譽存科技CEO劉德彬:服務對公信貸全流程,提高風控效率
調研 | 李喆 青川
撰寫 | 青川
金融領域是大數據重要的落地場景之一,目前,大數據技術在金融領域應用越來越廣泛,具體應用場景包括零售、對公等業務,營銷、反欺詐、風險管理等環節,不一而足。
譽存科技便是一家利用大數據技術為對公信貸提供風控工具的公司,成立於2014年底。今年1月,譽存科技獲得星河互聯、華耀資本數千萬A輪融資。
譽存科技主要提供企業信息、反欺詐、風險預警等服務,以標準化SaaS產品提供給金融機構,為對公信貸業務提供工具。除了應用於對公信貸業務,未來其企業數據也可以用於金融機構其他業務類型、政府等其他機構的需求。
信息層面,譽存科技為金融機構提供多重企業信息,包括企業基本信息、股東變更等工商信息,也包括法律訴訟、招聘、招投標等信息,數據來源包括網路爬取的數據、合作機構反饋的數據等。這部分與企查查、啟信寶等公司提供的服務會有較大重合。
目前,譽存科技能夠覆蓋全部具有工商信息的企業,在對企業行為分析後,累計篩選出500萬高風險企業。
在此基礎上,譽存科技對企業行為信息深度挖掘,包括貸前的反欺詐,通過關聯信息勘查企業有沒有欺詐的可能性;貸後的監控預警,在企業有高風險事件發生時及時向金融機構預警。
所以譽存科技能應用於對公信貸業務的貸前、貸中以及貸後全業務流程。對金融機構來說,這款工具可以顯著提升業務和風控效率,比如之前了解企業信息以及經營情況變化,需要客戶經理一家一家全部走訪,通過譽存科技的工具,可以篩選出其中高風險企業重點觀察,能顯著提高客戶經理工作效率。
另外,很多關聯風險信息客戶經理、風控人員靠人工挖掘很難發現,而譽存科技則可以通過數據挖掘將這些信息呈現出來。
由此可見,在金融機構原有業務流程的基礎上,譽存科技可提高其業務效率。金融機構對該產品有很大的需求,譽存科技的產品從今年正式推出到現在,已經與幾十家銀行省分行達成合作。
未來發展上,譽存科技會選出幾個行業深耕,做行業內的公司評級、評分,這對數據、建模要求更高,在對公信貸風控上切入的環節更深。
近日,愛分析對譽存科技CEO劉德彬進行了訪談,劉德彬曾任同盾聯合創始人兼首席科學家,PayPal資深數據科學家。訪談過程中劉德彬對公司業務、發展戰略進行了闡述,現摘取部分訪談內容如下。
當前提供對公信貸輔助風控工具
愛分析:目前譽存科技的客群定位是怎樣的?
劉德彬:主要是在信貸行業,包括銀行、非銀的擔保、融資租賃公司等。其中銀行也是自下而上的,主要是跟省分行層面的合作。
愛分析:譽存科技提供的是風控系統服務,還是風控相關的輔助工具?
劉德彬:我們是風控相關的輔助工具,以前金融機構沒有我們的產品,要靠人工線下調查、資料收集整理,憑經驗判斷。但現在情況越來越複雜,風險越來越多,我們為金融機構提供情報、線索、預警和指導意見,可以幫他們更好規避風險,所以我們定位是像GPS一樣的輔助工具,幫助風控人員。
愛分析:主要提供數據類服務?
劉德彬:是的,傳統銀行對公業務偏重於企業的財務數據,包括企業的經營數據、納稅數據。但很多時候企業上交銀行的材料是經過包裝的,客戶經理、風控人員還要通過其他材料認證。我們主要關注企業的行為數據,為金融機構提供風險線索。
愛分析:企業行為數據包括哪些維度?
劉德彬:主要是企業的外部行為,從企業地址的變更、股東的變更、業務範圍的變化,到被起訴、偷稅漏稅或者是消防、海關發出的公告都會有。還有關聯方的行為,比如企業在運營商那裡的變化,之前有100台電腦上網,現在只有10台。
愛分析:譽存科技的產品能用於對公信貸的哪些環節?
