0
| 本文作者： 周蕾 | 2021-08-30 14:41 |
“能夠生存下來的，一定是最能夠適應(yīng)變化的?！眴虠罡锌馈?/p>
金融科技平臺們已經(jīng)不算年輕了。八年時間，互聯(lián)網(wǎng)金融已驚濤駭浪一遍遍，頂住風(fēng)浪遠航的船只屈指可數(shù)。
樂信，是其中之一。
這家生于深圳的金融科技公司已經(jīng)走到第八年，大船航行卻越發(fā)穩(wěn)健。上周樂信也發(fā)布了2021年二季度財報，簡單看幾組數(shù)據(jù)：
截至今年二季度末，樂信的累計用戶數(shù)已突破1.4億；新消費生態(tài)商戶數(shù)超1000萬家，金融合作伙伴超100家，在貸余額為905億，預(yù)計年內(nèi)破千億。
目前，樂信1天以上的逾期率為4.92%，比去年同期降低39%，風(fēng)險表現(xiàn)為近兩年來最優(yōu)；最新壞賬回收實現(xiàn)回收率和回款金額也創(chuàng)下歷史新高。
直到今年夏天，外界才了解到，首席技術(shù)官陸勇、首席風(fēng)控官喬楊已經(jīng)悄然入職樂信數(shù)月，執(zhí)行著一個漫長且艱巨的任務(wù)：
對內(nèi)，是一場數(shù)字化變革，讓這艘大船的每個零部件運行更順滑，把樂信近十年來經(jīng)歷的“風(fēng)浪”更好地沉淀。
對外，是把厚實的經(jīng)驗和能力“家底”整合為產(chǎn)品體系，“集裝箱”式地輸出，抵達“純科技服務(wù)模式”的目的地。
這當(dāng)中沒有哪樁是容易的，曾任平安壽險CIO的陸勇給我們粗略算了筆賬：數(shù)字化轉(zhuǎn)型，如平安、美的這樣體量的企業(yè)，都花上了十年八年，斥資百億。
同時，不斷招兵買馬、優(yōu)化團隊，提升人才密度，調(diào)整組織架構(gòu)和協(xié)同機制。對B端業(yè)務(wù)的規(guī)劃徐徐展開，新消費業(yè)務(wù)也正在成為樂信的第二增長曲線。
金融科技這片海域斷不會就此平靜，樂信的航線和作戰(zhàn)計劃無比清晰，“艦隊”整兵齊將，亟待加速航行。
一艘平穩(wěn)遠航的大船，風(fēng)險管理必然是這艘船的“龍骨”。
受疫情影響，不少平臺機構(gòu)從2020年初開始都經(jīng)歷了逾期急升、壞賬劇增，至今還沒有緩過勁兒，但樂信的風(fēng)控成績斐然，二季度90天以上的逾期率為1.85%，資產(chǎn)質(zhì)量卻達到了近兩年的最優(yōu)水平。新增借款FPD30，已經(jīng)連續(xù)12個月保持在1%以下。
（注：FPD30是指首個還款日后30天逾期案件GMV÷次月訂單GMV）
與市面上不少信貸風(fēng)控解決方案頗為不同，樂信在風(fēng)險管理的“排兵布陣”并沒有拘泥于貸前、貸中、貸后的全生命周期管理，而是分為兩大維度的“雙保險”。
先是基于前沿科技構(gòu)建的全AI風(fēng)險策略系統(tǒng)，以復(fù)雜網(wǎng)絡(luò)、自動特征生成系統(tǒng)、無監(jiān)督用戶聚類、基于位置定位的風(fēng)險評估體系等一系列“黑科技”為“建筑材料”，和過去八年的業(yè)務(wù)經(jīng)驗一道迭代優(yōu)化出“地基”底層能力，包括壞賬預(yù)測、利潤追蹤、營銷策略等能力，支撐“上層建筑”策略體系。
策略體系則指向大家所熟悉的授信、額度、交易、資產(chǎn)配置等部分的決策，再向上全面靈活支持前端業(yè)務(wù)各個環(huán)節(jié)。
但風(fēng)控不只是一瞬間的決策，樂信想到了要再建一套數(shù)字化管理系統(tǒng)，“升維”到更高屋建瓴的視角，用更長久耐心的觀察，來管理風(fēng)控本身。
新上任的CRO喬楊，曾先后任職于美國通用電氣、Discover、京東數(shù)科，有著超過十五年的全球頭部金融和科技公司風(fēng)險管理經(jīng)驗。他來到樂信的第一件事，就是完善高質(zhì)量的風(fēng)險管理團隊和體系。
