用機器學習做風控的氪信，憑什麼獲金牌投資人章蘇陽數千萬融資？

随着國内網際網路金融監管加強，小額普惠的定位更加明确（行業回歸風險控制的本質），用大資料與機器學習的方式做風控變得越來越重要，相關領域的公司也逐漸受到追捧。

雷鋒網獨家獲悉，fintech公司creditx氪信最近正式完成數千萬元pre-a輪融資，由idg榮譽合夥人章蘇陽新創立的基金火山石資本領投，真格基金跟投。2015年底，氪信還曾獲得真格基金領投的700萬元天使融資。

氪信主要用機器學習和大資料分析技術，提供風險信用評估和使用者價值營運，為金融公司提供風控與營銷決策。氪信的産品包括非或然引擎和xcloud，前者是一個大資料風控決策引擎；後者可以簡單了解為以大資料為基礎的daas（資料即服務）服務。

公司創始人朱明傑告訴雷鋒網，本輪融資将主要用于與資料源上下遊合作，金融場景與市場拓展，以及團隊擴充。

網際網路借貸的特點是小額大量，而基于人工的風控成本過高且效率低，這就需要用機器學習的手段幫助做出風控決策。朱明傑認為，現在用機器學習的方式做風控還處于很早期的階段，對金融客戶來說也有一個市場教育的過程，今年開始才逐漸有業務上的需求。他告訴雷鋒網，将機器學習應用于風控主要有兩方面的問題：

一是資料太多，主要是資料特征次元多。傳統風控主要用到與金融相關的特征，一般有數十次元，包括收入、流水和信貸等。而小額普惠金融則需要包括行為資料、app資料、多頭借貸在内的多元資料。

二是樣本資料太小，因為消費金融等純線上形式存在的時間較短，沒有傳統借貸那樣多的樣本資料。

氪信的機器學習引擎會是把人的經驗和機器能力結合起來。線上上貸款中，雖然資料不足，但風控專家會有自己的邏輯，隻是人力稽核的量不會很大。通過機器學習把經驗複制到機器上，把不确定的東西交給風控專家，這對小額分散的借貸很适用。風控專家會介入到機器學習的訓練疊代上，最終模型會自動疊代，對人的依賴也就越來越少，并避免人為操作的道德風險。

朱明傑還提到将機器學習用于風控的可解釋性問題。我們知道，如深度學習這類技術，雖然在人臉、語音識别上取得了驚人的效果，但關于其原理的讨論仍較少，即不知道為何會有這樣的結果。而金融機構特别關心模型的可解釋性，一方面是要控制風險，另一方面是要與使用者溝通。顯然，隻給出結果而沒有可解釋性，是無法被接受的。

朱明傑表示，自去年底産品成型到現在，氪信已與50多家金融機構有合作，包括民生銀行、中銀消費金融這樣的傳統金融公司，也有點融網、小赢理财、洋錢罐、雨點金服等網際網路金融公司。非或然引擎在傳統金融場景上，風控名額的ks值提升在50%以上，在網際網路金融反欺詐效果中ks值也領先。

目前，公司已實作盈利，融資主要是為了未來的布局與平台發展。朱明傑表示，兩輪融資的間隔較短，也很快，恰逢章蘇陽從idg退休成立新基金。

朱明傑告訴雷鋒網(公衆号：雷鋒網)，此前的很多大資料與機器學習風控其實都是在講故事，而随着監管的變嚴，fintech基礎設施這塊的服務才剛剛開始，這些底層基礎設施包括資料、模型、征信、風控和反欺詐等。

不過他認為這塊市場會有很明顯的馬太效應，雖然未來會有更多公司加入其中，但已起步的團隊會存在更大的優勢。因為他們有在成熟場景中的檢驗效果，模型會越來越完善。

做風控有幾方面的壁壘，一是人才，二是資料和業務的積累。機器學習模型需要接受金融場景的檢驗，其效果是技術與業務的結合。

朱明傑認為氪信的優勢也在這裡。他本人是微軟亞洲研究院博士，曾在德國馬克思普朗克研究院從事大規模資料挖掘工作，其他技術成員也有成熟的大型機器學習成熟應用經驗。另外他們也有非常好的機會，深入到金融機構核心的風控場景中，讓産品得到了檢驗。

目前，氪信的風控引擎主要提供場景定制的服務，不過已經與新浪微财富這樣的雲金融平台在合作，未來會提供更多的金融saas服務，讓風控模式實作高效的推廣與複制。

本文作者：張馳