☞【大数据100分】好贷网吴昊：论信贷风控中第三方数据的重要性
主讲嘉宾：吴昊
主持人：中关村大数据产业联盟金融大数据专业委员会 副主任王俊刚
承办：中关村大数据产业联盟、金融大数据专业委员会
文章整理：贾彤飞
嘉宾介绍：
吴昊：好贷网大数据事业部总经理。带领的团队主要负责好贷网数据整合、数据清洗、数据分析，云风控平台设计和研发。好贷网是中国最大的贷款搜索与分发平台，累计在中国160余个城市开通了本地化的贷款搜索频道，服务于全国7000家信贷机构、15万名信贷经理，平均每年处理200万笔贷款申请。好贷云金融项目已和全国5000余家各类网站建立起联合贷款搜索分发合作。2015年好贷联合FICO推出云风控项目，运用大数据和云平台对合作信贷机构提供风控工具。
以下为分享实景全文：
吴昊：大家好，我是好贷网大数据事业部的吴昊，很荣幸能够跟大家汇报和分享我们在信贷风控领域和大数据应用领域的一点心得。今天我跟大家分享的主题是关于第三方数据对于信贷风控的重要性。我们好贷网成立至今已经满2年的时间，这2年当中我们通过贷款垂直搜索，一直致力于为信贷行业提供更加全面的信息服务。原先我们只提供借款人的匹配，就是说如果有人在好贷上申请贷款，我们会把他匹配给信贷机构，目前我们已经累计处理了超过500万次贷款申请。但我们在服务当中发现，很多信贷机构尤其是中小信贷机构对于风险处理能力不足，除了提供借款人，我们还希望能做更多的事情。
信贷机构进行风控，本质是收集各种数据，然后进行分析。但是分析的过程包含着太多人工成本，以及由此导致的低效和浪费。拿我自己的例子来说，我曾经在一家担保公司做过信贷经理。我在工作中最痛苦的地方是每个星期5的时候需要把部门所有的客户在当地法院网站上查一遍有没有新的涉诉或者被执行记录。每家企业客户包含企业名称、法人夫妇、股东夫妇、关联公司等等名称信息，而我们当地法院又有6个区级法院+1个市中院的查询入口，当时整个部门又有几十家在保客户，这个工作几乎能占用我一整天的时间，而且极其枯燥。而这也仅仅能解决一小部分问题，如果这些公司在外地涉诉呢?如果我刚好有一周忘记查询，而那周正好出现涉诉案件呢?如果我为了重复做这些工作，忽略了其他客户的维护和调查呢?我相信这种现象是普遍存在的，对于信贷机构来说都是巨大的时间成本与机会成本。
还有一个问题是维度不足。比方说，一个贷款申请人提交的身份证，到底是真的还是假的?我在网上看到很多版本的识别真假身份证的办法，但是有没有用计算机系统来识别的方式呢?比方说，一个贷款申请人提供的工作信息，我们传统方式是核验他的银行流水，看他的工牌，但是这两样东西如果造假怎么办?我们如何来从其他维度识别银行流水真假，如何从其他维度来辨析他的身份信息是否合理?如何发现他是否有其他的潜在风险?再比方说，一家企业申请贷款，这个老板名下是否有其他公司?该企业的销售额当中有多少是关联交易?如果单靠现有的维度，很多风险我们根本无法发现。
由此延伸出来的，还有道德风险的问题。风控人员不直接接触客户，纯凭信贷员提交的数据进行分析和审批。不可否认，每家机构都或多或少碰到过道德风险的问题。风控人员如何从更多维度交叉核验这些信息的真实性和有效性，也需要大量的数据支持。
值得注意的是，现在的信贷行业逐渐进入了强者恒强、弱者恒弱的时代。大的银行在信息化建设方面已经投入了巨额成本，构建了很强大的数据收集、数据处理、反欺诈的决策引擎，大幅度地提高了风控效率，降低了风控成本，以及规避了大量的欺诈风险。而小的信贷机构笔均处理成本高于大的机构，风险承受能力低于大的机构，关键是那些信贷欺诈和劣质客户在银行借不到钱，都跑去找小机构了。再加上经济下行，违约风险也相应提高。所以我们可以看到，平安越做越大，而很多区域型的小贷机构甚至是只遇到一些内部的勾结欺诈拖就会被拖垮。
所以我们一直在思考，我们能否来解决信贷机构的这些痛点。中小信贷机构当然不可能像大银行那样构建一整套庞大的数据后台，或许也不知道该如何整合更多维度的风控数据，所以我们构建了云风控平台。
