金融科技啟示錄：人工智慧如何重構金融行業

nt阿爾法狗風捲殘雲一般戰勝柯潔的消息，再一次把人工智慧推上了熱搜。在人工智慧的應用上，亞馬遜、蘋果、谷歌等走在了最前列，不過，在中國的金融科技領域，人工智慧同樣展現出勃勃生機。n

nt人工智慧在金融領域的應用，主要側重於三個方面：大數據風控模型的優化、提升審批效率以及差異化服務。n

nt金融科技可能是人工智慧應用較早的領域之一，實際上，早在阿爾法狗之前，國內就有不少公司在大數據風控領域進行嘗試。今天我們就以厚本金融為例，看看人工智慧是如何重構金融行業的。n

n

大數據風控n

nt網路借貸因小額、分散、覆蓋人群廣等特點，決定其目標客群是傳統徵信所覆蓋不到的人群。而個人信用體系不完善、惡意騙貸、客戶違約成本低、債務收回成本較高等諸多挑戰，也要求厚本金融等金融科技公司風控創新。n

nt在人工智慧概念走紅之前，厚本金融已經通過大數據為驅動的風控手段，豐富風控的數據緯度、演算法和模型來實現快速識別借款人風險。n

nt實際上，數據處理是邁向人工智慧的第一步，隨著機器學習、神經元網路等技術手段的成熟，人工智慧方能顯示出其在風控領域的效能。n

n

nt為什麼人工智慧對的大數據風控重要？厚本金融在構建大數據風控模型時發現，金融行業在發展過程中，沉澱了大量的無用數據甚至是有害數據，同時此部分數據又是以非結構化的形式存在，這一類數據不僅佔據了寶貴的儲存資源，同時還會對風控模型形成噪音，影響風控決策。n

nt如何解決這一問題？厚本金融通過運用人工智慧的深度學習系統，積累足夠多的數據，供模型進行學習，並不斷完善甚至超過人類的知識回答能力，尤其在風險管理與交易這種對複雜數據的處理方面，通過深度學習的應用將大幅降低人力成本並提升金融風控及業務處理能力。n

nt人工智慧在金融科技的另外一個重要應用是反欺詐。目前來說，厚本金融在反欺詐領域處理相對成熟，通過機器學慣用戶的行為模式，結合欺詐黑名單等數據支撐，反欺詐模型能夠辨別特殊用戶在申請流程、審批流程中的反常行為，從而做出欺詐行為判斷。n

機器的效率n

nt對於金融行業整體效率的提升，人工智慧+大數據將起到強有力的助推作用。機器學習和人工智慧在各行各業行業都有廣泛的應用，人工智慧可以利用更少的時間處理更為豐富全面的市場信息，提供專業可觀，甚至更準確的分析。n

n

nt過去，金融機構對於個人用戶的授信，很大程度上依賴於央行的徵信報告，但消費金融貸款額度小、需求分散、個性化等特點，依靠傳統人工獲客、評估、審核和風控，運營成本及效率明顯過高。人工智慧的發展，正在改變這一狀況。n

ntn以厚本金融為例，通過大數據風控模型的自動化信用評估，厚本金融加速了整個信貸的決策過程，申請人可以更迅速地得到答覆，提高了從申請到獲批整個流程的效率。針對特定細分市場，厚本金融目前能達到3天左右實現放款，相比而言，人工審核一般需要2-3周以上時間才能實現放款。n

nt此外，人工智慧還節省了大量的人力成本。舉例而言，假設傳統金融機構達成月度10億元量級的放款需要2萬人，大數據金融科技公司則只需要200人。n

nt機器學習和人工智慧在各行各業都有廣泛的應用，隨著數據集的豐富，AI可以利用更少的時間處理更為豐富全面的市場信息，提供專業可觀，甚至更準確的分析。n

差異化服務n

n

nt人工智慧的飛速發展，使得機器能夠在很大程度上模擬人的功能，實現批量人性化和個性化的服務客戶，這對於金融服務將帶來深刻影響，人工智慧將成為決定銀行溝通客戶、發現客戶金融需求的重要因素。n

nt具體到金融科技公司的業務流程和產品設計上的，則體現在金融服務自動化、產品個性化、智能客服、質量管理、貸後管理等多個方面。n

nt從金融服務方角度來看，人工智慧可以幫助服務方在很短時間內獲取用戶方向，譬如厚本金融投資用戶主要集中在滬、京、浙、魯、蘇等一線城市和地區，年齡結構為25-39歲的具備一定投資能力的白領為主，而此部分人群最歡迎的產品則是「厚錢包90」。n

nt針對人工智慧給出的這一判斷，厚本金融在產品的個性化設計等方面進行創新，以滿足投資用戶的需求。n

n

nt而在資產端，厚本金融通過人工智慧的深度學習，在貸後管理方面，則可以基於行為分析對不同類型的客戶採取智能溝通方案，提高客戶滿意度和貸後管理效率。n

nt當然，人工智慧對於金融科技的差異化競爭輔助作用還遠不止於此，事實上，具備場景的金融科技企業，人工智慧所展示的未來實質上更趨向於個人助理，可以幫用戶自動發起金融交易，預定酒店、機票、旅行等等，都可以通過人工智慧自動化實現，逐步優化用戶的人機交互體驗。n