“我國互聯(lián)網(wǎng)金融在最近幾年的一個突出變化就是數(shù)據(jù)資源的極大豐富。在傳統(tǒng)的征信數(shù)據(jù)外，社交、電商等數(shù)據(jù)也開始被廣泛應用于風險防控。這為機器學習、人工智能體系的訓練和優(yōu)化提供了充足的原材料。”小雨點網(wǎng)貸CRO陳紹林表示，與傳統(tǒng)的評分卡、回歸預測模型相比，人工智能可以更高效地篩選、組合海量數(shù)據(jù)，尤其是非結(jié)構(gòu)化不規(guī)則數(shù)據(jù)，對客戶作出全方位的分析和判斷。
據(jù)介紹，樂信基于分期樂商城的運營和管理，針對千萬級小微消費金融用戶的大數(shù)據(jù)開發(fā)了多個核心系統(tǒng)，用于智能風險防控及資產(chǎn)管理。借用人工智能原理，樂信自主研發(fā)了一套“鷹眼”智能風控引擎。通過一系列規(guī)則和算法，“鷹眼”可以秒級完成對訂單的自動化審核，還可以狙擊有組織的欺詐行為。“鷹眼”引擎目前擁有6000多個風控模型數(shù)據(jù)變量，日處理訂單量達到30萬筆，可以對分期樂商城98%的訂單作出自動審核處理，最快3秒鐘反饋結(jié)果。
值得一提的是，除了效率高，人工智能在成本上也有巨大優(yōu)勢。“傳統(tǒng)金融機構(gòu)主要依靠線下門店對客戶風險開展人工審核，成本隨業(yè)務量線性增長。大多數(shù)網(wǎng)貸平臺雖然引入了規(guī)則引擎、風控模型，但傳統(tǒng)的技術(shù)手段往往只能判別客戶的某幾個特征，很多信息仍然需要人工分析和判斷，成本難以降低。”在陳紹林看來，充分利用人工智能技術(shù)和大數(shù)據(jù)，搭建具有全流程自動判別的風控體系，可以極大減少網(wǎng)貸平臺的人工成本。
