0
“能够生存下来的，一定是最能够适应变化的。”乔杨感慨道。
金融科技平台们已经不算年轻了。八年时间，互联网金融已惊涛骇浪一遍遍，顶住风浪远航的船只屈指可数。
乐信，是其中之一。
这家生于深圳的金融科技公司已经走到第八年，大船航行却越发稳健。上周乐信也发布了2021年二季度财报，简单看几组数据：
截至今年二季度末，乐信的累计用户数已突破1.4亿；新消费生态商户数超1000万家，金融合作伙伴超100家，在贷余额为905亿，预计年内破千亿。
目前，乐信1天以上的逾期率为4.92%，比去年同期降低39%，风险表现为近两年来最优；最新坏账回收实现回收率和回款金额也创下历史新高。
直到今年夏天，外界才了解到，首席技术官陆勇、首席风控官乔杨已经悄然入职乐信数月，执行着一个漫长且艰巨的任务：
对内，是一场数字化变革，让这艘大船的每个零部件运行更顺滑，把乐信近十年来经历的“风浪”更好地沉淀。
对外，是把厚实的经验和能力“家底”整合为产品体系，“集装箱”式地输出，抵达“纯科技服务模式”的目的地。
这当中没有哪桩是容易的，曾任平安寿险CIO的陆勇给我们粗略算了笔账：数字化转型，如平安、美的这样体量的企业，都花上了十年八年，斥资百亿。
同时，不断招兵买马、优化团队，提升人才密度，调整组织架构和协同机制。对B端业务的规划徐徐展开，新消费业务也正在成为乐信的第二增长曲线。
金融科技这片海域断不会就此平静，乐信的航线和作战计划无比清晰，“舰队”整兵齐将，亟待加速航行。
一艘平稳远航的大船，风险管理必然是这艘船的“龙骨”。
受疫情影响，不少平台机构从2020年初开始都经历了逾期急升、坏账剧增，至今还没有缓过劲儿，但乐信的风控成绩斐然，二季度90天以上的逾期率为1.85%，资产质量却达到了近两年的最优水平。新增借款FPD30，已经连续12个月保持在1%以下。
（注：FPD30是指首个还款日后30天逾期案件GMV÷次月订单GMV）
与市面上不少信贷风控解决方案颇为不同，乐信在风险管理的“排兵布阵”并没有拘泥于贷前、贷中、贷后的全生命周期管理，而是分为两大维度的“双保险”。
先是基于前沿科技构建的全AI风险策略系统，以复杂网络、自动特征生成系统、无监督用户聚类、基于位置定位的风险评估体系等一系列“黑科技”为“建筑材料”，和过去八年的业务经验一道迭代优化出“地基”底层能力，包括坏账预测、利润追踪、营销策略等能力，支撑“上层建筑”策略体系。
策略体系则指向大家所熟悉的授信、额度、交易、资产配置等部分的决策，再向上全面灵活支持前端业务各个环节。
但风控不只是一瞬间的决策，乐信想到了要再建一套数字化管理系统，“升维”到更高屋建瓴的视角，用更长久耐心的观察，来管理风控本身。
新上任的CRO乔杨，曾先后任职于美国通用电气、Discover、京东数科，有着超过十五年的全球头部金融和科技公司风险管理经验。他来到乐信的第一件事，就是完善高质量的风险管理团队和体系。
他向雷锋网AI金融评论透露，他们搭建了一整套完善的风险监控预警和自动分析的系统，形成了按周、按月的追踪预警分析机制，可对核心指标完成自动化评估、复盘和走势预测，甚至能将策略体系的表现、模型价值、用户管理等一系列表现细化到每一天，按天追踪目标是否完成。
倘若实际情况与目标有偏差，算法将分析出哪些因素对偏差影响最大，他们再进行针对化地风险管控和拦截——这一部分，被称为自动化归因。
如果说全AI风险策略系统是一座稳固的摩天大厦逐步落成，内里复杂精密，日夜运转不停，那么这套监控预警和自动分析系统，就像是给大厦装上无数传感器和摄像头。
以往可能要每月末、季度末整栋楼检修，或者明显的投诉出现，才能查出漏洞，但在自动化、数字化的管控之下，风险管理人员可以及时精准定位问题、分析问题和解决问题。