他向雷鋒網(wǎng)AI金融評論透露，他們搭建了一整套完善的風(fēng)險監(jiān)控預(yù)警和自動分析的系統(tǒng)，形成了按周、按月的追蹤預(yù)警分析機制，可對核心指標(biāo)完成自動化評估、復(fù)盤和走勢預(yù)測，甚至能將策略體系的表現(xiàn)、模型價值、用戶管理等一系列表現(xiàn)細化到每一天，按天追蹤目標(biāo)是否完成。
倘若實際情況與目標(biāo)有偏差，算法將分析出哪些因素對偏差影響最大，他們再進行針對化地風(fēng)險管控和攔截——這一部分，被稱為自動化歸因。
如果說全AI風(fēng)險策略系統(tǒng)是一座穩(wěn)固的摩天大廈逐步落成，內(nèi)里復(fù)雜精密，日夜運轉(zhuǎn)不停，那么這套監(jiān)控預(yù)警和自動分析系統(tǒng)，就像是給大廈裝上無數(shù)傳感器和攝像頭。
以往可能要每月末、季度末整棟樓檢修，或者明顯的投訴出現(xiàn)，才能查出漏洞，但在自動化、數(shù)字化的管控之下，風(fēng)險管理人員可以及時精準(zhǔn)定位問題、分析問題和解決問題。
“今年早期，我們發(fā)現(xiàn)入催率有一定上升?！眴虠钪v起年初的一次經(jīng)歷，當(dāng)時系統(tǒng)發(fā)現(xiàn)了這一上升趨勢并預(yù)警，隨后自動化歸因系統(tǒng)對波動中的主要影響因素，以氣泡圖的方式展現(xiàn)出來，氣泡大小代表影響程度——氣泡之一，就是行業(yè)某頭部平臺用戶。
“因為年初該平臺對用戶進行了一波降額和關(guān)帳戶的操作，使得這批用戶的流動性出現(xiàn)一定的壓力，所以才會顯示他們造成風(fēng)險上升。再通過自動化檢測和一鍵拆分，將這批用戶精細到不同分組，對癥下藥，終于在一個月內(nèi)讓入催率恢復(fù)到正常水平。”
但風(fēng)控不只在于“控”。風(fēng)險管理是一門平衡的藝術(shù)，將誰放在天平兩端，同樣考驗著管理者的戰(zhàn)略目光。
喬楊表示，此前他們更在意GMV的提升，但如今要保證利潤的前提下，同時針對樂信自身需求和用戶要求，完成風(fēng)險定價和額度體系的差異化。
就以定價為例，對有著強烈借貸需求的用戶（借貸饑渴用戶），定價上漲并不會嚴(yán)重影響到交易額，同時潛在利潤率上升明顯。
但對優(yōu)質(zhì)用戶（即還款意愿和能力均優(yōu)，但借貸需求不高的用戶）而言，過高的定價沒有帶來大幅增加的利潤，反而容易導(dǎo)致他們的交易量下降。
這樣的策略精細化升級，不僅是為了業(yè)務(wù)增長，更為了在利率下行、監(jiān)管趨嚴(yán)的大環(huán)境中，健康穩(wěn)健地走得更遠。
不過，樂信的風(fēng)控建設(shè)絕不止步于此，長遠規(guī)劃已經(jīng)出爐。喬楊向AI金融評論透露，在數(shù)據(jù)應(yīng)用上，由于樂信并非純信貸平臺，交易、電商等多維度的數(shù)據(jù)積累更為豐富，讓自有數(shù)據(jù)“物盡其用”會是首要任務(wù)；也將遵循監(jiān)管要求，加強數(shù)據(jù)安全和隱私保護。
征信方面，樂信將與征信機構(gòu)保持密切合作，并加大對人行報告的解讀力度。
前文所述的監(jiān)控預(yù)警自動化系統(tǒng)，不光聚焦C端業(yè)務(wù)的風(fēng)險，將這套系統(tǒng)在B端業(yè)務(wù)持續(xù)完善，同時提升覆蓋度和延展性，盡可能降低人工干預(yù)的操作風(fēng)險，也是樂信今明兩年的重點攻克方向。
AI與風(fēng)控的結(jié)合，無疑是樂信的“拿手好菜”，但他們也意識到，風(fēng)控以外的功夫，遠遠不能放松。
“整個業(yè)務(wù)鏈條，每一環(huán)都有巨大升華空間，這是我們未來2-3年內(nèi)持續(xù)深耕投入的地方?！盋TO陸勇曾是新浪移動CTO、平安壽險CIO，擁有超過20年技術(shù)研發(fā)和管理經(jīng)驗，他迅速排查出了樂信這艘大船未來可能出現(xiàn)的短板。
