《貿(mào)易金融》記者張銘研

凱文凱利在《必然》中所說，科技進步使得越來越多的東西以指數(shù)級的速度增加。近幾年，隨著金融科技不斷深入到產(chǎn)業(yè)，金融業(yè)務綜合化、智能化的發(fā)展趨勢愈發(fā)明顯。反映在金融業(yè)務上，便是用戶對金融服務和產(chǎn)品的實時性和便捷性等體驗方面的要求越來越高。

以大數(shù)據(jù)、云計算、人工智能等為代表的科學技術在重塑著企業(yè)的發(fā)展模式和風控業(yè)態(tài)。例如，我國的消費金融正是依托互聯(lián)網(wǎng)金融發(fā)展起來的，特別是80后、90后、00后的消費群體把中國消費金融推到了一個新高點。但是在開展業(yè)務的過程中，消費金融也存在如獲客、場景獲取和風險管理等等一些痛點。

科技企業(yè)是如何幫助銀行等金融機構更好的開展業(yè)務？如何解決例如消費金融、供應鏈金融、小微金融業(yè)務中的一些痛點、難點？帶著這些疑問，記者走訪了天云數(shù)據(jù)CEO雷濤。

為解決國內(nèi)AI技術商業(yè)實踐中痛點，天云數(shù)據(jù)提出：“讓企業(yè)獲取機器智能像讀書一樣簡單。”

天云數(shù)據(jù)CEO雷濤對記者表示，互聯(lián)網(wǎng)滲透率提升帶來了數(shù)據(jù)迅猛增長，包括信息化系統(tǒng)里沉淀的各種交易數(shù)據(jù)，互聯(lián)網(wǎng)用戶產(chǎn)生的行為數(shù)據(jù)等。這些不斷擴大的數(shù)據(jù)資源，同時也為積極創(chuàng)新的廠商帶來了收入增長的機遇。

在金融機構中，銀行其實是機器學習比較成熟的使用者。西方機器學習的核心客戶群體就是銀行。這是由于銀行業(yè)務本身就具有量化分析的需求，比如信用卡額度的衡定就需要風險量化模型，所以銀行對機器學習的使用習慣已經(jīng)培養(yǎng)起來了，再接納AI企業(yè)的商業(yè)模式就比較順暢。

當然，天云數(shù)據(jù)的步伐不止于此，2018年以來，天云數(shù)據(jù)已經(jīng)實現(xiàn)了從金融科技，到醫(yī)藥、軍工、能源，天云的泛行業(yè)布局，進一步提高了科技對產(chǎn)業(yè)的滲透率。

據(jù)了解，天云數(shù)據(jù)，自2013年成立以來持續(xù)深耕金融業(yè)，國內(nèi)能夠同時提供分布式計算平臺產(chǎn)品和AI平臺基礎設施的科技廠商，并擁有博士后工作站和國家級高新企業(yè)稱號。

科技改變了傳統(tǒng)金融的風控方向

科技已經(jīng)對金融業(yè)的風控模式進行顛覆，雷濤對記者表示,天云關注的是金融業(yè)務的數(shù)據(jù)處理，信息處理和一些業(yè)務模型。

無論消費金融還是供應鏈金融，對資產(chǎn)進行封裝，生產(chǎn)面向C端用戶或者B端用戶的金融產(chǎn)品，其實這也是資產(chǎn)的風險傳遞方向。

曾經(jīng)，信用都是從主體系統(tǒng)、核心企業(yè)向下傳達，從甲方的真實需求向下傳遞，因為通過真實的交易，主體信用的評估可以向下傳遞，傳遞的介質(zhì)就依靠這些倉單、訂單、運單等等這一系列的交易數(shù)據(jù)。而現(xiàn)在，因為科技發(fā)展，風控模式開始出現(xiàn)了一些變化。金融科技可以通過數(shù)據(jù)把信用方向自下而上傳導。

以前是從保理業(yè)務的角度，評估方式更多是基于對訂單本身，即這單生意本身的真實性。因為線下的每單的評估成本比較高，這導致只有金額足夠大的訂單才值得去做。而中國2萬多家做保理企業(yè)的業(yè)務具有“小額、高頻、海量”的特點，并且沉淀在不同產(chǎn)業(yè)不同區(qū)域，它的空間維度和交易的復雜、多樣性，決定了他的生意規(guī)模都是碎片化的。

