0
| 本文作者： 周舟 | 2021-01-29 16:55 |
銀行為什么需要中臺？
360數(shù)科首席科學家張家興表示：中臺在金融行業(yè)的價值體現(xiàn)于對數(shù)據(jù)、技術、人才進行聚焦、打通、提效。
銀行擁有著大量的數(shù)據(jù)、技術和人才，但是這些資源往往“各行其是“。銀行的部門與部門之間沒有配合意識、獨立造煙囪；技術流于表面，無法鏈接、深入，這造成了銀行資源的大量浪費。
張家興表示，中臺可以很好解決這一痛點，形成聚集的效果。既能做好每一方面的技術，還能輻射到不同的業(yè)務，更好地賦能金融。
在中臺建設方面，360數(shù)科于2020年下半年推出數(shù)據(jù)AI融合中臺，針對金融機構業(yè)務痛點，打造360金融大腦，為金融機構提供數(shù)字化營銷方案、數(shù)字化運營方案、數(shù)字化風控方案、數(shù)字化貸后方案，以及智能金融全鏈路五大解決方案，幫助金融機構向數(shù)字化、智能化轉型升級。
適逢新年，雷鋒網(wǎng)《AI金融評論》邀請到張家興參加「銀行業(yè)AI生態(tài)云峰會」，他給大家?guī)砹?60數(shù)科在數(shù)據(jù)中臺以及多個銀行場景下的AI落地實踐經(jīng)驗。
以下為張家興的演講內容，雷鋒網(wǎng)AI金融評論作了不改變原意的編輯：
大家好，今天我們一起來探討一下數(shù)據(jù)AI在普惠金融中的思考和實踐。
首先，什么是金融遭遇中臺？
中臺是近5年一個比較熱門的話題。當時，阿里巴巴提出了業(yè)務中臺、數(shù)據(jù)中臺，以及后來的碎片中臺等等各種中臺概念。
在這個過程中，一些反對的聲音則稱中臺實際上沒有那么多的價值，在一些傳統(tǒng)行業(yè)，尤其在一些傳統(tǒng)行業(yè)落地的過程中也遇到了一些阻礙。
那么對金融而言，中臺到底具有怎樣的價值，好還是不好呢？
金融，是一個很古老的行業(yè)。狹義的金融就是將貸款、保險理財?shù)犬a(chǎn)品推薦給個人和企業(yè)，并對其提供金融服務。
現(xiàn)代的金融則得益于科技的支撐，包括智能獲客、智能運營、智能風控、智能貸后、智能服務、智能理賠和智能投顧等等。
科技在支持金融發(fā)展的過程中，反過來對科技中臺提出了要求。
支撐所有這些智能能力的，實際上就是數(shù)據(jù)中臺、智能平臺、機器學習、計算機視覺、自然語言、對話機器人等等人工智能以及大數(shù)據(jù)技術。
為什么當科技支持金融的時候，我們需要中臺？
我認為中臺在其中體現(xiàn)出的價值就是三個關鍵詞——聚焦、打通、提效。我們到底對什么進行聚焦、打通和提效，實際上是對數(shù)據(jù)、技術、人才進行聚焦、打通、提效。
在金融領域里，數(shù)據(jù)本身被應用到多方業(yè)務，如何將在業(yè)務里所產(chǎn)生的數(shù)據(jù)聚集在一起、打通，提升數(shù)據(jù)的使用效率，就是中臺要起到的作用。
從人才的角度而言，中臺除了是一種技術手段，其更多體現(xiàn)的是一種組織架構。中臺支持的是各種不同的業(yè)務、技術，這些業(yè)務與技術實際上具有一定的關聯(lián)性。
如果為每個業(yè)務都獨立地造煙囪，最終每一方面的技術都浮于表面，無法繼續(xù)深入。所以，我們希望能把相同技術的人聚集在一起，在中臺形成聚集的效果。既能做好每一方面的技術，還能輻射到不同的業(yè)務，更好地賦能金融。
為什么數(shù)據(jù)AI要融合，當討論數(shù)據(jù)與AI的時候，實際上有兩種關系，一種被稱作數(shù)據(jù)的AI，就是數(shù)據(jù)本身很有價值。比如做智能圈人、營銷圈人，其中的數(shù)據(jù)是用戶的行為數(shù)據(jù)，是非常有價值的。
為了將數(shù)據(jù)發(fā)揮出它的價值，這時才需要模型。比如我們可以根據(jù)這些數(shù)據(jù)，進行一些轉化預測和實際的判斷。
另外一種關系被稱為AI的數(shù)據(jù)。一個典型例子，對話機器人在金融領域的催收、電銷方面扮演著非常重要的作用。
如果想體現(xiàn)出一些AI的能力時，反之希望用數(shù)據(jù)來支持。包括訓練的語料、知識庫，這時反而是數(shù)據(jù)對模型起到了支持的作用。
所以，數(shù)據(jù)與AI兩者之間融合得非常緊密，如果單獨建設一個數(shù)據(jù)中臺，再另外建設一個AI中臺，兩者之間將不可避免地存在割裂的現(xiàn)象。
360數(shù)科進行了一個實踐，我們將數(shù)據(jù)與AI融合在一起，形成了一個數(shù)據(jù)AI融合平臺，這樣兩者都能更好地體現(xiàn)出各自的價值。
接下來，中臺應用于具體的業(yè)務——普惠金融。
縱觀整個金融的發(fā)展歷史，在遠古時代，金融最古老的形式就是借貸。
古羅馬時代出現(xiàn)了債券，到了大航海時代，因為需要進行跨越大洋的貿(mào)易，就出現(xiàn)了用股票和保險以分擔風險的金融方式。
而到了資本主義時代，誕生了現(xiàn)代銀行，20世紀初又出現(xiàn)了個人理財，事實上，所呈現(xiàn)的趨勢是需求在拉動著各種不同的金融形式的出現(xiàn)。
隨著經(jīng)濟的發(fā)展，經(jīng)濟風險越來越大，就需要金融對風險進行一定的保障。
之后，隨著中產(chǎn)階級的逐漸崛起，20世紀出現(xiàn)了個人理財，個人財富的逐漸增加催生了理財需求。上個世紀50年代之前，是需求在拉動著著各種金融形勢的出現(xiàn)。那時金融的特點是全部依賴于人工服務。
人工服務的缺陷就是人力較貴，而且人又無法看很多的數(shù)據(jù)，那個時代的金融服務注定沒法普惠，無法服務到很多的用戶和中小企業(yè)。
50年代的時候出現(xiàn)了電子計算機，我們進入到數(shù)字時代，自那之后，才出現(xiàn)了普惠金融。從那時起，我們終于可以開始擺脫人的服務，而用機器服務于人。
在機器代替人工后，機器可以更好地使用數(shù)據(jù)，用數(shù)據(jù)來更好地服務我們的用戶。
數(shù)字時代的普惠金融，從之前完全通過需求拉動人工服務的方式，演變到現(xiàn)在的技術推動。
在這個數(shù)字時代，底層技術使得我們可以提供更好的服務，甚至創(chuàng)造出了新的需求。在整個技術發(fā)展的過程中，不只是金融領域，幾乎所有的傳統(tǒng)領域都發(fā)生了相應的改變。
到底技術是如何推動普惠金融，讓其逐漸從不可能成為可能。總結起來就是三大技術——
第一，從2005年以谷歌 Bigtable、MapReduce等等為代表的大數(shù)據(jù)技術開創(chuàng)了大數(shù)據(jù)時代后，我們可以處理海量的用戶數(shù)據(jù)。
普惠金融就是要服務很多的用戶，如果不能處理海量的用戶數(shù)據(jù)，普惠金融也沒有存在的價值。
第二，從2010年起，誕生了安卓系統(tǒng)，有了蘋果手機以及3G、4G、5G技術相繼出現(xiàn)。我們開始進入到移動互聯(lián)網(wǎng)時代，終于可以對海量用戶進行精準觸達。
在那之前，用戶更多是通過電腦上網(wǎng)。如果完全依賴于電腦，其觸達的能力是很有限的。
而在移動時代，我們終于可以隨時隨地觸達到用戶，用戶也可以隨時隨地訪問到我們的服務。
這時，移動互聯(lián)網(wǎng)成為普惠金融第二個重要的技術拼圖。
第三，人工智能，人工智能終于使得高效服務海量用戶成為可能。
在人工智能誕生之前，客服需要坐在人工坐席來提供服務，以前的傳統(tǒng)銀行，就需要很多的人工客服。
如果想服務10億用戶，就需要100萬的人工嗎？今天，則利用人工智能的機器人代替人工進行提效，才使得服務海量用戶成為可能。
從2005年、2010年到2015年，每5年一次的技術變革，終于完成了今天的普惠金融。
2020年進入到5G和IOT的時代。接下來的2025年和2030年以及今后的技術變革，比如是現(xiàn)在已經(jīng)很接近通用的人工智能的GPT-3還是量子計算，將在10年20年內有重大突破，又會給普惠金融帶來怎樣的推動作用、改變，我們拭目以待。
技術對金融的推動作用不容小覷，事實上在過去的幾十年里，技術一直在推動著金融的發(fā)展直至其成為各種可能，我們也期待著今后技術對金融不斷的新的推動作用。
在普惠金融中，以360數(shù)科為代表的金融科技公司，在其中起到了一個橋梁的作用。一端面對的是中國廣大的10億的互聯(lián)網(wǎng)用戶，他們都有一些貸款和保險理財?shù)确矫娴男枨蟆?/p>
另外，很多金融機構在給用戶提供所需要的金融產(chǎn)品時，需要一個橋梁，將這些金融機構的金融產(chǎn)品，能夠很好地推送給這些互聯(lián)網(wǎng)用戶。
作為一家兼具金融與互聯(lián)網(wǎng)基因的金融科技公司，360數(shù)科更多地是考慮這些互聯(lián)網(wǎng)用戶將會出現(xiàn)在哪些場景中，例如他們會出現(xiàn)在各種APP中，出現(xiàn)在抖音、快手等短視頻的網(wǎng)站里，或者出現(xiàn)在搜索引擎上。
通過與這些場景的深度合作，以及場景被賦予的各種智能能力的方式，我們實現(xiàn)了智能的、普惠的面向所有這種互聯(lián)網(wǎng)用戶的鏈接。
在過去的幾年中，360數(shù)科在普惠金融中取得了一些成就，一些三農(nóng)小微企業(yè)和社會上的貧困人群也能被金融所普惠到，如果沒有像360數(shù)科這樣的金融科技公司，將存在一些金融服務的盲區(qū)。我們通過技術幫助金融機構覆蓋到這些金融盲區(qū)。
實際上，普惠金融技術在其中起到了智能驅動引擎的作用。
因為普惠金融主要是面向廣大的互聯(lián)網(wǎng)用戶和小微企業(yè)，技術在其中起到的作用，一個是找到人，另一個就是看準人。
找到人就是要觸達人，找到那些真正有金融服務訴求的人群。包含以下3個環(huán)節(jié)：
第一，精準投放，在互聯(lián)網(wǎng)的各種場景中，找到那些當前正在對金融服務有需求的人。事實上，每個人在其一生中都會有金融服務的訴求，但不是隨時隨地都有訴求。
如果他現(xiàn)金充足就不需要貸款，他現(xiàn)在沒有什么風險則不需要保險，但是在某一時刻他是需要的。
所以在精準投放中很重要的一點就是，要找到此時此刻正好有金融訴求的這些人，這個過程被稱作大海撈針。如果把我們的廣告投放給根本沒有需要的人，實際上就是在浪費流量，我們也得不到想要的用戶。
第二，智能運營，360數(shù)科有一億多的注冊用戶，我們根據(jù)他們平時的行為知道用戶當前是否有金融服務方面的訴求?？梢詫τ脩衾斫獾酶泳珳?，可以更好地篩選用戶。
第三，高效觸達，無論是在精準投放還是在智能運營的過程中，很重要的一點就是要能夠觸達到用戶，金融類APP的一個特點就是用戶平時的訪問率并不高，只有在有訴求的時候才會訪問。
所以，我們就需要通過包括短信、電話等方式主動地觸達到用戶。一個標準的金融科技公司或者是互聯(lián)網(wǎng)金融公司，每天可能會有千萬級別的觸達的需要，觸達如何更高效，也是在找到人這個環(huán)節(jié)中必須要做的。
在找到人之后，我們還要對這個人群進行風險評估，即看準人，其中很重要的就是進行精準風控，我們要做機器學習，一個典型的金融科技公司的數(shù)據(jù)應該是幾十PB的規(guī)模，通過數(shù)據(jù)的學習，我們對人群進行畫像，對人的風險進行評估。
當用戶接受了我們的金融服務，我們也要對用戶的全生命周期進行管理，比如用戶貸后沒有還錢，我們也需要在貸后的環(huán)節(jié)，通過機器對貸后進行提效。
整個過程體現(xiàn)了在普惠金融中，金融科技特別重要的精準化和自動化。要想使得活性成為可能，我們必須使這兩點在技術上使其成為可能。
精準化既在找到人和看準人這兩個環(huán)節(jié)上一定要非常的精準，面對眾多的人群，如果不加以選擇和評估，那么就會面臨很大的風險。
自動化即在服務眾多人群時，更多的是通過人工智能使得整個過程盡量不費人力。
所有的一切都是圍繞著精準化和自動化這兩個技術來實現(xiàn)的。
為了實現(xiàn)普惠金融進入底層技術的引擎，360數(shù)科打造了數(shù)據(jù)AI融合中臺以實現(xiàn)搭鏈路、建平臺的目的。
搭鏈路既從找到人和看準人的環(huán)節(jié)來看，普惠金融就是通過智能投放、智能運營、智能風控、智能貸后，使得整個過程變得更加的全面和智能化以實現(xiàn)精準、自動。
在整個過程中我們搭建了機器學習、語音機器人、視頻音頻技術、計算機視覺以及數(shù)據(jù)中臺，使其成為一個平臺矩陣以支撐整個智能鏈路，讓鏈路變得更加高效。
接下來，重點探討一下數(shù)據(jù)AI融合中臺。
首先，為什么在金融環(huán)節(jié)里需要數(shù)據(jù)中臺？
所有數(shù)據(jù)中臺的存在都表明了業(yè)務繁多，在金融場景里，信貸、保險、理財這些不同的業(yè)務，在細分之后也有不同的信貸產(chǎn)品，第一要務就是將這些眾多的業(yè)務打通，這是數(shù)據(jù)中臺存在的第一個價值。
數(shù)據(jù)中臺在金融領域的另外一個價值，就是大多數(shù)金融公司無法只依賴于自己的數(shù)據(jù)，我們還要依賴于第三方的數(shù)據(jù)，這樣才能對用戶在找到人和看準人這兩個環(huán)節(jié)進行精準刻畫。
數(shù)據(jù)中臺在金融領域的第三個角色，因為面對的是海量用戶，所有的互聯(lián)網(wǎng)用戶都是金融服務的潛在用戶。
如果潛在有10億的互聯(lián)網(wǎng)用戶，如何對10億互聯(lián)網(wǎng)用戶進行充分地理解，就需要加以精準地刻畫。
如何將用戶關系進行連通，要做到以下三通：多業(yè)務打通，內外數(shù)據(jù)互通和用戶關系連通。這是數(shù)據(jù)中臺的第一層意義。
數(shù)據(jù)中臺的另外一層意義就是各種各樣的快，因為我們整個業(yè)務都是建立在數(shù)據(jù)的基礎之上，數(shù)據(jù)做得有多好，就決定我們的業(yè)務做得有多好。
數(shù)據(jù)做得好的一個衡量標準就是快。第一重就是數(shù)據(jù)的實時處理要快，如果所有的數(shù)據(jù)都是今天發(fā)生的問題明天才能看到，那時候可能已經(jīng)有很多損失了。
我們將數(shù)據(jù)實時化的原因是，不要死數(shù)據(jù)，要活的數(shù)據(jù)。
第二重即數(shù)據(jù)使用快，實際上從運營到數(shù)據(jù)分析，所做的業(yè)務都完全依賴于數(shù)據(jù)。
如何讓用戶、內部的運營、產(chǎn)品運營、數(shù)據(jù)分析在使用數(shù)據(jù)中更加高效，必須得讓數(shù)據(jù)快起來。
此外，數(shù)據(jù)需求響應快，互聯(lián)網(wǎng)公司的特點就是經(jīng)常會有一些新的業(yè)務出現(xiàn)和調整。當出現(xiàn)以上兩種情況時，我們對數(shù)據(jù)就會有新的需求，這些需求如何快速得以響應，就需要數(shù)據(jù)響應快。
結合360數(shù)科的實踐，我們到底是如何做到三通三快的。
第一個，多業(yè)務打通，我們原來的數(shù)據(jù)都是分散在各個業(yè)務里并且以原始數(shù)據(jù)的形式存在。
多業(yè)務打通很重要的一點就是要做到one data，甚至是one team。
我們需要一個團隊將整個公司的數(shù)據(jù)資產(chǎn)進行統(tǒng)一管理，形成一個統(tǒng)一的數(shù)倉。
在統(tǒng)一數(shù)倉的基礎上，根據(jù)不同的業(yè)務，我們會設立主題和建設數(shù)據(jù)集市以服務業(yè)務。
實際上，很多公司在做數(shù)倉的時候，沒有做到one team，不同的業(yè)務團隊各自為政，無法形成統(tǒng)一，這個也是很多公司的痛點。
要想真正實現(xiàn)統(tǒng)一的數(shù)據(jù)資產(chǎn)體系，需要堅持 One data和one team的理念，用一個團隊來打造這樣的數(shù)據(jù)資產(chǎn)體系。
在統(tǒng)一的數(shù)據(jù)資源體系上，可以進行跨業(yè)務的數(shù)據(jù)服務，建設業(yè)務標簽、用戶標簽等等。
第二，內外數(shù)據(jù)互通，比如業(yè)務一定要結合第三方數(shù)據(jù)公司的數(shù)據(jù)，但考慮到數(shù)據(jù)的個人隱私保護等問題，我們不可能從第三方數(shù)據(jù)公司直接拿到這樣的數(shù)據(jù)。
對此，我們把數(shù)據(jù)標簽和第三方數(shù)據(jù)融合在一起建立了一個模型，服務于精準獲客、智能運營、風險控制等場景，也取得了一些不錯的效果。
第三，用戶關系聯(lián)通。通過用戶之間的相互關系，打造了一個大規(guī)模的用戶的關系網(wǎng)絡。其中包含了20億個節(jié)點，超過500億條邊，很快就會升至1000億條邊，這些關系可以應用于以下幾點：
第一點：為傳統(tǒng)模型賦能。
第二點：反欺詐，挖掘用戶的真實身份是什么？
第三點：風險社群，還可以用一些社區(qū)發(fā)現(xiàn)的方法發(fā)現(xiàn)一些風險社群。
第四點：多業(yè)務線聚合，實現(xiàn)多業(yè)務數(shù)據(jù)打通，通過one data和one team的方式，我們在建設數(shù)倉的時候，進行數(shù)據(jù)的打通。
如果能夠把用戶在不同業(yè)務中的關系最終聚合到一起，才能實現(xiàn)一個真正的更深層次的多業(yè)務的數(shù)據(jù)打通。
除了三通之外，接下來就是三快。
第一個，實時數(shù)據(jù)處理快，實時數(shù)據(jù)的價值在于真正讓它實時地跑起來，才能讓這個數(shù)據(jù)最大限度地發(fā)揮其價值。
我認為數(shù)據(jù)有兩個價值，一個是數(shù)據(jù)的內容，包括多業(yè)務打通和內外數(shù)據(jù)打通。
當數(shù)據(jù)內容在空間的層面被挖掘得差不多時，接下來就應該挖掘時間的維度，我們讓它更快起來。
如果數(shù)據(jù)既能做到內容豐富，在空間上廣泛且有深度，又能做到在時間上更快，這時候數(shù)據(jù)的價值就真正顯現(xiàn)出來了。
在過去的幾年里，360數(shù)科通過Kafca+Flink+ClickHouse+Redis等等，打造了這樣整個的實時數(shù)據(jù)的鏈路。
在反欺詐的環(huán)節(jié)，當用戶貸款時，我們可以快速發(fā)現(xiàn)他有一些被欺詐的風險，這樣就形成一個實時的鏈路。
我們立即通過短信、電話等方式回饋給用戶，搶在用戶被詐騙之前通知到他。我們一定要做到分鐘級的實施系統(tǒng)，幫助到我們的用戶。
在智能運營場景中，因為用戶的訴求并非時時刻刻會出現(xiàn)，我們能否在第一時間發(fā)現(xiàn)用戶的訴求，而不是等到用戶訴求已經(jīng)出現(xiàn)了幾天之后才找到。
實時數(shù)據(jù)還包含了智能獲客、智能投放的環(huán)節(jié)，當我們對媒體進行廣告投放的時候，能否實時拿到媒體的反饋、轉化、授信的情況，我們通過實時數(shù)據(jù)以指導我們的互動平臺。
因為我們整個業(yè)務都是建立在數(shù)據(jù)基礎之上，所以我們也是希望數(shù)據(jù)使用得更快，需求響應得也更快。
像360數(shù)科這樣的金融科技公司，使用數(shù)據(jù)的包括BI分析、算法、產(chǎn)品運營人員，也包括管理層，都希望更快、更全、更及時、全面地看到數(shù)據(jù)。
針對于此，我們建立了整個數(shù)據(jù)體系，從最上層的直接支持他們的數(shù)據(jù)平臺，到中間數(shù)據(jù)服務支撐的平臺服務到整個數(shù)據(jù)資產(chǎn)的管理，包括元數(shù)據(jù)中心、維度管理、指標體系、數(shù)據(jù)倉庫，到最下面整個數(shù)據(jù)技術架構的設計，我們在每一層都進行了大量的工作，就是為了讓用戶在使用數(shù)據(jù)時能夠更快，并且對數(shù)據(jù)的任何一個響應，比如新建業(yè)務的需求項，可能涉及到三層，當然技術架構的變化不會很大，但是從數(shù)據(jù)資產(chǎn)、數(shù)據(jù)服務到數(shù)據(jù)平臺可能都要進行調整。
我們通過平臺化的建設和一些經(jīng)驗的積累、標準化，讓整個數(shù)據(jù)體系變得更加規(guī)范、自動化，這樣當有一個新的需求提出來的時候，可以快速地把這個需求做出來。
在實現(xiàn)了“三通三快”之后，再來看看中臺所提供的人工智能的能力，中臺實際上提供了搭鏈路、建平臺，在搭鏈路的過程中，數(shù)據(jù) AI起到了非常重要的作用。
第一個，機器學習，那么在金融領域里，機器學習有什么樣的特點？
——監(jiān)督學習，盡管監(jiān)督學習在AI領域是非常傳統(tǒng)的一個技術，但是在金融領域里它蠻重要的一個特點就是要從用戶的過往表現(xiàn)中加以學習。
通過用戶過往授信的通過與否，是否有逾期等行為，再結合用戶的特征，我們就可以訓練這樣一個模型。
其中很重要的就是我們對用戶以往表現(xiàn)的積累，像360數(shù)科已經(jīng)在金融領域里深耕數(shù)年，已經(jīng)對用戶過往的表現(xiàn)積累了大量數(shù)據(jù)。
因為有大量用戶的過往積累，所以使得監(jiān)督學習就有著非常大的優(yōu)勢。
——圖學習，我們建了一個很大的關系網(wǎng)絡，我們希望在這個關系中理解每個用戶的金融訴求和金融風險。因為圖學習是一個非常消耗資源的機器學習的任務，為了讓圖學習成為可能，我們自研了圖計算平臺。
圖計算平臺可以使得訓練效率提升10倍，在線服務也可以在50毫秒之內能夠產(chǎn)生我們的特征，然后通過這個特征以判斷用戶的行為。
——聯(lián)邦學習，在金融領域很重要的一點，就是要打通內外部的數(shù)據(jù)，，有些特征可能是外部的第三方數(shù)據(jù)公司所具備。如何在數(shù)據(jù)不可見的情況下把數(shù)據(jù)用起來。
我們研發(fā)了自己特有的一個聯(lián)邦學習技術——分割式神經(jīng)網(wǎng)絡。
我們通過神經(jīng)網(wǎng)絡在高維空間，Embedding不可逆的特性，使得不同參與的數(shù)據(jù)合作方只需要傳遞Embedding向量，見不到原始數(shù)據(jù)，但是最終可以使得模型能夠產(chǎn)生我們想要的效果。
在自動化方面，我們研發(fā)了語音機器人，在金融領域的語音機器人主要是應用于電銷、催收等等場景。
如何讓機器人更像人，我們自己開發(fā)了很多方面的技術，包含了語音技術，端到端的語音識別，端到端的語音合成等等。
對話機器人想達到的效果就是把機器人做得像人，并且又能夠達成我們的目標。我們在線上搞了幾十個催收機器人，形成了一個催收機器人的矩陣。
我們83%的催收金額，都是通過機器人完成的。這些催收機器人代替了相當于1000個催收員的工作。
我們的機器人技術不只是應用于自己的業(yè)務中，我們也想把這個技術回饋給社會。在疫情期間，我們做了一個“疫情通”的項目以幫助社區(qū)、公安、醫(yī)療機構，我們給其所轄的居民進行電話詢問，達到了一個很好的社會效果，在疫情最嚴重的時候，我們的機器人團隊用24小時把電銷催收機器人改造成一個針對疫情的機器人服務于社會。
那么，接下來就要談到全鏈路，從最開始的智能獲客，到各方面我們要應對的事情，首先，來看看現(xiàn)在這個時代智能獲客面對的挑戰(zhàn)和應對是什么？
流量競爭白熱化，不只是金融領域對流量有競爭，電商游戲、在線教育都對流量有訴求。
精準人群篩選，如何在這些競爭中脫穎而出，很重要的一點就是要能夠精準找到我們所需要的人群，能否找到那些恰巧有金融訴求，而對其他訴求又沒有那么強烈的人群，這樣競爭就會相對小一些。
流量寡頭化，現(xiàn)在的流量越來越被一些頭部的 APP所掌握，對此，我們需要與掌握著這些流量的頭部媒體進行共贏合作。
