1
| 本文作者： 张驰 | 2016-09-12 20:09 |
随着国内互联网金融监管加强，小额普惠的定位更加明确（行业回归风险控制的本质），用大数据与机器学习的方式做风控变得越来越重要，相关领域的公司也逐渐受到追捧。
雷锋网独家获悉，Fintech公司CreditX氪信最近正式完成数千万元Pre-A轮融资，由IDG荣誉合伙人章苏阳新创立的基金火山石资本领投，真格基金跟投。2015年底，氪信还曾获得真格基金领投的700万元天使融资。
氪信主要用机器学习和大数据分析技术，提供风险信用评估和用户价值运营，为金融公司提供风控与营销决策。氪信的产品包括非或然引擎和XCloud，前者是一个大数据风控决策引擎；后者可以简单理解为以大数据为基础的DAAS（数据即服务）服务。
公司创始人朱明杰告诉雷锋网，本轮融资将主要用于与数据源上下游合作，金融场景与市场拓展，以及团队扩充。
互联网借贷的特点是小额大量，而基于人工的风控成本过高且效率低，这就需要用机器学习的手段帮助做出风控决策。朱明杰认为，现在用机器学习的方式做风控还处于很早期的阶段，对金融客户来说也有一个市场教育的过程，今年开始才逐渐有业务上的需求。他告诉雷锋网，将机器学习应用于风控主要有两方面的问题：
一是数据太多，主要是数据特征维度多。传统风控主要用到与金融相关的特征，一般有数十维度，包括收入、流水和信贷等。而小额普惠金融则需要包括行为数据、APP数据、多头借贷在内的多维数据。
二是样本数据太小，因为消费金融等纯线上形式存在的时间较短，没有传统借贷那样多的样本数据。
氪信的机器学习引擎会是把人的经验和机器能力结合起来。在线上贷款中，虽然数据不足，但风控专家会有自己的逻辑，只是人力审核的量不会很大。通过机器学习把经验复制到机器上，把不确定的东西交给风控专家，这对小额分散的借贷很适用。风控专家会介入到机器学习的训练迭代上，最终模型会自动迭代，对人的依赖也就越来越少，并避免人为操作的道德风险。
朱明杰还提到将机器学习用于风控的可解释性问题。我们知道，如深度学习这类技术，虽然在人脸、语音识别上取得了惊人的效果，但关于其原理的讨论仍较少，即不知道为何会有这样的结果。而金融机构特别关心模型的可解释性，一方面是要控制风险，另一方面是要与用户沟通。显然，只给出结果而没有可解释性，是无法被接受的。
雷锋网曾报道，氪信的经验是利用LIME去捕获结果或者局部结果中的关键变量，然后让风控专家迅速的抓到是哪些特征导致结果的变化。
朱明杰表示，自去年底产品成型到现在，氪信已与50多家金融机构有合作，包括民生银行、中银消费金融这样的传统金融公司，也有点融网、小赢理财、洋钱罐、雨点金服等互联网金融公司。非或然引擎在传统金融场景上，风控指标的KS值提升在50%以上，在互联网金融反欺诈效果中KS值也领先。
目前，公司已实现盈利，融资主要是为了未来的布局与平台发展。朱明杰表示，两轮融资的间隔较短，也很快，恰逢章苏阳从IDG退休成立新基金。
朱明杰告诉雷锋网，此前的很多大数据与机器学习风控其实都是在讲故事，而随着监管的变严，Fintech基础设施这块的服务才刚刚开始，这些底层基础设施包括数据、模型、征信、风控和反欺诈等。
不过他认为这块市场会有很明显的马太效应，虽然未来会有更多公司加入其中，但已起步的团队会存在更大的优势。因为他们有在成熟场景中的检验效果，模型会越来越完善。
做风控有几方面的壁垒，一是人才，二是数据和业务的积累。机器学习模型需要接受金融场景的检验，其效果是技术与业务的结合。
朱明杰认为氪信的优势也在这里。他本人是微软亚洲研究院博士，曾在德国马克思普朗克研究院从事大规模数据挖掘工作，其他技术成员也有成熟的大型机器学习成熟应用经验。另外他们也有非常好的机会，深入到金融机构核心的风控场景中，让产品得到了检验。
目前，氪信的风控引擎主要提供场景定制的服务，不过已经与新浪微财富这样的云金融平台在合作，未来会提供更多的金融SaaS服务，让风控模式实现高效的推广与复制。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
