探知数据 人工智能技术促进金融供给制改革

“征信碎片化”时代的风控赋能者

“征信”在中国是个古老的词汇,《左传》中就出现了“君子之言,信而有征”的说法,即指一个人的言语是否可信,是可以得到验证的。一个完整的信用判断,应该是基于债务方信息、舆情、各类数据、行为、关联关系图谱等的全覆盖,对其主观意愿、客观能力的综合判断。

随着互联网技术的飞速发展,个人的各种信用数据可谓越来越丰富多样,但是各级金融机构在发展普惠业务时依然面临着征信缺失带来的系统性风险。其中一个重要原因是,各种信用数据星星点点散落在社会的各个角落,“碎片化”的信息难以有效发挥威力。

目前,只有央行建立了相对完整的金融信用信息基础数据库,收录的数据主要是那些在银行办理过业务的企业和个人的借贷信用状况。 对自然人人而言,银行借贷只是金融生活一个微小的比例,个人诚信体现在生活的点滴之中。特别是在网络生活日益发达的今天,个人信用数据更加多元化。比如,有人在电商平台上可能是一个信用度不高的卖家,而在另一个金融机构的业务场景里,他希望融资做生意。如果两个网站的信息数据相通,出借人一看借款人的整体信用水平,多半不会把钱借给他。而现实却是,信用信息数据支离散落,无法形成个人完整的信用“面貌”。在信息高速发展的时代,信用的重要性无需赘言,只有将这些互联网金融体系内、互联网金融平台和银行之间、线上线下的数据有效整合起来,才能真正降低社会整体的守信成本,化解各个领域的道德风险。

作为目前金融科技行业“小、快、灵”的代表性企业,探知数据自2016年成立以来,先后自主研发了基于互联网行为为基础判断依据的探知大数据风控系统、探知反欺诈系统、探知运营赋能系统等核心产品。通过人工智能技术的大数据挖掘、分析,为金融机构发展普惠金融业务提供风控保障服务。

截止2018年底,探知数据年均风控产品的调用量接近5亿人次,企业风控决策系统年均参与放贷金额达5000亿元,日均调用量达到150万人次。通过探知数据研发和保障团队的不懈努力,相较市场同类型产品,探知大数据风控系统的有效覆盖度和准确度遥遥领先,为提升金融机构风险管控能力和金融市场的稳定性做出了突出贡献。

商业银行数字化转型的“他山之石”

随着金融行业数字化转型时代全面到来,金融行业的商业模式也正受到深远影响。人脸支付、智能客服、指纹识别等新技术层出不穷,但金融机构的数字化转型面临着底层能力建设的薄弱和体系化、生态化建设的缺乏,往往容易将数字化转型简单聚焦在技术上,而忽视机构管理决策的数字化、业务与技术的融合、互联网运营能力,以及多场景支持的生态建设等问题。

探知数据依托于深厚的互联网基因和人工智能技术,在大数据风控系统的基础上,通过智能获客、智能营销、智能风控、智能数据分析等深度赋能,为商业性金融机构勾勒出了一条清晰的数字化转型道路。通过建立开放平台及开放API市场,建立数字化管理体系,延伸至数字化运营中台,商业性金融机构依靠探知数据赋能,可以在最短的路径内实现数字化转型发展。

2019年以来,通过江苏银科、阳光保险等行业内知名机构的合作开展,探知数据深入介入到机构数字化转型的浪潮之中。通过业界领先的前置部署和全流程保障,从获客到贷前贷中贷后管理,探知数据走出了一条商业性机构数字化转型的协同新路。

赋能实体金融供给制改革的排头兵

常言道,经济是肌体,金融是血脉。只有血脉畅通,国民经济才能持续健康稳定地发展。而当前,金融不平衡、不充分发展,是我国金融体系长期存在的深层次、结构性矛盾,也是制约服务实体经济质效的关键因素。

金融不平衡、不充分发展主要体现在以下两个方面。首先,间接融资与直接融资发展不平衡。银行信贷在社会融资中仍占据主导地位,多层次、广覆盖、有差异的银行体系尚未建立。金融供给主体,特别是中小金融机构不足,小微、“三农”、绿色等金融服务短板还有待补齐。此外,金融机构服务和市场主体需求不平衡。当前我国金融业体系不完善,层次结构不健全,而且金融业发展呈现出明显的“需求侧驱动”特征,同质化、粗放型经营较为严重。历史经验表明,重大结构性失衡,源于资源配置和经济结构不合理,而非市场需求不足。

在近期探知数据和复旦大学共同举办的“金融科技高端研讨会”上,探知数据结合自身业务实际,面向50余家传统金融机构提出“数字化转型升级1234战略”,即:以“数字化”为主轴,搭建企业级业务架构与服务架构两大架构,打造云计算、大数据和人工智能三大技术平台,聚焦四大领域,并在聚焦的业务创新发展、业务科技融合、技术能力建设、科技体制机制四大领域中,开展28项战略工程。

累计7000 万家的中小微企业,是中国实体经济的重要支撑力量,占全国企业总数的90%以上,提供超过80%的城镇就业岗位,创造的最终产品和服务占国内生产总值的60%以上,提供50%以上的税收,企业技术创新的75%。

探知数据通过研发大数据风控赋能系统,有效链接内外多元数据,通过机器学习和自然语言处理,形成一个用于风控的完整知识体系。将知识图谱与深度学习相结合,自动发现隐藏在复杂关系里的风险点,挖掘潜在欺诈行为,突破传统方法的局限,是一个完整的“智能”动态风控生态系统,可以构建出安全、高效的运作模式。


为实体经济赋能,是金融科技的社会价值,也是金融科技的商业模式。而在中国这个中小微企业融资极度短缺的全球最大市场,也催生了蓬勃发展的中国金融科技行业。成立仅仅三年的探知数据,目前正在向着国内智能金融领域的独角兽企业大步进发,截止目前服务机构已超过2000家,厦门银行、金城银行、中原银行、京东数科、苏宁、百度、国美等大型机构普遍对公司产品及服务表示赞许,取得了广泛的经济效益和社会效益。与传统金融相比,基于大数据和人工智能的金融科技风控系统,优势明显。首先,传统金融的数据是静态的,是基于历史状况,而探知数据智能风控赋能体系的数据是动态的、实时的。其次,传统金融机构只有几十个数据标签。过去围绕企业融资和个人融资,金融机构认可的风控手段主要是土地、房产、厂房以及担保等,而金融科技会利用几千上万个特征标签,并且随着业务的进展,机器可以自我进化。

免责声明:本文为企业宣传商业资讯,仅供用户参考

相关新闻

评论

留言与评论(共有 0 条评论)
   
验证码: