《影响中国大数据产业进程100人》第96期 宋进亮：专注金融大数据建模创新

   点击上方蓝字关注公众号

前言：     

2016年3月，由中国首席数据官联盟发起，北京大学信息化与信息管理研究中心、中国新一代IT产业推进联盟协办的“影响中国大数据产业进程100人”大型人物专访活动全面启动，被采访对象分别来自政府、产、学、研、企各个领域，他们将从不同角度，不同层面向大家阐述当前大数据产业热点、难点、疑点问题，为中国大数据产业健康、持续发展探索经验、保驾护航！

本期特邀嘉宾首席数据官联盟发起人刘冬冬，就金融大数据建模创新进行深入探讨。

刘冬冬：目前大数据在金融领域有哪些具体应用？ 你们主要为金融企业解决什么问题？

宋进亮：简单讲主要体现在三个方面，即风险控制、运营优化、精准营销。

风险控制是通过征信数据解读，外部数据源获取，以及评级模型和机器学习算法，形成自动化系统，在贷款业务流程中辅助决策。

运营优化则是通过对运营数据的整合、监控、和分析，了解客户行为习惯，提供全生命周期的客户管理，帮助调整业务，优化运营。而精准营销是提供了多维度的用户画像与产品分析，寻找关联关系，帮助交叉营销与精准获客。

普林科技从成立至今两年多的时间内，我们致力于将团队优秀的数据分析能力、算法积累、以及建模经验落地于金融业务。我们在去年推出了自己的金融风控产品，普林风控决策官，主要是面向放贷机构，提供一站式的风控服务，包括数据接入、反欺诈规则引擎、和定制化风险评分建模。目前已经服务了多家金融机构，包括商业银行、金控集团、网贷平台等。

刘冬冬：当前国内征信服务存在哪些问题？普林科技又是如何操作的？

宋进亮：目前中国征信市场比较火热，但同时也存在很多乱像：市场上标准化的征信数据同质化严重；还比如任意一家拥有用户数据的机构可以以征信服务的名义从事数据买卖；黑市数据买卖猖獗，滋生诸如电信诈骗的不法行为；，个人隐私得不到保护。而对于为征信数据直接买单的金融机构而言，数据源不合规、真实度低，覆盖率不足，更新频率低等问题，将直接带来经济损失和资源的浪费。

在解决征信数据真实性和合规性方面，普林科技主要通过我们的数据云服务平台，对接多家权威数据源，包括通过成立联合实验室等方式直接对接三大运营商，保证数据的安全合规和可靠性。

刘冬冬： 我们了解到普林2015年与央行征信中心有过合作，当时整个项目过程是怎样的？

宋进亮：这个项目最初起源于央行征信中心在2015年夏天召集的一个内部研讨会，针对3.7亿全量征信报告进行数据挖掘与风险评分建模，当时邀请了国内多家个人征信机构和准备开展征信业务的互联网巨头。普林科技的建模理念以及技术优势最终得到了央行征信中心首肯。

接下来我们就派驻了一个建模工程师团队。在服务过程中我们发现传统征信领域的建模最大的隐患在于行为信息最多的用户被扣分的可能性更大，反而行为信息不多的用户可能信用优良;其次新数据不断涌入，如何处理这些新数据，给他们配什么样的权重，新老数据如何融合都是我们急需解决的问题。我们的数据科学团队采取了无监督学习的办法，将新来的数据与原有数据匹配起来，利用大数据进行分析，以此判断数据的重要性。

本次合作，普林科技基于央行3.7亿全量信用报告数据，通过大数据新算法从信用报告中提取上千个维度的信息，对未来24月违约的预测准确率达到95%，对好坏人群区分度的KS指标达到78%，为3.7亿国民开发了自主可控的评分模型，实现系统稳定性、准确性、业务指示性全面提升。我们也积累了国内甚至说全球领先的评分机构都难以获取的建模经验与算法积累。

刘冬冬：好食材更需要好手艺，你们是如何保持在大数据挖掘和风控建模上不断创新的？

宋进亮：凝聚人才。普林科技拥有毕业于美国普林斯顿大学，康奈尔大学，加州大学，华盛顿大学，哥伦比亚大学，北京大学等国际顶尖院校的数理统计、机器学习等高端人才，拥有国际领先的算法模型积累；、青年千人计划学者组成的专家团队，为每一个建模实施项目提供有效的技术支撑。

在商业实战中历练。在公司创立伊始，我们和美国最大的P2P平台进行建模合作，通过我们自主研发的机器学习算法构建客户还款预测模型，可以使得平台的客户违约降低将近40%；和国内一家股份制银行的合作中，我们开发的无监督机器学习算法，针对电子银行客户的交易反欺诈行为，达到了100%的识别率；和国内顶尖基金公司量化团队的合作中，我们开发的大数据指数，创新的使用国内外全网的舆情数据、自然语言处理技术与深度学习算法，达到了收益率4倍于沪深300指数以及2.7倍于标准普尔指数的表现。

基础技术也要跟上。在保持对数据挖掘技术与机器学习算法的持续研发与创新的同时，普林科技也于去年10月上线了基于Hadoop技术的大数据基础平台，基于大数据平台，进行多维度、大体量数据的收集、存储、展示，未来我们将依赖大数据平台，构建更多具有普林特色的服务，包括风险评分、欺诈识别、精准营销等，形成高效与应用场景丰富的大数据生态。

刘冬冬：最近几年在服务金融客户过程中遇到哪些挑战？

宋进亮：不同类型和规模的金融机构，面临的挑战和问题各有不同。

对于银行类大型传统金融机构。因为习惯于固有的业务模式，对大数据技术和算法在实际业务中的提升往往抱持怀疑态度。我们通过驻场联合建模，通过具体的模型实施与应用效果展示，改变客户的观念。其次我们也会开展金融大数据的定期培训，帮助客户认识大数据拥抱大数据。我们目前和多家银行客户开展的项目都获得了客户的高度认可，也形成了长期的合作关系。

对于创新性很强的互联网金融机构。业务大都是冷启动模式，缺乏业务经验与历史数据的支持，对大数据的认识往往还停留在数据源获取的层面上。我们除了产品和建模服务之外，另一个重要的任务就是给客户提供整体咨询解决方案，根据客户的场景、以及具体需求，提出大数据解决方案。而且我们还提供按年付费的模型优化服务。

所有这些服务模式，都要求我们团队有非常高的金融业务与数据技术的素养，从业务和技术结合的角度去分析问题，解决问题，这也是这个工作最有挑战，同时也最有乐趣和最让人有成就感的地方。（完）

首席数据官联盟（Chief Data Officer Alliance，CDOA）是国内首个以CDO为核心的公益组织，成立于2015年10月份，遵循自愿、平等、互助原则。现有大数据专家500多人，包括大数据公司CEO、知名企业CDO/CIO/CTO/CMO、大数据科研机构负责人及行业专家，是国内最活跃的大数据精英交流平台。

本文由“首席数据官联盟”公众号及其运营主体整理、创作，如需转载或引用该文章的任何内容，请留言，转载时请注明来源。未经同意，不得擅自修改、歪曲、篡改文章内容。