360数科上海技术开放日:凭借更高的天花板服务全场景全客群

如果继续用“结合”或“融合”来描述金融与科技的关系,显然不足以描述当前金融科技行业急突猛进的发展态势。如何在实现金融与科技、机构与个人之间的“快速沟通”,是金融科技企业面对的必答题。11月5日,在“智能、普惠、链接——360数科技术开放日”上海场中,360数科首席科学家张家兴博士、360数科大数据风控研究院院长沈赟博士,就这一问题展开了分享。

随着金融科技企业蓬勃发展带来的业务压力,传统金融机构势必面临科技的“颠覆式”冲击。成本高、获取及分析数据能力有限,是当前市场环境下,制约金融机构数字化发展的最主要因素。对此,张家兴表示:“更前沿的大数据、人工智能等技术的必然发展,让普惠金融变成了可能。”

普惠金融背后的技术逻辑

近日,央行发布金融机构贷款投向统计报告显示,普惠金融领域贷款保持较快增长。三季度末,普惠金融领域贷款余额同比增长23.5%。大力发展普惠金融,是我国全面建成小康社会的必由之路。全面塑造数字理念和思维,加快业务流程再造,推动金融服务向数字化和智能化升级,更是普惠金融背后的必然要求。

“当前普惠金融的特点,可以理解为无科技不金融。”张家兴继续解释称,“而做普惠金融的金融科技的底层逻辑,归根结底分为两个层面:一是找到人,二是看准人。”图示:360数科首席科学家张家兴博士发表《科技向善 普惠金融》讲话作为普惠金融的最基本要求,可得性已成为衡量金融科技企业能否实现精准匹配的重要衡量指标之一。就目前行业发展现状来看,金融可以主要采用以下三种线上方式,实现从庞大基数人群中寻找拥有潜在普惠金融服务需求的用户的目的。

首先,精准投放。即通过对媒体、信息流、短视频等平台的流量进行有效管理和判断,利用大数据及模型精准定位到有需求的个人;其次,智能运营。即通过对用户全生命周期的管理,最大化提升金融科技服务效率,一方面实现用户满意度的提升,另一方面更好的降低机构的获客成本;最后,高效触达。“如果说我们人找的不准,那么触达越高效,对用户造成的干扰越大。不能为了技术而技术,而要把它变成一个真正有价值的事情,这才是我们深挖技术的最终目的。”张家兴表示。

找到人只是金融科技的一半,另一半是看准人。这个人的风险有多大,可以借给他多少钱,定多高的利息,他是不是骗贷骗保的……针对这些问题,张家兴提出三步走解决方案。

第一,基于足量样本的风控策略,在对人群标签进行足够精细的划分后,增强系统模型的判断力;第二,基于足量数据的机器学习,从而实现对用户最精准的刻画;第三,基于精准判断的智能催收。张家兴认为,金融科技永远的主题是线上化、自动化,“智能化和大数据技术的应用,是解决传统金融到普惠金融变革的利器。”

跳脱场景做风控的样板行公司

作为孵化于国内互联网安全公司360集团的金融科技公司,分享嘉宾坦言360数科最核心的差异化优势在于行业领先的技术手段。沈赟博士表示,“360数科的天花板更高,可以跳脱各种场景和生态,为全客群提供服务。”同时,沈赟以数个技术案例详解了公司在反欺诈与信息安全方面的先进之处。

图示:360数科大数据风控研究院院长沈赟博士介绍360数科最佳风控实践在技术优势的加持下,张家兴将金融科技公司分为三类:样板型、巨头型和小而美的科技型,并表示,“360数科把自己做成了‘全渠道、全客群、精细化、智能化’的最佳样板,并把做成样板过程所产生的经验,提炼成金融科技能力,输出给与自己类似的一些金融机构或者其他对金融服务有需求的公司。”

相比起其他两类金融科技公司,样板型公司在某些方面有自己独特的优势。在流量和数据的加持下,巨头型公司更多聚焦于平台化、体系化优势,通过输出大板块的打包内容占据特有地位,向合作公司提供帮助。但从细节出发,巨头的经验,普适性和借鉴性都存在明显不足。

而对于小而美的科技型公司,张家兴表示,“他们本身不是一个样板,是纯粹的AI公司,是做技术服务的。因此,在做具体业务过程中,能做的深入程度相对欠缺,技术上虽然做得很深,但是业务深度上略有不足。”

便捷+安全的双轮驱动

据介绍,360数科下阶段技术突破,将围绕线上化和数据安全两个方向开展。

自动化方面,公司将发挥自身在人工智能领域的技术积累,持续加大在对话机器人领域的领先优势,借助5G时代东风,陆续开展在多模态机器人,视频机器人等方向的深入探索。数据显示,截至目前,360数科语音机器人能够完成83%的资产清收工作、90%的电话营销工作、91%的客户服务工作以及100%的质检工作。另一方面,公司将继续优化精准投放环节的技术应用和生态搭建,通过打通不同流量池的屏障,达到降低成本和精准触达的目的。

数据安全方面,“我们一直以来都在做一些技术上的创新。在隐私数据保护领域,使用神经网络算法更加灵活,可以把不同类型数据提取出来,在统一架构下去学习,效率上能够大幅提升。”沈赟表示。据了解,与传统联邦学习不同的是,分割式神经网络技术框架输出层数据的维度远小于原始输入层的维度,即使输出层的数据没有加密也无法反推原始输入层的数据,从而在框架设计上杜绝了数据泄露的问题。由于输出层数据的维度较小,也可以大幅降低服务器端的计算量与内存使用量,减少网络传输量,降低对带宽的要求。

未来,在360数科对外输出风控能力的过程中,隐私计算也将作为技术输出的一部分,作为综合解决方案从底层解决数据安全问题。360数科将继续加大对于新技术的研发力量,营造健康与安全的数据生态。


产业360数科
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

联邦学习技术

如何在保护数据隐私、满足合法合规要求的前提下继续进行机器学习,这部分研究被称为「联邦学习」(Federated Learning)。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

推荐文章
暂无评论
暂无评论~