金融行业已成为数字化程度最高的行业之一，其天然的“数字属性”以及历史沉淀下来的海量数据都为金融智能化转型提供了绝佳的基础。而随着AI芯片计算能力的突飞猛进和机器学习算法的不断创新，金融智能化转型进入发展的快车道，作为金融机构核心能力之一的风险防控自然也就大踏步开启了智能化转型的进程。

　　大势所趋

　　金融机构两个核心的价值，一个是营销能力;另一个是风控能力。同盾科技创始人、CEO蒋韬日前在接受中国经济时报记者采访时表示，智能风控要解决的问题，在本质上就是如何更精准地去分析、预测欺诈及信用风险。与此同时，金融机构的智能化应用场景还包括智能投顾、智能催收以及智能理财等。

　　蒋韬分析，人工智能大时代背景下，越来越多的金融机构在不断演化发展，科技赋能在金融机构的演化变更中起到了越来越重要的作用，包括提升作业效率、降低金融风险、提高服务质量等多方面，从而让更多的终端客户或者小微企业得到便捷的金融服务。

　　智能风控时代则体现在人工智能、云计算等技术相互融合，加速向全场景进行渗透，对金融机构前中后台的工作模式进行重塑，实现由传统流程向新型以改善用户体验、挖掘客户潜在价值的模式进行转变。智能风控时代的典型特点就是动态思维、实时风控、人机交互及个性化。

　　据悉，防范金融风险方面，金融机构不仅自己建立了强大的团队和科技能力，也和像同盾科技这样的第三方智能风控解决方案提供商进行合作，解决诸如：交易欺诈、网贷申请欺诈、信贷全生命周期风险管理、客户价值分析、逾期客户管理等场景的痛点及问题。

　　中关村互联网金融协会会长、马上消费金融股份有限公司首席执行官赵国庆告诉中国经济时报记者，以数据为驱动的智能风控的核心优势主要体现在三个方面：一是海量内外部数据源的有效整合与对接;二是基于数据源构造变量，建立信贷全生命周期的风控规则和模型;三是创建支撑智能、高效决策的自主风控系统。数据是基础、规则和模型是引擎、风控系统是支撑平台，三者相辅相成共同作用，帮助马上金融建立灵活、快速、高效的贷前预测、贷中监控、贷后管理的全生命周期风险管理，打造企业级风险管理体系的同时降低风险，提升运营水平。

　　从去年开始行业强监管政策接连下发，开始呈现随时监管、持续监管的态势，以往野蛮生长的金融机构开始进入良性发展的阶段，增量市场走向存量市场，银行、保险、汽车金融、互联网金融等机构等纷纷拥抱智能风控。

　　体系化的解决方案

　　如何迎接智能风控时代?这就需要金融科技公司或者金融机构具有综合的端到端解决方案及底层技术能力。这其中包括：体系化和全生命周期的解决方案。比如欺诈风险、信贷风控、贷后管理等。

　　欺诈风险分作弊、账号欺诈、交易欺诈、信贷申请欺诈，蒋韬告诉记者，这些通过实时风险分析引擎可以在毫秒级识别欺诈分子的活动。他以同盾科技为例，其实时风险分析引擎可以基于经验策略外加机器学习模型组合的方式，在基于数千个基础维度组合出来的数百万的指标之上进行筛选和计算，更重要的是，同盾科技的实时风险分析引擎可以根据客户业务的增长而线性扩展，并同时支持超过5000家互联网企业的反欺诈请求，每日的请求量达到数亿次。目前，同盾的主机房已经拥有超过3000台的物理服务器、上万台的虚拟机来支持所有客户的计算需求。

　　不过，值得关注的是，欺诈风险的对抗也不是完全可以依赖于机器，机器目前还只是帮助人完成大量重复且基础的工作，一些深度对抗还是需要仰仗在这个行业多年形成的经验。蒋韬称，整个体系里也包括黑产情报分析，基于业务及对抗数据的异常预警，对抗场景效果的实时监控，基于人工智能及策略专家的攻击处置方案的快速生成和部署，检测算法和策略的全生命周期管理、全网黑产有价资源的持续挖掘和对抗等技术及运营方案。在这个体系下，快速有效的攻击发现和处置方案实施能够有效地限制黑产攻击套利时间，能够极大提高攻击者的资金成本，从而实现对黑产的有效吓阻和打击。

