(網(wǎng)經(jīng)社訊)隨著社會(huì)數(shù)字化程度進(jìn)一步加深，對(duì)于金融業(yè)無疑是影響巨大的，特別是在各種風(fēng)控場(chǎng)景，以大數(shù)據(jù)、人工智能、云計(jì)算等為核心的金融科技技術(shù)，通過數(shù)字化賦能風(fēng)控環(huán)節(jié)。金融科技風(fēng)控，同時(shí)也作為傳統(tǒng)風(fēng)控的一種升級(jí)補(bǔ)充，幫助金融機(jī)構(gòu)改善整體風(fēng)控水平，提高風(fēng)控的效率值、精準(zhǔn)度以及降低大量成本。
近日，在世界人工智能大會(huì)未來金融論壇上，由零壹財(cái)經(jīng)·零壹智庫(kù)聯(lián)合合合信息出品的《中國(guó)金融科技風(fēng)控報(bào)告2020》正式發(fā)布。從金融科技風(fēng)控發(fā)展展開，講述傳統(tǒng)風(fēng)控與金融科技風(fēng)控的關(guān)系，以及金融科技風(fēng)控的發(fā)展歷程。報(bào)告還對(duì)金融科技風(fēng)控廠商的情況進(jìn)行了梳理，通過相關(guān)的投融資和專利數(shù)據(jù)，展示金融科技風(fēng)控廠商的發(fā)展情況。
首先，據(jù)報(bào)告數(shù)據(jù)顯示，2013-2019年間我國(guó)金融科技風(fēng)控廠商融資事件數(shù)整體呈逐年上升的趨勢(shì)，2017年達(dá)到峰值，融資事件為57起；但從2018年開始，連續(xù)兩年出現(xiàn)下滑趨勢(shì)，2019年融資事件數(shù)為47起。融資金額整體呈現(xiàn)增長(zhǎng)趨勢(shì)，2018年披露事件的融資總額最高，為418.6億元，2019年融資金額為63.5億元。
圖1：2012-2020年我國(guó)金融科技風(fēng)控服務(wù)商融資情況
資料來源：零壹智庫(kù)
注：1）統(tǒng)計(jì)不包含并購(gòu)和債務(wù)融資，不含螞蟻金服；2）數(shù)/近百萬、數(shù)/近千萬、數(shù)/近億分別按100萬、1000萬、1億進(jìn)行統(tǒng)計(jì)，若融資金額未披露按0統(tǒng)計(jì)；3）單位有人民幣和美元兩種，統(tǒng)一換算為人民幣，1美元=7人民幣。
2019年上半年的融資事件數(shù)量為21起，下半年為26起，融資事件數(shù)量較多的月份分別為1月、7月、10月和12月，其中1月份達(dá)到最高峰，融資事件數(shù)為9起。在融資金額上，2019年4月同盾科技完成了1億美元的D輪融資，8月玖富數(shù)科登陸納斯達(dá)克，12月金融壹賬通于紐約證券交易所掛牌上市。
圖2：2019年我國(guó)金融科技風(fēng)控融資事件和金額變化
資料來源：零壹兵器譜，零壹智庫(kù)
注：無披露投融資金額企業(yè)獲投記為0
在專利方面，根據(jù)SooPAT數(shù)據(jù)顯示，自2014年開始，國(guó)內(nèi)與金融科技風(fēng)控相關(guān)的專利申請(qǐng)持續(xù)上升。2014年金融科技風(fēng)控專利申請(qǐng)數(shù)為10項(xiàng)，2019年申請(qǐng)數(shù)達(dá)到118項(xiàng)，5年間專利申請(qǐng)數(shù)年復(fù)合增長(zhǎng)率達(dá)63.82%。其中，在2012年至2019年間，阿里巴巴及支付寶共申請(qǐng)27項(xiàng)金融科技風(fēng)控專利，涉及支付、投資決策、賬戶安全、信貸等場(chǎng)景應(yīng)用，是申請(qǐng)專利最多的企業(yè)。
圖3：2012-2019年我國(guó)金融科技風(fēng)控融資事件和金額變化
資料來源：SooPAT，零壹智庫(kù)
其次，報(bào)告根據(jù)風(fēng)控的常見的三大場(chǎng)景：信貸、支付以及供應(yīng)鏈，分別從場(chǎng)景風(fēng)控痛點(diǎn)出發(fā)，闡述金融科技風(fēng)控是如何助力上述場(chǎng)景，并列舉了相應(yīng)的經(jīng)典案例。
