《21世纪经济报道》：信用算力以科技助力信用建设

近日，南方报业集团下属中国最大的商业报纸媒体《21世纪经济报道》就金融科技助力个人与企业信用等问题，采访了信用算力董事长兼CEO张建梁与信用算力首席风险官刘晓峰。对于目前行业面临的数据孤岛问题，以及如何在反欺诈风控环节发挥数据与技术的优势问题进行了深入交流。

《21世纪经济报道》是南方报业集团下属中国最大的商业报纸媒体，是中国商业报纸的领导者。致力于服务最优秀的人群，是在世界经济界最受关注的中国经济类日报，全国三大经济类报纸之一，南方系新闻媒体之一。以分析国际形势、透视中国经济、观察行业动态、引导良性发展为目的，即时有效地反映世界经济格局及变化，跟踪报道中国企业界的动态与发展。

记者：近年来地方政府正尝试设立信息数据共享平台，连接打通不同行业数据，但数据孤岛的问题迟迟得不到解决，您是如何看待这个问题的？

张建梁：要将不同行业数据连接打通并打破数据孤岛问题，一个关键问题是能否找到合适的技术让这些数据“物尽其用”。比如人工智能技术的核心在于海量丰富的数据，若数据孤岛依然存在，将会很大程度限制人工智能技术使用效果。

整合不同行业数据的好处是尽早洞察到个人、小微企业资金运作风险的某些规律，帮助平台提前做好风险防范。比如，德国中小企业在出现破产风波前两年，企业经营现金流会迅速下滑，但中国中小企业在出现经营风险前两年，其现金流反而不会很差，原因是中国中小企业很难从银行拿到贷款，只能从民间或亲戚朋友处借款，因此这类隐性借款很难在经营性现金流体现。但金融科技平台若能汇总大量中小企业破产前发生的状况，通过AI深度学习与大数据分析技术可以找出不少企业经营恶化迹象，从而及时做好贷后风险管理措施。

记者：据相关人士透露，当前各家金融科技平台纷纷引入不同范畴大数据强化自身风控模型，那么，如何才能让海量大数据与这些最新科技在反欺诈环节发挥更大作用呢？

刘晓峰：在我看来，要让海量大数据与这些最新的科技在反欺诈环节发挥更大作用，关键还在于做好多维数据勾勒比对与交叉验证，一是检验个人信息多个维度之间的逻辑关系是否合理，二是审查借款人提交的个人信息与外部数据是否一致。以地理位置信息为例，信用算力利用客户在平台上的LBS信息进行“安全地区”、“审慎地区”及“高危地区”等精准识别，当客户自填信息与平台利用人工智能算法得到的信息存在较大差异时，贷款存在欺诈的可能性较高。

记者：以帮助借款人美化个人财务数据从而顺利获得消费贷款的“黑中介”，如包装借款人身份，组团骗贷。信用算力作为金融科技平台，是如何识别黑中介的这些骗贷行为的呢？

刘晓峰：目前，我们还通过“Fin-Cloud信贷云”系统对每位用户的每一步行为路径及轨迹进行加密记录并保存，利用该数据，结合最先进的深度学习和决策树算法，如深度神经网络（DNN）等形成独有的信号级指标，综合用户使用热度、登录时间、地点等习惯信息判断该用户的欺诈风险，内部测试数据显示该指标独立KS达到0.32。

此外，针对伪造银行工资流水，通过第三方数据，查验借款人所提交的工作信息与第三方机构查验到的单位地址及借款人密集活动地址是否匹配，工作信息是否真实，也能发现黑中介的蛛丝马迹。

记者：信用算力基于多维度数据勾勒比对与交叉验证的人工智能技术，当前还在尝试一种新型的大数据反欺诈模型，可以精准识别出隐藏的黑中介？

刘晓峰：所谓大数据反欺诈模型，即综合用户多平台借贷情况、查询次数，以及款APP使用热度、登录时间、登录地点、浏览行为等使用习惯信息，提升用户欺诈风险判断的准确性同时，整合黑名单数据库与千余家互联网平台交互信息，进而建立用户的灰度分，对灰度分较高的用户，通过算法分析模型进一步精准识别精心包装善于隐藏的黑中介。

其实，黑中介各类骗贷行为能否得到有效遏制，很大程度取决于平台自身风控策略是否严谨。若金融科技平台从严遵循风控标准对“可疑”借款申请处处设防，黑中介自然处境艰难。比如传统金融企业会觉得个人收入越高，越是好人；但事实上，若将借款人年龄与收入结合起来，发现某些借款人年龄很小但收入很高，平台通过大数据比对很快就能发现其中所隐藏的疑点。

当前，中国社会信用体系建设已经进入快车道，对于如何运用大数据技术、人工智能技术描绘企业及个人信用画像的问题已经引起广泛热议。信用算力作为消费金融行业的深度参与者及领跑者，未来将期待通过科技的力量，快速发现大数据价值，为建设信用社会体系提供底层数据支持。

同时，信用算力也将在国家“脱虚向实”发展方针指导下，不断优化消费信贷服务流程、降低社会融资成本及资金对接效率，在提升消费信贷可得性及小微企业融资助力等多个维度全面践行普惠金融，将技术优势转化为推动行业及社会进步的真实力量，为信用附加更丰富的内涵及更多元的价值。