這場嚴(yán)密細致的技術(shù)升級，仿佛游戲通關(guān)打怪，一環(huán)扣一環(huán)。
第一環(huán)，精準(zhǔn)獲客，是陸勇最熟悉的課題之一?！巴斗艔V告或是渠道合作時，怎樣精準(zhǔn)找到我的客群，怎樣用最合適的競價讓流量進來，怎樣達到最高的轉(zhuǎn)化率，這實際上是過去十年、二十年中非常經(jīng)典的問題。”
如何迅速透徹地了解一個新用戶，同時又不能踩到隱私保護的紅線，更是樂信乃至各大互聯(lián)網(wǎng)平臺都繞不開的痛點。
為此，陸勇帶領(lǐng)團隊兵分兩路，一路造“盾”，向聯(lián)邦學(xué)習(xí)建?！斑M軍”，在保證完全合規(guī)保護用戶隱私的前提下，進行安全的數(shù)據(jù)共享；另一路造“矛”，不斷深化用戶全鏈路價值模型，充分挖掘人群屬性、提升算力等等。
智能資產(chǎn)匹配，是樂信業(yè)務(wù)鏈條中承前啟后的一環(huán)，“就算只有0.1%的改善，都是非?？捎^的凈利潤提升?！?/p>
陸勇定下的目標(biāo)是，達到全局最優(yōu)的匹配。
但這對所有互聯(lián)網(wǎng)平臺而言，都是極具挑戰(zhàn)的命題：過程是多目標(biāo)優(yōu)化，約束條件也有多個，同時來自資金方或是樂信自身，還隨時可能發(fā)生變化——可如果算法做不到動態(tài)優(yōu)化，則牽一發(fā)而動全身。
他告訴雷鋒網(wǎng)AI金融評論，攻關(guān)路線定在這三條：
“多目標(biāo)的動態(tài)規(guī)劃基礎(chǔ)，這也是行業(yè)內(nèi)比較經(jīng)典的技術(shù)；接下來要做的，是強化學(xué)習(xí)以及多種深度神經(jīng)網(wǎng)絡(luò)算法和圖算法，包括粒子群算法。正在嘗試的進化算法類模型，也比較有效?！?/p>
助貸模式下，資金方的接入，是看似瑣碎平常卻大有優(yōu)化空間的一環(huán)，也是頗具數(shù)字化轉(zhuǎn)型色彩的一環(huán)。
由于資金方的需求、合規(guī)流程、內(nèi)部系統(tǒng)往往千差萬別，行業(yè)內(nèi)通常要用1-2周時間完成接入。但在今年面世的Toplink系統(tǒng)幫助下，樂信接入資金方的時長縮短至分鐘級；同時通過魯班系統(tǒng)，完成接入流程的全自動化測試。
Toplink背后，是五大模塊的優(yōu)化貢獻：貸前，流程編排，自動校驗，規(guī)則器，元數(shù)據(jù)映射器。簡而言之，是用機器配置計費、規(guī)則各種平臺，讓AI去理解合同，既免去了六至七成的人工操作，也達成了更精準(zhǔn)的接入效果。
不只是Toplink和魯班，陸勇表示，樂信內(nèi)部有上百個這樣的小型標(biāo)準(zhǔn)工具，將接入流程的每處細節(jié)加速打通，不僅可以釋放人力，其他業(yè)務(wù)環(huán)節(jié)也能以此為“樣板”優(yōu)化工作效率。
而在樂信整體的技術(shù)大方向上，他透露，機器學(xué)習(xí)是投入最多的一環(huán)，團隊也著重發(fā)力于機器學(xué)習(xí)平臺2.0，達到深度學(xué)習(xí)、多模態(tài)學(xué)習(xí)、多目標(biāo)學(xué)習(xí)等，期望AI和大數(shù)據(jù)未來能在業(yè)務(wù)全鏈條，甚至是企業(yè)內(nèi)部的經(jīng)營管理環(huán)節(jié), 比如人員招聘、人才管理上，都能大展身手。
此外，中臺建設(shè)、AI中心的加強、運維能力和安全能力的提升，也將是樂信后續(xù)的主要技術(shù)調(diào)整方向。
在對自營業(yè)務(wù)的管理精細化、自動化，加強“自體造血”“新陳代謝”能力的同時，樂信也已經(jīng)形成了一套對外“獻血”的成熟體系。
“很多人總覺得，傳統(tǒng)金融機構(gòu)的痛點就是缺流量、缺用戶、缺乏科技風(fēng)險管理能力等，但最核心的原因是，其實是缺乏風(fēng)險定價能力?！眴虠钫f。
