0
| 本文作者： 溫曉樺 | 2016-12-21 23:05 |
雷鋒網(wǎng)消息，在周日于深圳舉行騰訊大數(shù)據(jù)技術(shù)峰會暨KDD China技術(shù)峰會上，百度金融服務(wù)事業(yè)群組研發(fā)負責(zé)人、KDD China副主席沈抖博士介紹了百度金融各場景背后的人工智能技術(shù)和方案，包括安全防護、智能獲客、大數(shù)據(jù)風(fēng)控、量化投資等。
以下是沈抖博士演講實錄，雷鋒網(wǎng)做了不改變原意的編輯：
除了通過攻擊機器，黑客還會在你跟服務(wù)之間的通信鏈路上去突破，所以我們就必須做好加密，這也是為什么現(xiàn)在所有的銀行板塊基本都會使用HTTPS加密。原來百度搜索不是這樣做的，因此會導(dǎo)致用戶搜索過某些東西后，就會接到推銷電話的情況，其實這是因為在中間的鏈路就被劫走了。如果這招還搞不定，設(shè)備是安全的，鏈路也是安全的，那么黑客能想到的就只能把你的用戶名和密碼偷走了。所以會出現(xiàn)很多地方的賬號泄露，也導(dǎo)致很多拖庫和撞庫事件的發(fā)生。
往下想還有更可怕的是身份盜用。所以這時候就有必要去做謂生物佐證和活體識別?，F(xiàn)在，活體識別是整個金融行業(yè)做身份識別中非常重要的一塊。照片容易復(fù)制，所以單單提供一張臉也未必就可信，所以必須讓用戶做活體，比如眨眼、扭頭、張嘴等。
所以上述就是安全防護中會出現(xiàn)的攻擊步驟，并且一步步都變得愈加嚴重。那百度現(xiàn)在每天有這么多的數(shù)據(jù)，可以做什么呢？
登錄授權(quán)，身份刻畫
比如所謂每天300億次授權(quán)，就是如果你處于登錄狀態(tài)，每對百度進行一次訪問，這個PV都會到達后臺，可以做什么呢？就是比如雖然登錄的時候是你，然后傳輸過程中也是你，但是有可能黑客在不知道什么地方就把你的身份信息截獲了，并從另一個地方登錄訪問。所以從系統(tǒng)上來講，我們要實時地判斷這個身份是否已經(jīng)被替換了。
所以，每日300億次授權(quán)，200億次定位，60億次點擊，3億次登錄請求都可以用作身份刻畫。實際上在判斷一個賬號是否安全的時候大概就看這幾方面：
時間沖突
首先時間上，如果突然有一段時間在印度，突然有大量的百度賬號，而且晚上兩點三點發(fā)生很大賬號行為，但這行為卻是根本沒干什么。很多黑客一下撞庫拿到很多賬號之后，他怎么辦？他就真的是批量地去嘗試——這些賬號能不能登陸？假如都登錄完了之后，發(fā)現(xiàn)你有錢包賬號，他什么都不干，直接跳去看你有多少余額。一般正常人不會做這樣的事（意味著是安全風(fēng)險的信號）。
所以實際上所有這些數(shù)據(jù)合在一起，基本上就能判斷這個人到底是什么情況了，也因為如此我們就會加重組織的風(fēng)控指標(biāo)，來判斷每一次登錄是否正常。
證明“你是你”
說完流程，下面講一下怎么去判斷一個人真的是一個人——證明“你是你”。
證明你是你的時候有很多方法，包括前文的人臉識別、活體識別等，但在現(xiàn)在移動設(shè)備流行的前提下，有一個手段是非常便捷的——手寫簽名。
在移動設(shè)備上，因為它可以記錄每個人簽名過程中的力度、速度、書寫風(fēng)格等，所以在采集到信息后，算法上把整個字分成各種小段，進行特征分類等方法來進行簽名比對。這種方法的好處在于，每個人的書法習(xí)慣是很難去模仿的，因為一旦有了模仿的前提，速度和節(jié)奏極可能發(fā)生變化。
其實智能獲客和大數(shù)據(jù)風(fēng)控都離不開對人的畫像刻畫。無論要做獲客，找到這個人；還是要做風(fēng)控，判斷這個人是好人或壞人，都要對每個人有非常深刻的了解。