“今年早期，我们发现入催率有一定上升。”乔杨讲起年初的一次经历，当时系统发现了这一上升趋势并预警，随后自动化归因系统对波动中的主要影响因素，以气泡图的方式展现出来，气泡大小代表影响程度——气泡之一，就是行业某头部平台用户。
“因为年初该平台对用户进行了一波降额和关帐户的操作，使得这批用户的流动性出现一定的压力，所以才会显示他们造成风险上升。再通过自动化检测和一键拆分，将这批用户精细到不同分组，对症下药，终于在一个月内让入催率恢复到正常水平。”
但风控不只在于“控”。风险管理是一门平衡的艺术，将谁放在天平两端，同样考验着管理者的战略目光。
乔杨表示，此前他们更在意GMV的提升，但如今要保证利润的前提下，同时针对乐信自身需求和用户要求，完成风险定价和额度体系的差异化。
就以定价为例，对有着强烈借贷需求的用户（借贷饥渴用户），定价上涨并不会严重影响到交易额，同时潜在利润率上升明显。
但对优质用户（即还款意愿和能力均优，但借贷需求不高的用户）而言，过高的定价没有带来大幅增加的利润，反而容易导致他们的交易量下降。
这样的策略精细化升级，不仅是为了业务增长，更为了在利率下行、监管趋严的大环境中，健康稳健地走得更远。
不过，乐信的风控建设绝不止步于此，长远规划已经出炉。乔杨向AI金融评论透露，在数据应用上，由于乐信并非纯信贷平台，交易、电商等多维度的数据积累更为丰富，让自有数据“物尽其用”会是首要任务；也将遵循监管要求，加强数据安全和隐私保护。
征信方面，乐信将与征信机构保持密切合作，并加大对人行报告的解读力度。
前文所述的监控预警自动化系统，不光聚焦C端业务的风险，将这套系统在B端业务持续完善，同时提升覆盖度和延展性，尽可能降低人工干预的操作风险，也是乐信今明两年的重点攻克方向。
AI与风控的结合，无疑是乐信的“拿手好菜”，但他们也意识到，风控以外的功夫，远远不能放松。
“整个业务链条，每一环都有巨大升华空间，这是我们未来2-3年内持续深耕投入的地方。”CTO陆勇曾是新浪移动CTO、平安寿险CIO，拥有超过20年技术研发和管理经验，他迅速排查出了乐信这艘大船未来可能出现的短板。
这场严密细致的技术升级，仿佛游戏通关打怪，一环扣一环。
第一环，精准获客，是陆勇最熟悉的课题之一。“投放广告或是渠道合作时，怎样精准找到我的客群，怎样用最合适的竞价让流量进来，怎样达到最高的转化率，这实际上是过去十年、二十年中非常经典的问题。”
如何迅速透彻地了解一个新用户，同时又不能踩到隐私保护的红线，更是乐信乃至各大互联网平台都绕不开的痛点。
为此，陆勇带领团队兵分两路，一路造“盾”，向联邦学习建模“进军”，在保证完全合规保护用户隐私的前提下，进行安全的数据共享；另一路造“矛”，不断深化用户全链路价值模型，充分挖掘人群属性、提升算力等等。
智能资产匹配，是乐信业务链条中承前启后的一环，“就算只有0.1%的改善，都是非常可观的净利润提升。”
陆勇定下的目标是，达到全局最优的匹配。
但这对所有互联网平台而言，都是极具挑战的命题：过程是多目标优化，约束条件也有多个，同时来自资金方或是乐信自身，还随时可能发生变化——可如果算法做不到动态优化，则牵一发而动全身。
他告诉雷锋网AI金融评论，攻关路线定在这三条：
“多目标的动态规划基础，这也是行业内比较经典的技术；接下来要做的，是强化学习以及多种深度神经网络算法和图算法，包括粒子群算法。正在尝试的进化算法类模型，也比较有效。”
助贷模式下，资金方的接入，是看似琐碎平常却大有优化空间的一环，也是颇具数字化转型色彩的一环。
由于资金方的需求、合规流程、内部系统往往千差万别，行业内通常要用1-2周时间完成接入。但在今年面世的Toplink系统帮助下，乐信接入资金方的时长缩短至分钟级；同时通过鲁班系统，完成接入流程的全自动化测试。
Toplink背后，是五大模块的优化贡献：贷前，流程编排，自动校验，规则器，元数据映射器。简而言之，是用机器配置计费、规则各种平台，让AI去理解合同，既免去了六至七成的人工操作，也达成了更精准的接入效果。
