算話徵信CEO蔣慶軍：定位早期風險識別，行業最終只會剩下幾家公司

調研 | 李喆 青川

撰寫 | 青川

隨著消費金融等信貸形式興起，原有依靠央行徵信、面見審核等方式已經遠遠不能滿足風控需求，故而出現了一批大數據風控創業公司，滿足金融機構反欺詐、信用風險評估上的需求。

算話徵信便是其中的一家，成立於2014年，核心團隊主要來自國家個人徵信試點機構上海資信公司、FICO、以及大型銀行信用卡中心，主要從事零售信貸早期風險管理。

其重點產品一是信貸申請欺詐及早期風險識別，二是徵信服務，前者面向銀行信用卡中心、P2P、汽車金融、網貸及小貸等零售信貸機構，後者則主要面向非銀信貸機構。

其中信貸申請欺詐及早期風險識別是算話徵信的拳頭產品，產品形式主要以評分和變數集的形式，目前每天有150萬次的查詢量。此外，針對中等以上規模的金融機構也會提供一定的聯合建模服務。

無論是標準產品還是個性化產品，算話最終是按照產品的實際調用量向金融機構收費，摺合下來每次查詢收費在0.1-3元之間。

徵信服務包括債務信息共享和信用評分服務，相當於既做了徵信局的業務，又做了FICO的評分服務，數據來源和服務對象都是合作的非銀信貸機構。

P2P、網貸公司等非銀信貸機構服務客群多為信用白戶，算話徵信同非銀信貸機構建立合作，獲取用戶借還款記錄，建立這部分用戶的徵信記錄和評分，滿足非銀信貸機構對其用戶的徵信表現的需求。

此外，算話徵信還為金融機構提供零售信貸的風控系統和諮詢服務，幫助有信貸場景的機構或中小信貸機構快速落地風控能力。

近日，愛分析對算話徵信創始人兼CEO蔣慶軍進行了訪談，蔣慶軍曾任上海資信公司研發中心負責人，在個人徵信領域具有多年經驗。訪談中蔣慶軍對公司業務、行業現狀進行了闡述，現摘取部分內容如下。

定位早期風險識別

愛分析：算話徵信的定位是怎樣的？

蔣慶軍：我們的定位是零售信貸風險管理專家，比徵信要寬。徵信是風控的一部分，提供的其實就是原始債務數據的信用查詢，簡單明了，技術含量不高，核心競爭力是公信力，機構必須有強大的公信力別人才會給你數據，光做徵信在很長一段時間內是賺不到錢的。

我們的產品從信貸申請欺詐及早期風險識別，到徵信數據，再到徵信評分。我們專註於風控，不做營銷或者其他非金融領域的風控。

愛分析：反欺詐評估與同業有何不同？

蔣慶軍：我們欺詐評估做的其實是信貸申請領域的早期風險識別，用的是複雜關係網路技術。這個概念要比反欺詐大一些，欺詐通常是身份冒用，借一筆錢後就不還了，但也有人第一個月還，假裝一段時間好人，後面就不還了，會涉及到一定的信用風險在裡面，我們放到早期風險識別裡面。

一般信用風險評估6-12個月或者12-24個月，我們早期風險識別評估3-6個月，所以涵蓋了反欺詐，也有一定的信用風險在裡面。

愛分析：這項業務的服務形式？

蔣慶軍：根據用戶需求，我們對專業程度較高的機構通常提供評分或變數集產品供其挑選，對於一些起步階段或在數據驅動積累還不充分的機構，我們提供評分產品。

愛分析：反欺詐會用到更多的新技術？

蔣慶軍：對，反欺詐用到外部數據、貸前數據維度極高，像我們有幾萬個變數，由幾百個欄位衍生出來，傳統的模型挖不幹凈。傳統模型一般會留下5-20個變數，雖然每個變數都是複合的，但是還是會造成大量的信息丟失。可能某個變數效果不錯，但比不過前面20個，就被拋棄了。

而神經網路的統計方法中可以用無數變數，把所有信息充分用起來。但也有缺點，就是模型往往是過度擬合的，在單個樣本裡面很准，一旦有新的樣本出現就不穩定了。反欺詐涉及的數據很多，所以神經網路技術也能發揮作用。

愛分析：算話徵信評分的數據來源？

蔣慶軍：我們有幾百家簽約機構，其中一部分會正常提供借款客戶的債務信息。另外一部分數據來自於信貸申請欺詐及早期風險識別，從中我們可以從客戶申請的行為趨勢中，提煉一部分信用風險特徵，混合開發信用評分。