我們舉幾個例子，看怎么去了解一個人：
首先看看有沒有貸款的意愿，可以從人生階段、消費習(xí)慣等能夠判斷趨勢；
接下來就看其有沒有還款的意愿，是不是很想貸，但貸了不想還；
那如果即使想還，還要看其有沒有還款能力，有可能還不起，比如尤其是過度消費導(dǎo)致多頭借貸的情況；
最后就是沒有還款意愿的欺詐行為。
任何行業(yè)都存在獲客的問題——低成本地獲得想要的客戶對業(yè)務(wù)經(jīng)營的作用不言而喻，金融行業(yè)同理。金融領(lǐng)域要想做好獲客，大概是這幾個方面：
第一，得知道其有這個需求；
第二，得有通道去抓獲。
無論是從搜索、LBS，還是到瀏覽，都表達了客戶的需求。如宏江老師所說，一些新聞推薦你也許覺得不相關(guān)，但其實也表達了你的潛在訴求，你的行為就是你自己。通過這些行為，我們就能看出來這個人到底想干嘛，然后通過標(biāo)準(zhǔn)分類把他們找出來。
再舉個例子，即使知道了這個人想干嘛，還得必須得有一個方法以特別快速地去處理，因為客戶的需求變化很快。如果一個人，如果一個人，發(fā)現(xiàn)他有借貸需求時，在第一天向其推送消息時，其響應(yīng)率比較高，如果到了第二天再推送，響應(yīng)率則衰減一半。
之所以出現(xiàn)這種情況，一方面可能是因為人的興趣確實在變，昨天有消費沖動，但是過了一天就冷靜下來了。第二種情況是因為現(xiàn)在互聯(lián)網(wǎng)金融或者叫科技金融實在是競爭太激烈了，今天沒有回答他，就有人接替來出單了。所以從這些角度來講，我們不但要安全地觸達，還要及時。
獲客的話，我們要在智能的區(qū)域出價，以合理的價格觸達每一個用戶，不可能不計成本地去做。因此，這里面就是涉及怎么動態(tài)地調(diào)整定價策略、出價策略，就是根據(jù)客戶的貸款意愿強弱、還款能力強弱，是否存在欺詐可能等。所以這些因素考慮完了之后，根據(jù)這樣的ROI來出價把客戶給拿下來。
這個推算也不難，基本上是：把顧客的收益乘以轉(zhuǎn)化再乘以目標(biāo)ROI，然后再加上一個條件因子，因此可以得出來一個競價。然后競價會隨著ROI變化來調(diào)整，連二階導(dǎo)數(shù)都用不上。所以，這就做到了在ROI不變的情況下，能挑到越來越好的用戶。
除了要控制好成本，及時給出消息，我們還得給出一個好消息。所以我們這里面就分成幾點：
首先這個取決于客戶的興趣愛好、人生階段，客戶的生命周期、生活體制、消費水平等所有因素放在一起解決的。在今天，我們還看到比如微信支付在機場等一些地方張貼廣告，拉客戶，其實這種成本是非常高的。公式計算的是：比如需要多少補貼，一個用戶才會使用我們的產(chǎn)品來支付；第二個是轉(zhuǎn)化率不能特別低，成本省下來了，用戶沒有獲取到，這也是不行的。這些都可以提高獲客的效率和效益。
那么這個這里面最關(guān)鍵的一個是轉(zhuǎn)化率的問題，就是現(xiàn)有模型的問題。在這樣一個補貼的情況下，在這個場景下，到底要不要轉(zhuǎn)化？所以大家特別想獲得一個補貼的話，可以在選擇時猶豫猶豫。（說不定系統(tǒng)會以此提高補貼額度，哈哈！）
下面是大數(shù)據(jù)風(fēng)控。這里列了很多模型，真正在做金融的時候，整個用戶的生命周期里面，每一個階段都會有很多模型來支持。這也是為什么這個金融行業(yè)需要大量機器學(xué)習(xí)、數(shù)據(jù)挖掘、人工智能等專業(yè)人才。
比如，申請的時候就有風(fēng)險模型欺詐策略；
