11月21日，为期两天的AICon全球人工智能与机器学习大会在北京国际会议中心开幕。 360金融大数据总监苏绥受邀出席大会，并在智能金融专题会议环节发表“360金融的AI实践之旅”主题演讲，剖析了 360 金融在大数据风控上的实践及演进过程。
图： 360 金融大数据总监受邀出席大会并发表主题演讲
传统金融业面临三高一低的挑战 需要AI等技术加持
苏绥在演讲中指出，传统金融业面临三高一低的挑战，即：劳动力密集度高、人员管理成本高、业务门槛高及用户体验低。在此背景下，国家一直在倡导通过人工智能、大数据等前沿技术为传统金融行业赋能。
在今年，央行发布的《 金融科技(FinTech)发展规划(2019— 2021 年)》更是进一步强调要“稳步应用人工智能”，探索人工智能技术在精准营销、身份识别、风险防控等领域的应用路径和方法，推动金融服务向主动化、个性化、智慧化发展。在政策、市场的推动下， 360 金融等金融科技企业亦在积极探索。
在苏绥看来，人工智能技术的快速发展离不开算法、算力、数据三要素的推动，但要想发挥出AI的真正价值，还需要将AI技术与具体业务及场景结合起来。基于这一理解， 360 金融构建了“AI驱动的产品迭代模型”。具体而言，“AI技术落地到具体场景，有用户和业务后就有了数据，而有了数据后利用AI技术建构和训练模型，再把模型应用到业务中不断改善，这样的话能够产生更多有价值的数据，反过来这些数据也能优化模型，形成一个正向闭环。”
在这背后，离不开 360 集团的技术与数据支持。据苏绥介绍， 360 金融依托集团的技术优势，连接超过19. 6 亿的设备，这正是 360 金融做科技服务和输出的底气。目前， 360 金融已将人工智能技术应用到获客、运营、风控等环节，能够帮助金融机构在获客、贷前、贷中、贷后进行全生命周期的智能风险管理。
以AI赋能传统金融机构360 金融做了什么？
在获客环节， 360 金融自主研发的DSP平台，凭借组合筛选条件能够实现受众人群的细分管理，进而快速精准的定向到某一类特征人群并针对性制定营销策略。人工智能技术在获客环节的运用不仅实现了精准获客，降低了获客成本，在苏绥看来，有了优质流量后，还可以实现风险前置，以更低的价格吸引到更优质的用户，以此形成正向循环。
如果营销关乎平台规模，那么风控则是金融科技平台的生命。知识图谱等技术的出现减少了传统反欺诈手段对人工审核的依赖。基于知识图谱技术， 360 金融在贷前、贷中、贷后等环节构建了用户画像，从而实现更精细化的反欺诈。
在贷前， 360 金融通过给客户进行打分，来发现其是否是潜在的多头客户，并及时针对这些潜在客户在贷前进行约束。在贷中， 360 金融通过研究用户的行为模式等方式去更加精细化地管理风险、预测风险，并根据不同的行为模式去找到相应的客群，针对客群采取相应的措施。在贷后， 360 金融则制定了不同的催收策略，通过对用户去进行分群来制定相应的催收方式。与此同时， 360 金融还自主研发了一套智能催收机器人系统，针对不同风险级别的客群和不同的催收业务类型，设定差异化的催收场景和催收方式，并严格保证整个催收流程的合法合规。
此外，基于知识图谱技术， 360 金融还在工具层面引入了复杂关系网络。苏绥介绍，与表现为蓝色关系点的正常客户相比，拥有风险属性的客户将会在复杂网络上显示出更多红、灰色节点，这些点即代表了不同程度的风险。在此基础上， 360 金融通过与黑名单客户连接，提取相应指标，综合了解客户的风险大小。
图： 360 金融复杂关系网络
360 金融的另一风控黑科技则是AI因子库，“很多第三方数据库会识别多头共债，但只有这样的数据远远不够。因此我们就用算法，去预估一个人在申请之后、三个月、六个月以后的多头的恶化程度。”苏绥表示，AI因子库做了大量的子模型，是风控迭代最重要的所在。
图： 360 金融AI因子库
除了打造复杂关系网络、AI因子库等风控黑科技外， 360 金融还率先将GBST理论用于信用评分实践，以评估借款人在不同时段的违约概率分布。正是基于该算法输出的长期预测曲线进行风险决策， 360 金融可以更早地预知风险并控制风险。
据苏绥透露， 360 金融智能风控自动化过件率高达97%，同时， 360 金融超过 90 天的逾期率为1.02%，远远低于行业平均水平。
作为一家数据驱动、AI赋能的科技平台， 360 金融还持续将自身科技能力向金融合作伙伴输出。如 360 金融自主研发的智能语音机器人就解放了包含获客、电销、客服及催收等环节75%的人力成本，大幅提升了金融机构的金融服务效率和客户体验。在 2019 年二季度， 360 金融机构资金合作伙伴数量逾六十家，在撮合借款业务总量中，金融机构资金占比达到85％，成为行业中的佼佼者。
那么AI+金融又有着怎样的未来趋势？在演讲最后苏绥指出，从行业角度看，整个金融行业正在表现出去人工化、在线化和智能化趋势，这进一步解决了金融服务的广度、深度和满意度的问题。从技术的角度出发，所有的数据都将被电子化和结构化，尤其是联邦学习、共享学习等技术的探索，用户隐私保护也将取得长足进步。此外，大型企业都在积极构建强大的数据及算法中台，中小公司则在加速云端化，这将解决信息孤岛、数据融合等问题，打通所有业务闭环。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
