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。