然后到額度這種流動模型貸款利率的時候就需要定價模型，雖然現(xiàn)在國內(nèi)我們?nèi)シ抠J時利率差不多，但實際上每個人風(fēng)險不一樣，利息率就應(yīng)該不一樣；而欺詐貸后管理的過程中，則需要行為風(fēng)險模型。
行為風(fēng)險模型的使用，比如說現(xiàn)在的教育貸款，用來幫助資金比較短缺的學(xué)生投資自己的，上個補習(xí)班之類，但如果放貸后發(fā)現(xiàn)，這個學(xué)生基本不上補習(xí)班，還經(jīng)常在BBS上討論游戲攻略，那應(yīng)該趕緊把錢要回來了。所以風(fēng)險模型都會去判斷放出去的貸款的風(fēng)險的大小。
但如果是好的客戶，我們需要持續(xù)地做，但其有可能是抓不住的，這就要看其流失的風(fēng)險。
最后是逾期催收和失聯(lián)修復(fù)的所用到的模型。
所以有很多這種模型，這里面是簡單的說明。以前的風(fēng)控模型和現(xiàn)在的機器學(xué)習(xí)沒有很大的區(qū)別，但過去的做法不對。一來缺乏是大量數(shù)據(jù)實時輸入，二是用戶端和企業(yè)端是否做到各方同時考慮呢？比如教育貸款這個場景，也許學(xué)生是好學(xué)生，但是機構(gòu)不是好機構(gòu)，這樣的風(fēng)險更高。
此外投資資產(chǎn)質(zhì)量的問題，也是有很多數(shù)據(jù)可以在前期把風(fēng)險識別出來。比如高速公路想要用抵押的方式貸新款，銀行需要調(diào)查高速公路的車流量時，過去真的要派一個人到實地去考察，現(xiàn)在OBS、GPS這么發(fā)達，它們收集的數(shù)據(jù)足以幫助設(shè)計完成這個任務(wù)。
最后講一下量化投資。量化投資的正常流程是：
投資標(biāo)的調(diào)研
篩選出合適的標(biāo)的，然后建立投資組合
組合風(fēng)險控制，動態(tài)調(diào)倉
這里面用的是搜索量和股價之間的擬合程度的原理。因為百度上每天跟股票名稱和代號相關(guān)的搜索大概有2000多萬次，而且我們分析一下發(fā)現(xiàn)，搜索量和股票價格的關(guān)系度比較高，其正相關(guān)相關(guān)系數(shù)在0.7以上，本身這個搜索量其實就反映了一個用戶對股票的興趣程度，這時我們再加上隱形的因子判斷，再慢慢地我們自己的理解就能反映出來，潛在的買家在哪里。所以這些東西放在一起，就可以對股票的價格有非常好的建議。
而除了股票價格以外，還有很多其他行業(yè)研究可以做。比如汽車行業(yè)的銷量調(diào)研，我們也可以從OBS數(shù)據(jù)里擬合汽車的銷售量，有了這些行業(yè)數(shù)據(jù)以后就可以比別人更早地獲悉機遇，更早地在這些領(lǐng)域掉頭，或者增資。
從一些更細的因子來看，我們希望機器學(xué)習(xí)了各種指標(biāo)后，找到那些相關(guān)的，最好是強相關(guān)的因素，包括搜索輿情，能夠在這個幾個指標(biāo)上都能夠形成比較穩(wěn)定的相關(guān)性。
雖然這講的是百度金融，但其實不止是百度金融，這也反映出來從互聯(lián)網(wǎng)金融，到科技金融、金融科技，整個演變過程，其行業(yè)前景都是要用好大數(shù)據(jù)、人工智能這些技術(shù)。
后記：
雷鋒網(wǎng)此前報道，今年百度世界大會金融分論壇上，百度立下以人工智能為中心的金融科技flag，從以上的介紹來看，大家如何看待百度金融的實力以及潛力呢？
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。