　　在信贷风控方面，随着普惠金融的深入，金融机构的信贷人群越来越下沉，信贷活动越来越多在网上发生，这对传统金融机构的风险管理制度是一个非常大的挑战。如何深度渗透产业链各个环节，满足场景化需求，不仅仅为客户提供全面性的风控服务，减少经营风险，也协助其将流量和数据转变为资产，深度挖掘产业链上潜在的价值，结合应用层引发更多商业变革，是诸多金融机构面临的巨大困难。

　　马上消费的办法也是基于大数据。赵国庆指出，数据对于审批至关重要，中国的个人征信数据存在三大痛点：一是各类征信数据分布在各个不同的主体机构中，各家数据来源方式不同，数据的可靠性、稳定性存在较大差异;二是这些数据未能统一征集和标准化处理，数据质量参差不齐;三是机制的缺失使得各家征信机构在数据源头圈地，形成“数据孤岛”，影响行业整体水平提升。据悉，马上金融拥有亿万级数据源，除了直连央行征信外，也对接公安、公积金社保、芝麻信用等数十个外部数据源，以及自建数据源。利用先进的大数据处理技术，对不同的数据源进行关联处理和有效整合，从多维度完善了用户的身份信息、信贷信息、消费信息、社交信息、行为信息等数据源，提高了数据利用率，有效地解决了客户无信贷记录或信贷数据不充分的问题。在审批过程中并行调用这些数据服务，实现毫秒级实时数据获取、大量非结构化数据和舆情数据快速加工，丰富外部数据的同时为构建大数据风控模型和实现自动审批决策提供了强有力的数据基础。在外部数据源系统建设方面，马上金融自主研发了统一数据接入系统，满足数据源接入需求，通过多厂商数据源集中化管理，实现外部数据源接口标准化、服务监控精细化，加快外部数据源的接入速度，为智能风控决策奠定数据基础。

　　在贷后管理领域，也是整个智能风控闭环中非常重要的一步，其中又以逾期催收为最大的痛点。传统逾期催收始终面临着人工成本高、业务量大、社会矛盾多等问题。比如，同盾推出了智能催收产品——逾期管家。逾期管家是基于智能决策和智能语音的机器催收平台，背后有强大的技术团队和数据生态系统作为支撑，适用于银行、电商、新金融和保险等各类场景，将贷后催收的各个标准化业务进行全面的智能化改造。在智能催收方面，除了常规性的提醒、催收服务外，还可提供催收管理平台、失联查找、线上仲裁等催收增值产品及服务，以满足企业的多样化和深度需求。

　　审批环节尤为重要

　　赵国庆则告诉记者，为应对市场变化、客群变化，提高客户响应速率，在审批决策中灵活调整规则和模型显得尤为重要。需要对规则和模型进行持续迭代，以降低逾期率、提高审批通过率，解决金融风控面临的核心问题。马上金融逐步形成规则、模型相辅相成的审批策略，制定了上百个决策流、上万个决策策略，以高效响应业务风控需求。此外，可以根据模型更迭需要在变量池对已有变量进行重新组合，丰富入模变量类型，提升模型优化效率，助力规则与模型的高效持续迭代，进而完善智能化大数据风控审批系统体系。

　　以央行征信数据为基础，但又不局限于央行征信数据，深度挖掘客户的信贷数据、消费数据、行为数据，结合数据统计特性和专家经验，基于这些数据，马上金融已实现海量风险变量的构造开发，同时将先进的大数据建模方法与消费金融的具体业务相结合，构建并完善贷前、贷中、贷后全生命周期风控模型，对客户的信用风险和欺诈风险进行精确评估。据悉，目前马上金融已经开发完成上百个数据模型，这些风险模型对数据的积累，深刻促进了对客户的全面了解，有利于有效防范客户信用风险和欺诈风险。

　　蒋韬说，打造健康金融科技生态、更好服务实体经济。尽管智能风控没有改变金融的本质，但是已经重塑了整个产业链。金融机构利用智能风控改变了用户价值的认知、创新了服务流程、降低风险控制成本，促进了自身转型升级和产品创新，拓展了金融服务的时空边界，未来甚至会引发企业文化、组织管理、基础设施建设以及体制方面的突破。

　　当然，智能风控的愿景是进入一个智能交互、人机协作的新时代，实现传统金融机构和互联网企业跨界融合，推动建设兼具包容性和竞争性的金融生态环境，为服务实体经济和普惠金融打造一个现代金融体系。