物流公司每個月的上億的流水，其實真正碎片化的司機端的行為數(shù)據(jù)都是幾百塊錢的小額訂單和配送活動。他的行為已經(jīng)被TMS這些信息化系統(tǒng)充分的數(shù)字化，它可以貫穿從甲方到第三方物流到專線甚至到司機的全行業(yè)。

在銀行信用卡業(yè)務中，通過信用卡的交易行為，而不是建立在主體信用上，從行為數(shù)據(jù)的系統(tǒng)上，甚至連續(xù)18個月以上的風險暴露期的所有的交易行為，利用人工智能等技術都可以去度量。在個體業(yè)務上，可以制作量化模型，像信用卡客戶的識別、額度的管理，還款意愿還款能力的這些行為的量化模型，比如額度評估模型是可以對個體業(yè)務的行為數(shù)據(jù)圖表。

實際上，天云提出是一個反向的構建風控模型的方式，不是從自上而下的主體系統(tǒng)向下傳導。這也正是多數(shù)大型的核心企業(yè)不愿意去做這些事，因為根本上來說，這些核心企業(yè)沒有必要為下游企業(yè)去承擔風險。

隨著產(chǎn)業(yè)數(shù)字化落地，企業(yè)越來越難去造假，我們通過技術手段更容易捕捉它的信用風險和交易風險。天云數(shù)據(jù)更多的是依賴于低代碼的智能化產(chǎn)品生產(chǎn)方式，這個程序可以去做金融，也可以服務于其他行業(yè)。在2018年泛行業(yè)化給自己的產(chǎn)能也提升了很多。

人工智能系統(tǒng)化提升金融機構能力

雷濤說，電商利用推薦引擎重構了零售業(yè)；傳統(tǒng)超市貨物擺放的最佳實踐，被淘寶的貝葉斯算法取代。人工智能可以實現(xiàn)對銀行里的行為數(shù)據(jù)所監(jiān)控的核心指標重新構建。所以天云數(shù)據(jù)在面向小微、消費金融業(yè)務，對其資產(chǎn)封裝方式上更關注在數(shù)據(jù)本身，在度量風險方便更關注數(shù)據(jù)的連貫性，而不是說一次的訂單行為或者一次的交易行為。

當然，在其他行業(yè)，例如天云數(shù)據(jù)針對沒有圖紙的油氣管道，無法實現(xiàn)壓力差的復雜現(xiàn)實場景，利用隱馬爾科夫算法抽象出油氣管線泄露的風險，這些都說明算法可以重構商業(yè)實踐，具有極強的跨行業(yè)屬性。

雷濤對記者表示，在以前，金融科技企業(yè)角色更多是在背后。現(xiàn)在，我們開始思考如何跟行業(yè)主體的合作時不是只做一個技術目標，而是由天云數(shù)據(jù)給它提供AI服務平臺、算法模型，賦予它加工數(shù)據(jù)的處理能力。值得注意的是，隨著產(chǎn)業(yè)分工越來越扁平化，這是一個核心關鍵問題，這種系統(tǒng)化的能力開始提升產(chǎn)品設計的能力是更應該被關注的。

IT向DT的演進時代，作為科技賦能者，天云數(shù)據(jù)強調(diào)低代碼開發(fā)模式。這個程序智能化模型的生產(chǎn)不是由人腦拼出來的，是有數(shù)據(jù)有算法夠自動化構建出來的。所以在交付形態(tài)和效率上，天云數(shù)據(jù)組織了一種新的生產(chǎn)方式。這個程序不是程序員一行一行代碼寫出來，而是由用數(shù)據(jù)用算法表達出來，并且現(xiàn)在已經(jīng)很成功的在一些行業(yè)里落地和應用。

近幾年，天云數(shù)據(jù)已經(jīng)連續(xù)三年的被畢馬威評為科技金融50強。在這個過程中，可以看到科技把金融的一些模糊的概念清晰地用量化的方式表達出來。物聯(lián)網(wǎng)數(shù)據(jù)看似跟金融事件沒關系，但是事實并非如此，天云數(shù)據(jù)曾給一家大型保險公司做ETC傳感器，ETC是通關開著貨車過的卡口，這些互聯(lián)網(wǎng)數(shù)據(jù)一樣可以處理卡車司機的行為。

人工智能并不是是聊天機器人，這些人機交互是AI第一波的短暫的價值體現(xiàn)，真正人工智能的價值是能夠用算法去充分量化所有的這些行為數(shù)據(jù)。這些因為數(shù)字化體系帶來痕跡，通過人工智能可以給它抽象成新的商業(yè)規(guī)則，可以去做定價、去做風險評估。