不只是Toplink和鲁班，陆勇表示，乐信内部有上百个这样的小型标准工具，将接入流程的每处细节加速打通，不仅可以释放人力，其他业务环节也能以此为“样板”优化工作效率。
而在乐信整体的技术大方向上，他透露，机器学习是投入最多的一环，团队也着重发力于机器学习平台2.0，达到深度学习、多模态学习、多目标学习等，期望AI和大数据未来能在业务全链条，甚至是企业内部的经营管理环节, 比如人员招聘、人才管理上，都能大展身手。
此外，中台建设、AI中心的加强、运维能力和安全能力的提升，也将是乐信后续的主要技术调整方向。
在对自营业务的管理精细化、自动化，加强“自体造血”“新陈代谢”能力的同时，乐信也已经形成了一套对外“献血”的成熟体系。
“很多人总觉得，传统金融机构的痛点就是缺流量、缺用户、缺乏科技风险管理能力等，但最核心的原因是，其实是缺乏风险定价能力。”乔杨说。
当机构面向多元的用户需求，没有“精耕细作”的风险定价能力就招架不住，旧用户留不下、新用户进不来，后续的信贷风控管理也就成了无根之木。
为此，乐信通过“乐图”“乐图Pro”“负熵”三个系列产品组成对外赋能的“铁三角”，面向不同的资产类型，向合作金融机构输出不断精进的风控能力。
据乔杨介绍，乐图和乐图Pro分别面向乐信站内和站外的资产，前者以助贷平台形式，帮助合作伙伴提升贷款通过率、守住资产风险。
当合作金融机构与其他互联网平台合作，乐信则通过乐图Pro输出标准化风控产品，加强传统金融机构对线上流量的判断力。
当前乐图合作机构超过6家，平均每家通过率提升1.69倍；服务于非乐信资产的乐图Pro，日均调用量超过8万次。
尽管乐图及乐图Pro数据亮眼，但负熵才是乐信最寄予厚望的“终极形态”。
近年来，监管持续鼓励银行加强自营业务和自主风控能力，AI金融评论也多次报道中小银行的独立风控困境。乔杨预计，银行普遍独立完备风控的目标，需要五到十年时间才能达成。
有业内人士向我们强调，银行必须要从自己的土壤中“长出”这些能力，而不是依赖现成的方案。
负熵的定位，正与这一思路吻合，即以深度绑定、联合运营的方式，拒量回捞，帮助银行搭建自营业务的闭环能力。不仅是单纯替银行获客，更要提供成套的定制化风险服务能力，所有服务交易环节在银行自身的账户和产品体系内完成，从而让银行做大业务规模。
今年一季度，负熵正式面世，上线首月即完成了约五千万的交易规模目标。
除此以外，乔杨还向雷锋网AI金融评论表示，去年年初开始，乐信对催收就进行过大幅度智能化改造，包括智能语音机器人用于催收，用语音质检规范客服交流标准，催收案件的分类、分派和分析等——这一整套贷后催收的能力，也计划全部开放给合作机构。
在与陆勇、乔杨的对话中，乐信的更多发展规划，也像那些被拆分、细化的气泡，呈现在航海图上。
例如在人员规划上，他们已经着手提高人才密度，搭建、优化团队，对组织架构进行一定调整。
同时，对存量业务和新业务进行组织化拆分，新业务的授信、交易、额度管理等体系都独立出来。
“新业务追求短期内的不断迭代优化，不能一套风险管理逻辑、同一批人马，既做线上又管线下，既做C端又做B端，对响应速度影响很大。”乔杨解释。
陆勇也盘算了详细的科技进化“四步走”，先是数据打通拉齐，再是数据分析治理，然后数据归因，最后形成一定的辅助决策、预测能力。
“把基础打牢，把过去没有做好的事情理顺，实际上我们的储备相当可观，最重要的就是开始落地。”
金融科技这片海域从未有过多少宁静，但总有人愿意驶入海中，偏向波涛汹涌处行。一切正有条不紊地开展着，陆勇也告诉我们：
“这是大爆发的前夜，我们准备好战斗了。”
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