數(shù)據(jù)稀缺，精準地刻畫用戶需要很多的數(shù)據(jù)，我們也是開發(fā)了一些包括聯(lián)合建模、聯(lián)邦學習等等技術與第三方的數(shù)據(jù)進行合作。
我們還做了一個智能投放平臺，我們針對很多的媒體進行了抽象化，針對很多的數(shù)據(jù)也進行了抽象化。
如果我們要把數(shù)據(jù)、媒體統(tǒng)一起來，那么，我們要做的是以下三件事。
人群包開發(fā)，為了更精準地刻畫用戶。再者是素材管理。因為素材直接決定著用戶對我們廣告是否感興趣，包括對素材的審核以確保廣告素材的質量。第三個就是出價策略，針對每個用戶有完全個性化的定價。
通過整個智能投放，使得我們的獲客成本下降了10%。
我們通過與頭條等媒體合作，在行業(yè)首創(chuàng)了RTA的模式，產(chǎn)生了很好的效果，最終被其他同行以及整個廣告投放領域所接受。
在獲客之后，我們所要做的就是智能運營。
智能運營的邏輯，第一個是選定人群，針對人群我們選擇策略，之后，在準備觸達用戶的時候，我們要選擇一個內容如何觸達到用戶，接下來就是真正的觸達，然后對效果進行分析，再根據(jù)分析的結果選擇人群，形成一個閉環(huán)。
傳統(tǒng)的做法是依賴于人工的經(jīng)驗和一些定制化的數(shù)據(jù)分析、開發(fā)，效率非常低。在研發(fā)出智能運營平臺之前，一個策略的部署要花費兩周時間。需要數(shù)據(jù)人員開發(fā)人群包，工程開發(fā)人員針對策略開發(fā)線上的專有系統(tǒng)。
通過這個智能運營平臺，讓整個閉環(huán)自動化，就使得策略部署的時間從兩周縮短到4小時，不僅效率提升了，人均的策略個數(shù)也提升到原來的三倍。使得整個智能運營過程變得非常高效。
在智能運營的過程中再一次很好的體現(xiàn)了數(shù)據(jù)AI的融合，在整個閉環(huán)里，我們用數(shù)據(jù)與AI的能力在賦能，圖中的綠色的模塊是AI能力，藍色的模塊是數(shù)據(jù)能力。這些模塊混合在整個閉環(huán)中，無法拆開。
在看準人方面，我們做了一個Argus智能風控平臺，攔截了100萬的反欺詐的人，也保護了超過800億的資產(chǎn)等等，平臺包含了反欺詐、風險預警、信用評估等等，智能風控平臺在保障著整個服務質量。
整個鏈路的最后一個環(huán)節(jié)——智能貸后平臺，在這個環(huán)節(jié)里，貸后、催收也是蠻傳統(tǒng)的方向，需要很多的人工催收員，除了催收機器人在一定程度上代替人工之外，我們對整個催收員的工作流程進行優(yōu)化，提出了智能并發(fā)外呼的技術。
其中包括了“仿生”自撥，用機器模仿人進行外呼，我們還有呼叫管家、坐席感知管理、實時動態(tài)調案等等對人工進行提效。
在這個系統(tǒng)之前，我們做過一次數(shù)據(jù)分析，發(fā)現(xiàn)催收員一天中只有1/5的時間是真正在進行有效通話，剩下4/5的時間都在撥打電話，在催收環(huán)節(jié)的接通率不高。
我們通過系統(tǒng)模仿和代替人撥打電話，這樣的技術達到了一個很好的效果，使得我們用戶每天的有效通話時長增加50%，人均接通電話數(shù)量翻倍，催收員減少30%，用更少的催收員達到更好的效果，最終還帶來了催回率的提升。
最后，談談開放的金融科技，這個時代的AI金融科技是沒有辦法關起門來做的，現(xiàn)在的AI技術與20年前的IT并不一樣，IT是可以根據(jù)需求開發(fā)出來就可以了，但是在人工智能時代，我們的特點就是有一個AI飛輪，涵蓋了算法、平臺、數(shù)據(jù)。
算法賦能平臺，平臺產(chǎn)生數(shù)據(jù)反過來又使得算法變得更好，這樣的飛輪越轉越快，能力變得越來越強。
在這個過程中，我們沒有辦法封閉的進行，無法只依賴于自己的數(shù)據(jù)，而需要多方數(shù)據(jù)的合作。
我們可以更好地篩選人群，在多個場景中進行人群的感知、評估和觸達。
