Capital One歸來的「劉教授」，出走馬上金融，組建了一支80人的大數據風控團隊｜清流對話

劉志軍，誠安聚立總裁，原Capital One統計部資深總監，華人在Capital One達到的最高職位。「劉總在行業內堪稱教授級」，當談到劉志軍時，某信貸機構風控負責人言語中充滿敬佩，「風控上的所有事情，他基本都做過。」

誠安聚立，一家大數據風控服務商，團隊80人，技術人員60餘人，佔比75%，天使輪已融資9000萬。目前已服務包括芝麻信用、渤海銀行、銀聯、交通銀行、海融易在內的40餘家信貸機構。

主要產品為SAICE全聚合信審風險量化平台，整合三方數據源、身份驗證、反（主觀和團伙）欺詐、信用風險評估，並結合機構產品的具體政策，自動化做出實時信審決策。

7月15日，在朗迪峰會上，清流消費金融專訪了「風控教授」劉志軍，分享了他的風控經歷及對於大數據風控的灼見。

從終身副教授到首席統計學家

「統計學非常實用，我帶過的畢業生都不愁找工作」，與其他金融高管出身「行伍」不同，劉志軍是正經的「學院派」，曾在密西西比大學執教統計學十年，並獲得終身副教授。

統計學講究的就是實用，在進入企業之前，劉志軍便已小試牛刀，解決計算機並行運算時任務動態分配、幫助拉斯維加斯賭場設計賠率、提高炎熱天氣下南部奶牛場奶產量、幫助居民預計年用電量……

「數據分析能解決現實生活中人們所遇到的問題」，在發現、解決問題中，劉志軍樂此不疲，「現在回想起來，這些事情也非常有意思。」

2001年，劉志軍離開高校，供職Equifax，「Equifax的建模方法遠遠落後學術界」，學術與企業嚴重脫節，讓剛入職的劉志軍十分詫異，「我把他們的模型全都翻新了一遍，新模型在效果上遠遠好於舊模型。」

Equifax的五年，劉志軍擔任首席統計學家，掌舵Equifax總體建模方法，並負責重大建模項目團隊，給予技術指導。「國內市面上活躍的機器學習、隨機森林、神經網路……這些技術，我在Equifax的時候就已經普遍使用了」，先人一步的技術應用，讓Equifax在方法上，遠遠領先當時益博睿的線性建模。

「理論有指導意義，但無法直接使用」，從教授到首席統計學家，身份的轉變，劉志軍對統計有了新的認知，「沒有一個模型是完美的，在現實條件下，通常混合建模去解決業務問題。」

金融高管

2005年，在次級市場如魚得水的Capital One，因監管通告，失去融資能力，「監管的通告差點成了Capital One的斷頭鍘，市值下降一半，ABS融資受阻」，Capital One前員工回憶時，仍心有餘悸，「公司險些破產，資金還是要握在自己的手裡。」

劫後餘生的Capital One痛下決心，轉型銀行，並針對高凈值人群發行信用卡。此時，被Capital One相中的劉志軍，開始接手高凈值人群評估模型的搭建。

「與次級市場只需關注風險不同，高凈值市場更關注用戶行為，風險因素反而變的不重要」，新的業務，陌生的市場，帶來了不小的挑戰，「必須投其所好，讓用戶接受，並且使用你的金融產品。」

價值模型，是劉志軍團隊交付的成果，模型首先會對用戶判別，次級還是高凈值，再將用戶分配不同業務線，次級人群重點評估申請人信用風險，而高凈值人群，則按照其行為特徵，如愛好、消費習慣等，為其推薦合適的金融產品。

價值模型將次級市場信用卡、高凈值人群信用卡整合一起，「用戶申請高凈值信用卡，通過模型評估，發現他不是，會自動推薦次級信用卡產品」，最大限度留住申請用戶，是價值模型的貢獻，劉志軍說到，「以前就會直接拒絕掉。」

2008年，金融危機來襲，憑藉新的價值模型，Capital One成為全美少數信用卡實現盈利的銀行之一，而同期的老牌銀行，花旗、摩根大通……紛紛出現虧損，申請政府財政救助。此時，Capital One開疆擴土，陸續將滙豐銀行北美信用卡業務……盡收囊中，從一家數據公司，一躍成為全美第五大行。

在價值模型上做出突出貢獻後，劉志軍開始領導Capital One整個研發團隊，保證Capital One在模型技術上的領先地位，並嘗試Hadoop等IT技術，儲備大數據風控。

歸國、創業

在消費升級、互聯網金融的發酵下，消費金融呼之欲出。

與Capital One的華人一樣，看到機遇後，劉志軍也在摩拳擦掌、一展抱負。「國外體系比較成熟，新技術代替舊技術成本很高，要改變非常困難」，劉志軍對國內新技術應用充滿期待，「國內對大數據風控比較渴求，體系又是從零開始的，容易推進。」

受趙國慶邀請，劉志軍加入馬上消費金融，出任首席數據官，組建馬上消費金融風控團隊，並負責線上業務。「中國市場對大數據風控是渴求的，不論效率還是效果，大數據風控一定比人工審核要好」，對於大數據風控服務，劉志軍極為看好。

然而，現實總是比理想要殘酷，後因發展步調上出現不一致，2016年，劉志軍選擇離職，並重操老本行，創立誠安聚立。

誠安聚立主要是向信貸機構提供大數據風控服務，如反欺詐、信用評估、實時信審決策等，同時也可提供風控諮詢業務。與目前市面上各風控商唯「數據論」、「模型論」不同，幾十年建模經驗的劉志軍，有著自己的體會，「數據和建模方法都是可以複製的，風控建模能力的好壞在於對業務的理解。」

因此，誠安聚立風控模型均為定製化，通常建模人員先了解客戶金融業務、核心需求，了解數據情況，並據此做出定製化風控模型。「模型搭建速度較快，可在兩天內完成」，誠安聚立建模人員表示，「關鍵在於理解業務後的數據準備，不是隨便一個數據就能用的。」

與美國三大徵信局標準化數據相比，國內數據嚴重殘缺。與其他風控公司先集中數據、再做評分不同，誠安聚立需要應用數據源設置模型，模型採集數據後，輸出評分及重要變數，再對數據源的評分、變數匯總，計算出總值。

「數據要求非常嚴格，時間、類型……都會對模型評估精度有影響」，劉志軍解釋道。

培育市場

其實早在2014年，金融科技風起時，同盾科技、融360、百融金服等公司均推出大數據風控業務。但信貸機構對此謹小慎微，「看不懂」、「誰都不想把自己的命脈讓別人握著」……信貸機構人士坦言。

「對對數據還可以，至於風控服務還是免了」、「我們花的每一分錢都是自建風控」……機構不信任，大數據風控服務舉步維艱、跌落深潭，要麼出賣數據賺錢謀生，要麼轉戰助貸平台。

對於市場上各類參差不齊的風控服務商，劉志軍認為問題在於市場教育，「機構不知道如何去評判風控模型的好壞，需要幫助機構的風控團隊建立標準。」據了解，為了培育市場，目前誠安聚立也在幫助信貸機構建立風控團隊，「只有讓機構具備甄別風控好壞的能力，才能放心去採用風控產品。」

「大數據發展太快了，各家機構有不同的理解，有滯後，有超前」，看著來來往往眾多信貸機構，劉志軍肯定地說，「但一定是未來的趨勢，所以對教育市場要有耐心。」