云风控平台整合了多种数据来源，我们和各家征信公司、互联网公司、大数据公司、反欺诈公司开展广泛的数据合作，整合了数十项类别的数据，由此延伸出来的交叉维度达到数千项。
我们与战略合作伙伴FICO合作，在云风控平台里嵌入了FICO信贷决策引擎，大幅度提高信贷机构的信息处理能力。云风控也是国内唯一嵌入FICO信贷决策引擎的大数据平台。3月25日我们刚和FICO在北京办过联合发布会。FICO嵌入了基于中国经验及海外专利技术的系列模型、逻辑、策略，采用国际一流银行的标准流程，帮助P2P或小贷公司对贷款申请进行评分、决策，并提供决策原因。评分实时打出，分为消费者和小贷企业两套模型评分及策略。
同时云风控能够帮助信贷机构实现全自动风险监测、并批量管理监测列表，发现风险第一时间发出提示和预警。
中小信贷机构在信息处理能力上相比于大的机构有很大的不足，相关经费预算不可能像大的机构那样投入巨资去构建一个专门的体系。所以我们开发了这套云风控工具，能够把数据整合、调用、监测、评分等一系列数据应用集成在云端，同时我们不对合作机构收取任何接入费和管理费，真正实现即时开通，0成本接入，快速使用。我们希望把云风控打造成第三方风控数据的整合平台，帮助信贷机构从更多维度降低风险，并且通过接入FICO信贷决策评分服务，让信贷机构0距离接触到国际领先的信贷决策模型，提高批量处理能力。我们的产品规划是每3个月推出一个新版本，在这个过程中我们会跟合作机构密切交流，针对合作机构提出的要求进行快速改进和迭代，为合作机构打造最适合自己、最极致的风控工具。以上是我今天的分享，欢迎大家批评指正!
互动交流
交集:谢谢吴总的精彩分享，能介绍一下目前好贷云风控系统接入的中小贷款机构的情况吗?
吴昊：我们2周前刚和FICO举办联合发布会，目前已经有几家平台已经接入，几十家平台正在对接中。谢谢!
醉清风：贷款机构主要是指小贷担保，p2p等机构吗
吴昊：是的。坦白讲大的银行自己有自己的数据整合、分析平台和决策引擎，我相信这也是大银行和中小信贷机构差距最大的地方。我们相信通过为中小信贷机构提高信息获取和处理能力，有助于他们发挥自身创新和灵活的优势，实现弯道超车。
石鹏-块钱COO:需要接入的公司提供哪些数据?我们不会强制要求合作公司对我们上传各种数据。但是如果要查询一些具体的信息，如身份核验、黑名单、多头负债等，索引项是需要包含身份证号、姓名或电话号码等信息的，不然搜索不到结果。同时我们有黑名单共享机制，信贷机构上传10条黑名单数据可以换取20次新的信息查询机会。我们想通过这样的方式能够整合更多的负面名单，更好地为大家服务。
醉清风：好贷网如何收取费用呢?好贷网对于系统开发、维护、对接、升级、改进不会收取信贷机构任何费用，完全免服务费。但是由于数据接入是有成本的，这个成本以好贷现有的能力无法COVER住，所以会在信贷机构调取风控数据时产生单条的查询费用。这是我们唯一会产生费用的地方了。
交集：你们通过FICO信贷决策系统最终给出的结果，在贷款机构中参考意义有多大呢?我之前的公司其实也引入了FCIO决策模型，但是审核审批人员做贷款决策时基本不会参考系统给的结果。
吴昊：关于FICO决策模型，我想说这真的是一套不错的东西。央行征信中心、4大国有银行、30几家商业银行都在用FICO的技术。可以说，在决策模型领域，FICO技术就算在全球也是处于顶尖水平的。但是一套技术如何应用，这又是另一个问题。一套信贷决策模型并不是风险控制的全部。信贷产品设计是否合理、内控制度是否严格、风险定价是否科学，这能够抵挡住80%的风险，剩下的20%才考验风控技术、决策水平。所以FICO在全球范围内做的事情并不是一口气解决所有风险，而是提高信贷机构批量处理审批的能力。同时，FICO也会陆续在云平台推出贷款申请阶段的行为反欺诈评分、还款阶段的还款行为风险评分、催收阶段的催收策略评分。
王俊钢：他们的策略如何和我们的数据结合呢?一般小贷公司没有接入央行征信，所获取的信用强变量信息不多?