在我們具備了能力之后，我們也想賦能給金融機構。
360數(shù)科在科技輸出上也做了很多的事情，我們的科技輸出被稱作樣板型科技輸出，為什么是樣板型呢？
我們賦能給金融機構，自己就是一家最好的樣板，我們也是在沒有非常好的流量與數(shù)據(jù)優(yōu)勢的情況下，通過與渠道以及第三方數(shù)據(jù)的合作，把這個事情做得很成功。
我們把能力輸出給金融機構，可以做到全渠道、全客群、精細化、智能化，我們也希望我們的輸出使得每個金融機構都能具備像360數(shù)科一樣的能力，在找到人和看準人兩個環(huán)節(jié)，真正地具備一個底層的智能驅動引擎。
我們全方位的賦能即樂高積木式的輸出，可以在咨詢、風控、運營、科技等等方面進行模塊式、選擇式的輸出。
技術與業(yè)務的思考，我在實踐的過程中，對技術與業(yè)務的關系，感受到有兩派觀點，一類是需求派，也叫做賦能派，就是業(yè)務需要技術進行賦能。
這個體現(xiàn)的是業(yè)務主導。
另外一類就是驅動派，從技術角度而言，技術可以從事這樣的事情，尤其是人工智能、大數(shù)據(jù)技術。
通過技術使得業(yè)務產(chǎn)生進步，人工智能就體現(xiàn)了技術驅動的思路。那么到底我們應該是需求派還是驅動派，是應該業(yè)務占主導還是技術占主導？仁者見仁，智者見智，在不同的公司不同的時期，大家都有不同的實踐。
我的總結是從短期來看，往往都是需求派占主導。業(yè)務需要在短時間之內用技術來實現(xiàn)。
但是長期而言是技術在驅動發(fā)展，放眼到5年10年乃至20年，普惠金融就是技術所驅動的。
對于我們做事情有怎樣的指導性的作用和方針呢？
我提出一個叫做優(yōu)勢主導定理的觀點，僅僅代表我個人的觀點，我認為如果涉及到合作的多方，不只是技術與業(yè)務，難免會有一個主導方，那么到底誰該當主導方？優(yōu)勢主導定理認為來自不同領域的合作的雙方，誰更懂得對方領域的問題和方法，那么誰就是優(yōu)勢方，就該主導合作。
在實踐中，真正采用優(yōu)勢主導方針的并不多。我們在合作中的模式不是優(yōu)勢主導，而是強勢主導。
強勢就是對這件事情具有最終價值裁判權的那一方，他在主導著事情合作的方向，如果我們一直遵循強勢主導，最終我們很難讓這件事情達到最優(yōu)。
而優(yōu)勢主導倡導合作雙方都能發(fā)揮出其價值，而且雙方都懂得對方有什么價值，才能讓雙方在合作過程中，將雙方的價值真正更好地發(fā)揮出來。
最后我引用一句來自布萊恩·阿瑟的話結束今天的分享。
“經(jīng)濟并不是采用了一個新的技術體，而是遭遇了一個新的技術體。經(jīng)濟是技術的一種表達，并且隨著技術的進化而進化”——《技術的本質》
其含義是，技術不僅僅是個工具，并非幫助經(jīng)濟助提效了，就發(fā)現(xiàn)技術是個很好的工具，然后再用起來使得經(jīng)濟效率更高。
而是技術發(fā)展到一定程度之后，經(jīng)濟不可避免地遭遇到這樣一個技術。就像金融遭遇了大數(shù)據(jù)、人工智能、移動互聯(lián)網(wǎng)之后，其本身發(fā)生了變化，經(jīng)濟反倒變成了技術的一種表達，因為技術的進化，經(jīng)濟也產(chǎn)生了進化。
最近十幾年的大數(shù)據(jù)、人工智能以及移動互聯(lián)網(wǎng)這些技術，才讓普惠金融這個新形式出現(xiàn)，這個才是真正的經(jīng)濟與技術的關系，也才是真正的技術的價值。
今天的金融科技，以大數(shù)據(jù)、人工智能為代表的金融科技，就是這樣一個新的技術體系。
隨著科技的發(fā)展，金融科技的技術本身也在不斷地發(fā)展，那么金融必然會不斷地改變自己的形式，成為技術的一種新的表達。我認為這是未來的一個趨勢。
欲了解更多活動詳情，可聯(lián)系作者周舟（微信：18811172358）。（雷鋒網(wǎng)雷鋒網(wǎng)）
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