當(dāng)機構(gòu)面向多元的用戶需求，沒有“精耕細作”的風(fēng)險定價能力就招架不住，舊用戶留不下、新用戶進不來，后續(xù)的信貸風(fēng)控管理也就成了無根之木。
為此，樂信通過“樂圖”“樂圖Pro”“負(fù)熵”三個系列產(chǎn)品組成對外賦能的“鐵三角”，面向不同的資產(chǎn)類型，向合作金融機構(gòu)輸出不斷精進的風(fēng)控能力。
據(jù)喬楊介紹，樂圖和樂圖Pro分別面向樂信站內(nèi)和站外的資產(chǎn)，前者以助貸平臺形式，幫助合作伙伴提升貸款通過率、守住資產(chǎn)風(fēng)險。
當(dāng)合作金融機構(gòu)與其他互聯(lián)網(wǎng)平臺合作，樂信則通過樂圖Pro輸出標(biāo)準(zhǔn)化風(fēng)控產(chǎn)品，加強傳統(tǒng)金融機構(gòu)對線上流量的判斷力。
當(dāng)前樂圖合作機構(gòu)超過6家，平均每家通過率提升1.69倍；服務(wù)于非樂信資產(chǎn)的樂圖Pro，日均調(diào)用量超過8萬次。
盡管樂圖及樂圖Pro數(shù)據(jù)亮眼，但負(fù)熵才是樂信最寄予厚望的“終極形態(tài)”。
近年來，監(jiān)管持續(xù)鼓勵銀行加強自營業(yè)務(wù)和自主風(fēng)控能力，AI金融評論也多次報道中小銀行的獨立風(fēng)控困境。喬楊預(yù)計，銀行普遍獨立完備風(fēng)控的目標(biāo)，需要五到十年時間才能達成。
有業(yè)內(nèi)人士向我們強調(diào)，銀行必須要從自己的土壤中“長出”這些能力，而不是依賴現(xiàn)成的方案。
負(fù)熵的定位，正與這一思路吻合，即以深度綁定、聯(lián)合運營的方式，拒量回?fù)?，幫助銀行搭建自營業(yè)務(wù)的閉環(huán)能力。不僅是單純替銀行獲客，更要提供成套的定制化風(fēng)險服務(wù)能力，所有服務(wù)交易環(huán)節(jié)在銀行自身的賬戶和產(chǎn)品體系內(nèi)完成，從而讓銀行做大業(yè)務(wù)規(guī)模。
今年一季度，負(fù)熵正式面世，上線首月即完成了約五千萬的交易規(guī)模目標(biāo)。
除此以外，喬楊還向雷鋒網(wǎng)AI金融評論表示，去年年初開始，樂信對催收就進行過大幅度智能化改造，包括智能語音機器人用于催收，用語音質(zhì)檢規(guī)范客服交流標(biāo)準(zhǔn)，催收案件的分類、分派和分析等——這一整套貸后催收的能力，也計劃全部開放給合作機構(gòu)。
在與陸勇、喬楊的對話中，樂信的更多發(fā)展規(guī)劃，也像那些被拆分、細化的氣泡，呈現(xiàn)在航海圖上。
例如在人員規(guī)劃上，他們已經(jīng)著手提高人才密度，搭建、優(yōu)化團隊，對組織架構(gòu)進行一定調(diào)整。
同時，對存量業(yè)務(wù)和新業(yè)務(wù)進行組織化拆分，新業(yè)務(wù)的授信、交易、額度管理等體系都獨立出來。
“新業(yè)務(wù)追求短期內(nèi)的不斷迭代優(yōu)化，不能一套風(fēng)險管理邏輯、同一批人馬，既做線上又管線下，既做C端又做B端，對響應(yīng)速度影響很大?！眴虠罱忉尅?/p>
陸勇也盤算了詳細的科技進化“四步走”，先是數(shù)據(jù)打通拉齊，再是數(shù)據(jù)分析治理，然后數(shù)據(jù)歸因，最后形成一定的輔助決策、預(yù)測能力。
“把基礎(chǔ)打牢，把過去沒有做好的事情理順，實際上我們的儲備相當(dāng)可觀，最重要的就是開始落地?！?/p>
金融科技這片海域從未有過多少寧靜，但總有人愿意駛?cè)牒Ｖ校虿龥坝刻幮?。一切正有條不紊地開展著，陸勇也告訴我們：
“這是大爆發(fā)的前夜，我們準(zhǔn)備好戰(zhàn)斗了?！?/p>
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