吴昊：小贷公司没有接入央行征信，不代表小贷公司无法获得客户的人行征信报告喔~所以还是可以结合的。
王俊钢：但央行的信息很少，比着fico在国外的那么多强变量还是微乎其微的~FICO并不是把国外的模型直接拿来国内用。FICO进入中国已有10年，这10年间FICO服务了中国所有的中大型银行，积累了大量的针对中国国情的经验和算法，并且被市场证明是有效的。
王俊钢：恩，挺强的。那有哪些好的变量或策略可以分享么?
吴昊：蛮多机构对FICO的决策引擎有误解，以为直接是美国的经验搬到中国来用。实际上FICO在中国推出的服务是用FICO在全球100余项算法专利与中国国情和数据的完美结合。我分享一个案例吧。FICO之前和Google做过一个联合统计。那些在Google上搜索“如果我借钱不还会怎样”的人群，和那些没有搜索过类似内容的人群，逾期率是几乎相同的。很多互联网上的非结构化数据缺失有一定的分析价值，但是至于是否能够直接反映借款人的还款意愿和还款能力，真不好说。所以虽然FICO运用的数据来自于传统的央行征信和信贷行业本来就要收集的数据，并不来自于互联网非结构化数据，但FICO模型所调用的数据已经在这几十年来被重复证明是行之有效的。
醉清风：其实宜信早期和fico合作开发的模型，也不大好用。
吴昊：造成“不大好用”的原因真的非常多，我就不一一展开来说了，一个再完美的产品也会有用户满意或不满意。但是FICO在世界上首创了信贷评分卡模式，同时全球数千家信贷机构在使用FICO的技术，我相信还是能说明一些东西的。
醉清风：嗯，这次fico云平台中国合作伙伴就好贷和宜信两家。
吴昊：不止喔!FICO云平台发布的时候有10余家p2p机构和FICO进行了签约。现在早就不止这个数字了，想通过好贷接入FICO的公司也有几十家了。
醉清风：其实很关心fico还是通过评分卡模式，对于互联网非结构数据，云平台处理有何创新?
吴昊：其实对于信贷风控，我们做得很保守。因为我们看到不管是国内还是国外，成熟的风险控制流程都是基本一样的，几十年来没有发生太大的变化。所以我们并不是去开创一套全新的风控模式，我们只是提供更多维度的数据交叉核验降低风险，通过搭建云平台降低成本，通过引入FICO技术提高效率，先解决信贷机构最头疼的问题，然后在确保方法有效的前提之下去创新，这也是对合作机构负责。其实类似于zest finance的模式我们一直在关注，但是现在就照搬到国内大范围使用显然太早，在金融领域尤其是风控领域，有限创新+稳扎稳打，我相信是最好的方法。
月球人：所以还款能力之外 还款意愿也很重要?
吴昊：是的，假如你的信贷产品设计得很好，风控审批非常到位，但是对逾期客户的催收工作不到位的话，你的坏账率也会很高。原因很简单，如果欠钱不还不用被追责，那干嘛要还?这就是还款意愿。
月球人：所以你们主要目标客户是p2p?
吴昊：以及小贷公司，担保公司等。
月球人：那p2p需要给你们提供数据么?