在信貸場(chǎng)景上，主要分為零售業(yè)務(wù)和對(duì)公業(yè)務(wù)。傳統(tǒng)風(fēng)控在零售業(yè)務(wù)上的痛點(diǎn)主要是數(shù)據(jù)口徑單一、人力成本高企、無法覆蓋信用白戶等問題；在對(duì)公業(yè)務(wù)上存在缺乏規(guī)范判定標(biāo)準(zhǔn)、盡職調(diào)查成本高、真實(shí)性考證難度大等問題。金融科技風(fēng)控則在傳統(tǒng)風(fēng)控的多個(gè)環(huán)節(jié)進(jìn)行優(yōu)化，在大數(shù)據(jù)和人工智能等技術(shù)賦能下，通過多維度數(shù)據(jù)和智能化分析模型，提升金融機(jī)構(gòu)風(fēng)控水平。
招商銀行知識(shí)圖譜案例
被業(yè)內(nèi)譽(yù)為“零售之王”的招商銀行引入了由合合信息打造的企業(yè)關(guān)聯(lián)關(guān)系智能知識(shí)圖譜——風(fēng)險(xiǎn)門戶，通過人工智能+大數(shù)據(jù)的智能風(fēng)險(xiǎn)決策手段，降低銀行在企業(yè)信貸過程中因關(guān)聯(lián)企業(yè)識(shí)別不充分而造成的各種風(fēng)險(xiǎn)。在企業(yè)關(guān)聯(lián)關(guān)系智能知識(shí)圖譜的幫助下，招商銀行2020年一季度末公司業(yè)務(wù)貸款不良率為1.72%，較上年末下降0.12個(gè)百分點(diǎn)，并且自2018年二季度開始出現(xiàn)持續(xù)下降的趨勢(shì)。
圖4：招商銀行不良率
資料來源：招商銀行，零壹智庫(kù)
招商銀行風(fēng)險(xiǎn)門戶通過超2000項(xiàng)數(shù)據(jù)渠道來源，對(duì)于企業(yè)工商信息、司法信息、權(quán)利抵質(zhì)押、市場(chǎng)數(shù)據(jù)、經(jīng)營(yíng)數(shù)據(jù)、交易信息、擔(dān)保信息、融資分析、新聞?shì)浨?、?shí)控人信息等銀行內(nèi)外數(shù)據(jù)多維度、多渠道路徑進(jìn)行實(shí)時(shí)、動(dòng)態(tài)地信息數(shù)據(jù)深度關(guān)聯(lián)和風(fēng)險(xiǎn)監(jiān)控。
自風(fēng)險(xiǎn)門戶正式上線以來，截至2019年4月末，招商銀行累計(jì)使用的分行、子公司總計(jì)55家，總訪問人數(shù)8280人，總訪問人次總計(jì)91423次，被查看過的企業(yè)數(shù)量達(dá)75596家，在全國(guó)范圍內(nèi)得到了廣泛使用。
在第三方支付場(chǎng)景上，隨著支付業(yè)務(wù)的創(chuàng)新與高速發(fā)展，掃碼支付，刷臉支付、聲紋支付等技術(shù)日新月異，線上線下等多個(gè)支付場(chǎng)景涌現(xiàn)，交易規(guī)模激增對(duì)傳統(tǒng)支付風(fēng)控模式造成了巨大的挑戰(zhàn)。
據(jù)前瞻產(chǎn)業(yè)院數(shù)據(jù)統(tǒng)計(jì)，2013年我國(guó)第三方支付規(guī)模為13.9萬億元，經(jīng)過6年的高速發(fā)展，2019年的支付規(guī)模為372.3萬億元，預(yù)計(jì)到2022年將達(dá)到548.6萬億元的交易規(guī)模。
圖5：2013-2022年中國(guó)第三方支付綜合支付交易規(guī)模統(tǒng)計(jì)及增長(zhǎng)情況預(yù)測(cè)
資料來源：前瞻產(chǎn)業(yè)研究院，零壹智庫(kù)
通過大數(shù)據(jù)、人工智能、生物識(shí)別等新技術(shù)，金融科技風(fēng)控能夠在支付交易的事前、事中和事后對(duì)風(fēng)險(xiǎn)事件進(jìn)行實(shí)時(shí)監(jiān)控。
支付寶AlphaRisk風(fēng)控引擎案例