劉德彬:貸前、貸中、貸後都有,貸前提供企業背景調查、企業畫像、企業風險掃描。貸中幫金融機構把外部數據、非結構化數據處理好,在我們數據的基礎上他們再做二次分析。貸後更是一個很大的需求點,很多機構之前重貸前、輕貸後,我們在貸後提供兩方面,一個是監控、一個是預警。
貸後方面,銀行可能給幾百家企業放貸,如果靠幾個客戶經理貸後走訪,很難覆蓋。我們會監控企業關聯方、上下游、股東、行業政策的變化。在此基礎上,我們有智能化預警系統,把其中的風險事件抽取出來。比如某家企業出現變化,歷史上發生相同事情的公司基本都會賴賬,則提醒銀行這家企業需要重點關注。
愛分析:貸前主要是企業反欺詐?
劉德彬:其實很多服務組合的,有企業報告、有反欺詐。
貸前的企業報告和央行徵信報告不太一樣,我們更關注企業的一些基本信息,比如有沒有被人起訴,這跟啟信寶、企查查差不多。但是我們還會進一步挖掘,比如我們跟運營商、銀聯合作拿到企業在運營商的數據、交易數據等。
反欺詐是另一個服務,把企業關聯方可能隱藏的負面情況、風險情況一鍵掃描出來。比如我們一個客戶準備放貸給A,然後我們在系統里發現A剛換了老闆,這個老闆旗下B公司搬家到新的地址,一模一樣地址上還有一家C公司,是被法院判罰的老賴。我們能立刻發現這種情況,如果是人工去找則是大海撈針。
愛分析:貸後監控模型的迭代周期是怎樣的?
劉德彬:全國公司註冊的企業我們都有信息,其中挑出來500萬家高風險企業,數據還在不斷更新,每天有很多新的違約企業或者新的風險事件入庫。數據入庫後,模型以最新的數據學習和更新,基本上能做到每天有新的數據進來,每周有更新。
愛分析:企業風險、違約數據來源?
劉德彬:有合作夥伴反饋的,比如銀行、擔保公司、租賃公司;還有一部分通過爬蟲手段在網上爬取的,比如債券違約信息,或者企業欠債信息。
愛分析:未來數據會成為一個壁壘嗎?
劉德彬:我覺得未來數據不太會成為壁壘,我們更多的是希望從數據裡面挖掘出價值,以報告的形式呈現。數據作為壁壘的價值不大,因為你能找到的數據其他人也能找到,沒有誰是完全獨有的渠道。
愛分析:如何向金融機構收費?
劉德彬:我們是按照SaaS年費的方式,根據服務範圍也有不同。我們是一個大的軟體,可以關閉一些監控選項,也可以增加很多節點,根據使用範圍收費會有很大的差別。銀行的話從十幾萬到一百萬不等,擔保、融資租賃等非銀信貸機構一般在5萬到50萬之間。
愛分析:銀行使用譽存科技的工具後,哪些指標會有明顯變化?
劉德彬:主要是效率,特別是在貸後很明顯。兩三個人貸後就可以管理幾百家企業,能夠做到有針對性去調查,效率提升很明顯。
愛分析:如何獲客?
劉德彬:現在有幾十家銀行客戶,獲客分兩部分,一部分是自己團隊通過BD獲客;另一部分是與合作夥伴聯合銷售,現在主要是中金支付、中國電信。
未來會深耕垂直行業
愛分析:目前是工具類產品,未來產品線上有何規劃?
劉德彬:工具還是要繼續做好,另外我們會在貸前環節再前進一步。現在我們只是初篩,發現哪些企業有很大風險,再往下我們會選一些垂直行業,要給企業做量化評級、排名。
愛分析:垂直行業量化產品類似於FICO分?
劉德彬:類似但是不一樣,fico評分是通用的個人評分,能大致反映人的信用狀況。但對企業來說,由於地區、行業、規模、業務的不一樣,很難用一套分數或者模型衡量,比如不能拿重慶的一個酒店和北京的一個餐館、上海的一個醫院一起比較。
所以我們會在現在比較通用的產品基礎上,在一些垂直行業深挖下去,根據行業和場景,增加額外的數據來做模型。
愛分析:如何選擇垂直行業?
劉德彬:會按照銀行的放款量去選擇行業,以及我們的合作夥伴的需求。
愛分析:跟銀聯、運營商是怎樣的合作形式?
劉德彬:我們跟中國電信、銀聯下面的子公司中金支付合作,他們先是我們的客戶,再是我們的戰略合作夥伴。我們之間有很多研究上的合作和數據上的合作,然後共同去做品牌、市場、銷售。
愛分析:譽存目前團隊規模多大?
劉德彬:現在全公司120人,研發團隊近70人,BD團隊約30人,其他還有市場、品牌等人員。
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。
推薦閱讀:
※未來的quant,都是科技行業工作者?
※自動報告+金融問答,這裡有一種更快的資訊獲取方式
TAG:金融科技 |