吴昊：我们有鼓励数据共享的机制，但是不会强制要求信贷机构提供数据给我们。
马志伟：其实fico的决策引擎和决策逻辑/策略是两回事。决策引擎只是一个IT系统，而规则和策略取决于是否有相关的数据和实操经验
吴昊：是的，很多机构在产品设计的层面不合理，内控制度不科学，催收手段跟不上等等方面交了很多学费。这是任何第三方机构无法帮助他们的。
马志伟：fico的通用模型更多是based on银行的数据，而大部分互联网金融/小贷公司本身又没有数据去开发cistomized模型，这些是需要时间的积累，也是很多小贷公司发现fico系统和模型“不好用”的原因吧
吴昊：个人感觉银行的数据和小贷的数据固然有差异，但毕竟没有本质差别。FICO模型判断出来的优质客户，不可能在小贷领域大范围坏账，相应的FICO模型判断出来的劣质客户，也不可能在小贷领域变成优质客户。
马志伟：这一点倒不太认同，消费信贷也许是，但对公司业务其实差别很大。对工行来讲1500万的贷款都是小微了不同的样本一定是不同的模型。
吴昊：对于公司业务，信贷机构主要还是要求担保物，以及很多非财务因素的调查，国内外玩法基本差不多。公司业务对于尽调期限、放款速度等没有太高的要求，也很难标准化。所以信贷机构的痛点主要集中在个贷和标准化贷款产品领域。
马志伟：几年前在香港是测试过fico的globalscorecard，即使在市场化程度相当高的香港，效果也不太好。所以建议一定要用自己的数据做一些验证，盲目借用别人的模型会死人的。当然决策引擎系统本身是另外的概念了
吴昊：肯定需要有个过程。FICO自己也从来没有要求任何机构把FICO评分作为唯一放贷决定因素。
戴星：谢谢吴总分享，我们很愿意多向Fico学习，还有iPC，只是知识产权保护很严密，看不到模型原理，总不踏实。进中国说按国情改，大约是借用了银行数据，肯定强，但用于P2P的资产，可能还要有个数据积累过程。对个人消费贷类相对标准化产品，Fico应该有统计优势，关键是他有无懂中国信贷经验的模型设计师，光靠历史数据拟和是搞不了模型的。外资公司在中国往往不会用人。
吴昊：其实中国的个贷市场近10年来的变化一直不是太大。虽然产品的形态发生了很大的差异，但是风控和审批的逻辑、方法论和需要调用的字段差不了太多。我相信FICO进入中国这10年，除了数据拟合之外也做了很多改进和研发，否则FICO中国的客户不会包含那么多大的银行。
戴星：有些东西，中美是有共同点的，比如买suv和喜欢onsa|e的程度，找到这样的产品契机，Fico就无敌了。中国信用卡完全仿冒美国搞，银行不用Fico都不敢担出问题责任，这就是打体制的利器。但Fico积累了数据就真无敌了，关键还在分析上，数据曲线做了还简单，分析要接近实际，揭示出原因，不易呀。
吴昊：是的，风控是门艺术，是不同风险变量的综合体。一个变量发生变化有可能导致所有变量都发生连带变化，同一个信贷产品，同一个客户群体，同一个审批模式，在不同的经济环境，甚至不同竞争对手数量的情况下逾期率都会完全不同。
袁晔：大家比较了解FICO的核心是评分体系，FICO本身不提供数据，所以好贷能否对目前接入的第三方数据和反欺诈数据库的情况介绍一下呢?而且反欺诈除了数据还需要设备指纹和生物探针等相关技术，这方面好贷是如何做的呢?
吴昊：@袁晔我们接入了广泛的第三方数据，云风控平台对信贷机构的功能之一就是风控数据的整合工具。
罗凯建：沒数据，你的第三方数据中含贷款、还款数据吗?要客户提供人行征信么?另外，上传1条黑名单換2次免费查询，挺好，还有其他鼓励共享的机制吗?怎样才符合黑名单资格?逾期1天?90天?客户能申请从黑名单移出吗?机制是?查询黑名单免费?
吴昊：消费金融云风控平台的定位是对人行征信报告互相补充，提供的主要是征信报告上面没有的信息，包含在互联网上贷款申请、逾期等信息。我们在反欺诈方面也和国内顶尖的反欺诈大数据公司合作。至于黑名单共享，我们还有一个方式是信贷机构如果在云风控平台上查询了一个借款人的数据，但这个借款人还是逾期到M3的话，云风控平台会将该机构的积分损失双倍退还。同时我们会对每一条黑名单数据进行核实确保黑名单数据真实有效。消费金融黑名单的范围很广，除了逾期，还有欺诈，骗贷，骗保等。另外还有包括贷款重复申请，被多家信贷机构重复查询，有被执行记录等等，你可以把它理解成一个广义的负面清单。
罗凯建：消费金融领域中会有内外勾结套现，我们想把骗贷套现的员工和客户放在负面清单中，免费供业內、贷款机构查询。能把信息放你的平台，免费开放查询吗?
吴昊：消费金融我们可以对您的数据免费查询。但是并不是完全开放，因为我们查询任何一个借款人都需要被查询人的书面授权以确保合规。和公示还是有很大差别。
