11月21日，為期兩天的aicon全球人工智能與機器學習大會在北京國際會議中心開幕。360金融大數據總監蘇綏受邀出席大會，并在智能金融專題會議環節發表“360金融的ai實踐之旅”主題演講，剖析了360金融在大數據風控上的實踐及演進過程。

圖：360金融大數據總監受邀出席大會并發表主題演講

傳統金融業面臨三高一低的挑戰 需要ai等技術加持

蘇綏在演講中指出，傳統金融業面臨三高一低的挑戰，即：勞動力密集度高、人員管理成本高、業務門檻高及用戶體驗低。在此背景下，國家一直在倡導通過人工智能、大數據等前沿技術為傳統金融行業賦能。

在今年，央行發布的《 金融科技(fintech)發展規劃(2019—2021年)》更是進一步強調要“穩步應用人工智能”，探索人工智能技術在精準營銷、身份識別、風險防控等領域的應用路徑和方法，推動金融服務向主動化、個性化、智慧化發展。在政策、市場的推動下，360金融等金融科技企業亦在積極探索。

在蘇綏看來，人工智能技術的快速發展離不開算法、算力、數據三要素的推動，但要想發揮出ai的真正價值，還需要將ai技術與具體業務及場景結合起來。基于這一理解，360金融構建了“ai驅動的產品迭代模型”。具體而言，“ai技術落地到具體場景，有用戶和業務后就有了數據，而有了數據后利用ai技術建構和訓練模型，再把模型應用到業務中不斷改善，這樣的話能夠產生更多有價值的數據，反過來這些數據也能優化模型，形成一個正向閉環。”

在這背后，離不開360集團的技術與數據支持。據蘇綏介紹，360金融依托集團的技術優勢，連接超過19.6億的設備，這正是360金融做科技服務和輸出的底氣。目前，360金融已將人工智能技術應用到獲客、運營、風控等環節，能夠幫助金融機構在獲客、貸前、貸中、貸后進行全生命周期的智能風險管理。

以ai賦能傳統金融機構 360金融做了什么？

在獲客環節，360金融自主研發的dsp平臺，憑借組合篩選條件能夠實現受眾人群的細分管理，進而快速精準的定向到某一類特征人群并針對性制定營銷策略。人工智能技術在獲客環節的運用不僅實現了精準獲客，降低了獲客成本，在蘇綏看來，有了優質流量后，還可以實現風險前置，以更低的價格吸引到更優質的用戶，以此形成正向循環。

如果營銷關乎平臺規模，那么風控則是金融科技平臺的生命。知識圖譜等技術的出現減少了傳統反欺詐手段對人工審核的依賴。基于知識圖譜技術，360金融在貸前、貸中、貸后等環節構建了用戶畫像，從而實現更精細化的反欺詐。

在貸前，360金融通過給客戶進行打分，來發現其是否是潛在的多頭客戶，并及時針對這些潛在客戶在貸前進行約束。在貸中，360金融通過研究用戶的行為模式等方式去更加精細化地管理風險、預測風險，并根據不同的行為模式去找到相應的客群，針對客群采取相應的措施。在貸后，360金融則制定了不同的催收策略，通過對用戶去進行分群來制定相應的催收方式。與此同時，360金融還自主研發了一套智能催收機器人系統，針對不同風險級別的客群和不同的催收業務類型，設定差異化的催收場景和催收方式，并嚴格保證整個催收流程的合法合規。

此外，基于知識圖譜技術，360金融還在工具層面引入了復雜關系網絡。蘇綏介紹，與表現為藍色關系點的正常客戶相比，擁有風險屬性的客戶將會在復雜網絡上顯示出更多紅、灰色節點，這些點即代表了不同程度的風險。在此基礎上，360金融通過與黑名單客戶連接，提取相應指標，綜合了解客戶的風險大小。

圖：360金融復雜關系網絡

360金融的另一風控黑科技則是ai因子庫，“很多第三方數據庫會識別多頭共債，但只有這樣的數據遠遠不夠。因此我們就用算法，去預估一個人在申請之后、三個月、六個月以后的多頭的惡化程度。”蘇綏表示，ai因子庫做了大量的子模型，是風控迭代最重要的所在。

圖：360金融ai因子庫

除了打造復雜關系網絡、ai因子庫等風控黑科技外，360金融還率先將gbst理論用于信用評分實踐，以評估借款人在不同時段的違約概率分布。正是基于該算法輸出的長期預測曲線進行風險決策，360金融可以更早地預知風險并控制風險。

據蘇綏透露，360金融智能風控自動化過件率高達97%，同時，360金融超過90天的逾期率為1.02%，遠遠低于行業平均水平。

作為一家數據驅動、ai賦能的科技平臺，360金融還持續將自身科技能力向金融合作伙伴輸出。如360金融自主研發的智能語音機器人就解放了包含獲客、電銷、客服及催收等環節75%的人力成本，大幅提升了金融機構的金融服務效率和客戶體驗。在2019年二季度，360金融機構資金合作伙伴數量逾六十家，在撮合借款業務總量中，金融機構資金占比達到85％，成為行業中的佼佼者。

以上是網絡信息轉載，信息真實性自行斟酌。