愛分析：信用風險評分需要放貸機構反饋數據？

蔣慶軍：是的，信用風險除了我們已經有的債務信息和部分信貸申請欺詐及早期風險識別獲取的信息，俗稱X，還需要客戶反饋部分壞客戶Y的信息，完善評分預測的客群樣本。所以信用風險評分我們需要定製，以保證評分預測的有效性。

愛分析：反欺詐、徵信評分建模的數據基礎有何不同？

蔣慶軍：這兩個區別很大，反欺詐實際上是貸前的申請信息數據和外部數據，包括申請人設備、基本個人信息、等都會拿來分析欺詐概率；信用風險評估核心是貸後表現數據，包括賬務信息、貸款餘額、還款信息等。

反欺詐是分析當下行為，弄明白用戶行為的真實性和背後的事實。信用風險是預測，用戶當下的表現可能是好的，或者沒有什麼特別壞的，要預測他未來會不會還錢，歷史徵信數據預測風險是最有效的。

所以二者用到的數據不太一樣，這是反欺詐和徵信評估最大的區別。

業務以標準化服務為主

愛分析：算話徵信服務與哪些類型的機構有合作？

蔣慶軍：信貸申請欺詐及早期風險識別所有的信貸機構都可以用，包括銀行信用卡中心、網貸、P2P；徵信只做非銀行信貸機構。

愛分析：反欺詐服務業務流程？

蔣慶軍：機構會在客戶授權基礎上給我們提供客戶信息，比如客戶申請信息等，我們會實時生成複雜網路，衍生變數，計算評分並把欺詐結果用約定形式返還回給機構。

愛分析：反欺詐業務提供的是標準化產品？

蔣慶軍：基本上是標準化產品，但不同行業有不同的模型。比如線上消費貸、線下門店貸款、信用卡客戶群體都是不一樣的，我們會分行業建模。另外規模比較大的機構我們也會跟他們聯合建模，他們的數據不一定要到我們這裡來，或者他們的產品比較特殊，我們會為他們做一些調整。但方法論是差不多的。

愛分析：算話的聯合建模與FICO的服務有何不同？

蔣慶軍：我們是做產品，聯合建模本身是不收費的，建完模後按照機構使用我們產品的查詢量收費；FICO在國內主要是諮詢、技術服務，做一個模型收多少錢，是做項目的。

愛分析：查詢收費方式是怎樣的？

蔣慶軍：今年以來，我們信貸申請欺詐及早期風險識別服務收費主要按照查詢量來定，無非是量越大價格越低，價格摺合下來每次1毛到3塊錢。目前信貸市場機構的專業度越來越高，之前採用過的包年方式逐步向月結轉變。徵信業務我們還是免費向合作機構開放。

愛分析：徵信數據、評分業務和建模諮詢業務市場格局會有不同？

蔣慶軍：徵信業務是一個規模優勢非常明顯的市場，最終會剩下少數幾家。建模諮詢門檻會低一些，但也會有先發優勢在裡面，比如FICO本身的品牌優勢，別人剛開始做的時候就會比較難。

愛分析：如何看一個公司對金融場景的理解能力？

蔣慶軍：主要看團隊出身，風控行業出來的肯定比互聯網出來的理解要深一些。最好的搭配是信貸機構風控部門加徵信機構背景出來的人一起，如果全部來自一個行業或者類似機構，可能會存在短板。

愛分析：銀行信用卡中心的需求表現在哪方面？

蔣慶軍：伴隨銀行信用卡業務渠道不斷拓展，獲客來源不斷豐富，欺詐和信用風險方面都有需求。這取決於類似算話徵信這樣的機構，能夠積累多少傳統銀行渠道以外的客戶信息，以及加工這些信息的能力。

愛分析：系統服務需求是否會長期存在？

蔣慶軍：系統服務的需求會長期存在，畢竟信貸市場優勝劣汰，變化很快，但如果信貸市場進入成熟階段，參與機構也趨於成熟，這塊需求會相對減少。

我們現在有個新產品，是為一部分暫時沒有風控系統和能力的新機構、小機構提供一整套風控決策諮詢服務。有一些公司有場景、資金、資質資源，想開展網貸業務，但又缺乏風控能力，我們會提供一整套風控決策諮詢服務，由我們來孵化風控能力。

愛分析：算話目前的團隊規模、團隊結構是怎樣的？

蔣慶軍：現在不到100個人，其中80%是做技術的，包括風控技術、產品、演算法和建模等，還有一部分市場人員，剩下的就是少量的後台行政。

愛分析是一家專註創新領域的獨立投研機構，研究領域包括新金融、企業服務、人工智慧、教育科技、汽車出行和新零售等。關注愛分析公眾號ifenxicom，及時獲取重要信息。

添加愛分析群小秘微信（ID：ifenxi419）即刻加入愛分析行業討論群。