近年來，各商業(yè)銀行相繼出臺了促進普惠金融的發(fā)展、切實改善小微企業(yè)融資難的方案。如何構建完善的風險管理體系，更好的為普惠金融服務，已成為當下商業(yè)銀行轉型的重要著眼點。

通常情況下，商業(yè)銀行的信貸業(yè)務周期大致分為貸前、貸中、貸后三個階段：貸前主要是通過信用的獲取進行信貸產(chǎn)品規(guī)劃及進件審批；貸中主要關注客戶的還款情況和賬戶行為，包括是否提升信用額度或逾期風險是否在加大, 還會涉及交叉銷售等營銷管理；而一旦客戶還款不及時，則進入貸后催收階段，包括采取適合的催收方案、進行失聯(lián)修復等。

我們看到上述信貸業(yè)務的主要痛點在于客戶分散、風險因素多元化，而目前銀行以非標準調查為主的個性化傳統(tǒng)業(yè)務發(fā)展模式過度依靠人工作業(yè)，難以實現(xiàn)業(yè)務的標準化、批量化發(fā)展，導致成本高、效率低、效果欠佳。關鍵原因在于目前征信與評估信用類的信息維度不全面，信息質量也有限，無法完整準確的刻畫借款人的信用情況。

36氪最近專訪的中科聚信就是一家希望為銀行解決上述痛點的公司。據(jù)中科聚信首席風險官李莉介紹，中科聚信應用了大數(shù)據(jù)+人工智能技術，通過分析貸款人數(shù)據(jù)+機器學習算法，可以較為全面的掌握貸款人的信用情況。中科聚信覆蓋了信貸業(yè)務以下的三大核心場景，對信貸業(yè)務的整個生命周期進行管理：

• 信用風險管理：包括貸前、貸中、貸后的信用風險管理。據(jù)李莉介紹，中科聚信可根據(jù)金融機構的需求，例如不良貸款可容忍度、預計業(yè)務增長率等指標，對海量借款人行為數(shù)據(jù)進行加工和分析，量身定制適合客戶的信用風險管理方案。具體在操作層面，中科聚信基于機器學習技術設立了一套評分建模系統(tǒng)，可以把借款人身上的數(shù)據(jù)標簽抽象成評分來對信用高低進行評價。同時，中科聚信通過設立貸前、貸中、貸后的評分模型，幫助金融機構建立了信貸全流程風險量化體系，這樣在幫助金融機構降低放貸風險的同時，推動了信貸業(yè)務的批量化、自動化、智能化發(fā)展；

• 欺詐偵測及防范：反欺詐體系建設是信用風險管理的延伸，通過欺詐偵測和防范平臺、社會關聯(lián)網(wǎng)路分析、模糊匹配、反欺詐模型等技術可全方位預防包括團伙欺詐在內的各類欺詐模式；

• 客戶分層和精準營銷：據(jù)李莉介紹，中科聚信通過客戶畫像、客戶分層、營銷模型等技術可以更好地對客戶進行精準營銷，有效提高金融機構其他業(yè)務的獲客成功率，降低獲客成本。

簡而言之，中科聚信通過上述技術的結合，可以幫助金融機構“勾勒”出基于社會網(wǎng)絡關系的多維度客戶畫像，每個客戶畫像都有自己的標簽和評分。借助這種客戶畫像和風險量化體系，金融機構可以深入了解每個客戶的風險特點，真正做到KYC (know-your-customer)和客戶分類管理，由此，金融機構在進行信貸管理的同時，可以更精準的捕獲客戶的潛在需求，同時結合客戶的風險情況進行個性化營銷。

據(jù)李莉介紹，中科聚信的核心技術主要覆蓋小微企業(yè)及零售信貸業(yè)務，包括各類小微企業(yè)貸、消費貸、信用卡、房貸、車貸等，目前已經(jīng)涵蓋上千家金融機構，其中包括不同規(guī)模的商業(yè)銀行。此外中科聚信還與部分政府合作參與了當?shù)厣鐣庞皿w系搭建工程。

在項目落地方面，中科聚信采取了咨詢開發(fā)+IT系統(tǒng)交付的項目制合作來服務金融機構，通過反復調研以理解金融機構的需求，進而開發(fā)個性化產(chǎn)品，最終交付一整套定制化的解決方案。最重要的是，整個方案需要在金融機構的私有云或私有客戶機上進行，確保滿足金融機構對信息的保密要求，中科聚信并不能直接儲存、分析任何客戶的數(shù)據(jù)。另外，在實際操作過程中，由于風險因素會、監(jiān)管要求經(jīng)常變化，中科聚信會定期對產(chǎn)品進行迭代和升級以滿足模型的有效性。

在盈利模式方面，中科聚信綜合根據(jù)每個項目的復雜度、工時數(shù)量進行報價，同時根據(jù)項目運營情況收取一定的運營費用。對于長期運營合作類客戶，中科聚信將根據(jù)放貸金額的固定比例收取服務費。

金融科技助力信貸管理的模式在國外也已經(jīng)相當成熟，歐美基本90%大型金融機構都在使用AI進行信貸管理，主流產(chǎn)品包括Experian、SAS和FICO等。與國外公司產(chǎn)品相比，中科聚信的產(chǎn)品優(yōu)勢包括：更理解國內的實際需求及風險因素；在產(chǎn)品功能、項目服務以及迭代速度方面也更貼合中國金融機構的需要。

中科聚信成立于2014年7月，已分別于2017年3月及2018年3月完成了A輪和B輪融資，投資人包括中國科學院所屬投資基金，紅杉資本、中國寬帶資本所屬投資基金等。目前公司團隊數(shù)百人，核心團隊均具有多年人工智能、金融風控的行業(yè)經(jīng)驗，大多來自于工商銀行、HSBC、華夏、Experian 、FICO、SAS等國內外企業(yè)。

我們可以看到，金融科技的發(fā)展確實提升了金融機構信貸管理的效率和效果，不過需要進一步思考的是：隨著人工智能的進步，未來智能信貸管理工具是否會取代人工。無可置疑的是，智能信貸管理工具會大大減少人工工作，其工作原理是：通過挖掘數(shù)據(jù)和機器學習算法抽象出規(guī)則和模型，未來對于常規(guī)性的場景能做到自動審批。但同時我們也需要清晰的認識到，了解數(shù)據(jù)背后的業(yè)務邏輯和算法的適用性比算法的復雜度更為重要。因此在產(chǎn)品及模型的迭代過程中，仍需要有業(yè)務經(jīng)驗的人員參與，機器學習的過程還不能完全脫離人的業(yè)務經(jīng)驗。

36氪認為，近年來科技技術的進步顯著推動了金融行業(yè)的創(chuàng)新。金融機構通過大數(shù)據(jù)及算法，在滿足人們的個性化金融需求的基礎上進行風險管理是大勢所趨。此外，在更遠的未來，金融科技行業(yè)還將進一步實現(xiàn)智能化和數(shù)字化，將資金和產(chǎn)品正確且風險可控的匹配給每一個需要的人。在這個過程中，實操經(jīng)驗豐富、風險識別能力敏銳、建模能力強大及工作流程完善的企業(yè)，將擁有更高的競爭壁壘，也必將脫穎而出。