chǎn)品，幫助中小企業(yè)解決他們?cè)趫?chǎng)景中所面臨的問題。

酒店貸是我們今年重點(diǎn)推出的產(chǎn)品，該產(chǎn)品已經(jīng)在我國(guó)西南地區(qū)落地應(yīng)用。在2017年，我們發(fā)現(xiàn)國(guó)內(nèi)的中小酒店存在融資難問題，因?yàn)榇蟛糠志频昱c物業(yè)是租賃關(guān)系，酒店無法給銀行提供擔(dān)保，所以酒店就無法從銀行獲得貸款。我們通過與合作伙伴的合作，以酒店的入住、開票和個(gè)人數(shù)據(jù)為基礎(chǔ)，同時(shí)結(jié)合我們自身?yè)碛械钠髽I(yè)數(shù)據(jù)構(gòu)造了三套模型。一是獲客模型，二是風(fēng)險(xiǎn)定價(jià)模型，三是貸后監(jiān)控預(yù)警模型。我們可以通過獲客模型，從兩萬家酒店中選取信用良好的酒店，并把他們標(biāo)記成可放貸對(duì)象。然后我們通過從酒店收集到的個(gè)人數(shù)據(jù)、經(jīng)營(yíng)數(shù)據(jù)、行業(yè)數(shù)據(jù)、企業(yè)數(shù)據(jù)、關(guān)聯(lián)方數(shù)據(jù)對(duì)酒店進(jìn)行風(fēng)險(xiǎn)定價(jià)。資金方可以依靠此項(xiàng)依據(jù)對(duì)酒店進(jìn)行放貸，最后我們的監(jiān)控預(yù)警系統(tǒng)，可以對(duì)本次的金融行為進(jìn)行監(jiān)測(cè)。

中標(biāo)貸也是我們的產(chǎn)品，我們利用中標(biāo)貸系統(tǒng)對(duì)重慶幾十家招投標(biāo)網(wǎng)站進(jìn)行監(jiān)控，該系統(tǒng)一旦發(fā)現(xiàn)中標(biāo)信息，就可以自動(dòng)分析招標(biāo)單位數(shù)據(jù)，同時(shí)預(yù)測(cè)中標(biāo)公司存在哪些風(fēng)險(xiǎn)，最后將評(píng)估出來的結(jié)果推送給資金方。通過這一個(gè)項(xiàng)目，放貸量已增長(zhǎng)到40億元。

一直以來我們都在進(jìn)行基于SaaS的服務(wù)幫助金融機(jī)構(gòu)做好中小微企業(yè)風(fēng)控，而我們的重點(diǎn)是開發(fā)群體性智能預(yù)警，通過以點(diǎn)帶面的方式，進(jìn)行多維度的數(shù)據(jù)采集。此外，通過數(shù)據(jù)挖掘、算法模型等技術(shù)，從海量信息中挖掘蛛絲馬跡進(jìn)行風(fēng)險(xiǎn)比較。

我們發(fā)現(xiàn)中國(guó)上市公司所開放的年報(bào)90%以上是正向的，從年報(bào)中很少能發(fā)現(xiàn)哪些公司存在不足。所以我們只能對(duì)這些公司進(jìn)行全網(wǎng)監(jiān)測(cè)，而監(jiān)測(cè)后得出的數(shù)據(jù)可以告訴我們所關(guān)注領(lǐng)域的風(fēng)險(xiǎn)信號(hào)。我們對(duì)中國(guó)3000多家上市公司的數(shù)據(jù)進(jìn)行梳理，當(dāng)我們?nèi)サ舨恢匾年P(guān)聯(lián)關(guān)系時(shí)發(fā)現(xiàn)，近兩三百萬家企業(yè)和這些上市公司關(guān)系密切。我們通過對(duì)兩三百萬家企業(yè)進(jìn)行實(shí)時(shí)監(jiān)控，利用我們的模型進(jìn)行分析，發(fā)現(xiàn)這些企業(yè)確實(shí)和很多上市公司的風(fēng)險(xiǎn)有所關(guān)聯(lián)，比如上市公司市值管理風(fēng)險(xiǎn)、退市風(fēng)險(xiǎn)等，都可以通過大數(shù)據(jù)建模分析，給我們提供一些情報(bào)線索。

（根據(jù)演講內(nèi)容整理，未經(jīng)本人審核）