支付寶AlphaRisk風(fēng)控引擎用AI技術(shù)顛覆傳統(tǒng)風(fēng)控的運(yùn)作模式，通過構(gòu)建Perception（風(fēng)險(xiǎn)感知）、AI Detect（風(fēng)險(xiǎn)識(shí)別）、Evolution（智能進(jìn)化）、AutoPilot（自動(dòng)駕駛）4大模塊，將人類直覺AI(Analyst Intuition)和機(jī)器智能AI(Artificial Intelligence)兩者進(jìn)行融合，形成具有機(jī)器智能的風(fēng)控系統(tǒng)，并在未來逐步實(shí)現(xiàn)風(fēng)控領(lǐng)域的無人化管理體系。
圖6：AlphaRisk智能風(fēng)控引擎
資料來源：螞蟻金服，零壹智庫(kù)
AlphaRisk風(fēng)控引擎上的自動(dòng)特征工程（AlphaTrion）模塊，不同于以往特征工程將大量時(shí)間集結(jié)在特征生成上，而是將90%時(shí)間用于問題風(fēng)險(xiǎn)，5%的時(shí)間在特征自動(dòng)生成，5%的時(shí)間在模型建設(shè)和策略應(yīng)用上。
在AlphaRisk智能風(fēng)控引擎幫助下，支付寶能夠在0.1秒之內(nèi)對(duì)支付交易進(jìn)行風(fēng)險(xiǎn)預(yù)警、檢測(cè)、和攔截等各種復(fù)雜的工作，在天貓雙十一大促活動(dòng)中更是頂住了巨大規(guī)模流量，為用戶交易保駕護(hù)航。
在供應(yīng)鏈金融場(chǎng)景上，傳統(tǒng)風(fēng)控存在金融機(jī)構(gòu)和核心企業(yè)需求存在錯(cuò)配、金融機(jī)構(gòu)在供應(yīng)鏈金融的金融科技支撐較為薄弱、政府等機(jī)構(gòu)對(duì)金融機(jī)構(gòu)的有關(guān)的資源配合力度不足三大痛點(diǎn)。
金融科技風(fēng)控則可以幫助供應(yīng)鏈金融風(fēng)控貸前、貸中和貸后的信貸服務(wù)體系全流程。金融科技風(fēng)控在貸前主要起到數(shù)據(jù)支撐、規(guī)則策略制定、黑名單篩查等作用；通過企業(yè)多維度數(shù)據(jù)，在貸中通過風(fēng)控建模，構(gòu)建中小企業(yè)信用模型，進(jìn)行風(fēng)險(xiǎn)等級(jí)劃分，幫助審批和授信；在貸后可以進(jìn)行風(fēng)險(xiǎn)監(jiān)測(cè)，主要從司法、稅務(wù)、財(cái)務(wù)、工商、個(gè)人等多個(gè)維度就行預(yù)警，還可以對(duì)貸后資產(chǎn)表現(xiàn)進(jìn)行評(píng)估，并迭代催收模型，以便調(diào)整貸后策略。
合合信息“供應(yīng)鏈核心企業(yè)大數(shù)據(jù)風(fēng)控管理平臺(tái)”案例
合合信息旗下啟信寶商業(yè)數(shù)據(jù)平臺(tái)涵蓋國(guó)內(nèi)2.3億家企業(yè)和組織機(jī)構(gòu)名錄，2.2億家海外企業(yè)，700多億條實(shí)時(shí)動(dòng)態(tài)多維度企業(yè)數(shù)據(jù)庫(kù).“供應(yīng)鏈核心企業(yè)大數(shù)據(jù)風(fēng)控管理平臺(tái)”基于啟信寶商業(yè)數(shù)據(jù)平臺(tái)，面向銀行、融資租賃、工業(yè)制造、批發(fā)零售、政府機(jī)構(gòu)、律所、媒體及其他各類工商企業(yè)，提供商業(yè)調(diào)查和風(fēng)控合規(guī)解決方案，已經(jīng)成功服務(wù)30000+企業(yè)及機(jī)構(gòu)。
圖7：?jiǎn)⑿艑殧?shù)據(jù)優(yōu)勢(shì)
資料來源：合合信息，零壹智庫(kù)
在風(fēng)控平臺(tái)的商業(yè)基礎(chǔ)調(diào)查模塊上，可以為企業(yè)提供37個(gè)維度智慧搜索方案，并支持5000條企業(yè)信息批量查詢，平臺(tái)還會(huì)對(duì)企業(yè)59個(gè)維度進(jìn)行實(shí)時(shí)監(jiān)控。智能風(fēng)控合規(guī)模塊支持目標(biāo)20000條關(guān)聯(lián)信息查詢，可以對(duì)8個(gè)行業(yè)和36個(gè)分類輿情標(biāo)簽進(jìn)行實(shí)時(shí)監(jiān)測(cè)。
