C+B端兩條腿走路，智融集團耕耘人工智能金融的這五年

“金融科技賦能”的話題從去年火熱到今年，更在目前似乎成為了全行業的共識。銀行等傳統金融機構、金融科技公司等相關參與方也越來越常談到科技轉型戰略，并分享合作案例。

在近日舉辦的朗迪2018峰會上，雷鋒網與智融集團ceo焦可進行了一次深入交流。據介紹，自去年3月推出人工智能風控引擎“i.c.e.”後，智融便确立了服務b端這一戰略。焦可表示，“智融集團發展有兩條腿——b端和c端齊頭并進，我們認為b、c業務是互補的。相對而言，b端的服務更加多樣性。隻做c端，深度容易達到，但廣度不夠；如果單純做b端，廣度易達，但深度不夠，是以我們會長期堅持c、b兩個端并行戰略。”

雷鋒網了解到，焦可是清華大學計算機系學士，中科院計算所碩士。曾任百度進階經理、趕集網進階産品總監、馬可波羅網産品副總裁。2013年他投身網際網路金融創業，2015年推出了主打産品用錢寶，2017年3月，在完成了c輪融資後，公司更新為智融集團。

在2015年用錢寶誕生之前，焦可率領團隊還做過一個結構化的貸款資料庫及智能化推薦引擎——“貸小秘”，該産品旨在解決銀行與貸款人群資訊不對稱問題。然而，經過一年半的摸索，成功率依然很低。他們逐漸認識到，信貸市場核心問題不是資訊不對稱，而是能力不均衡，傳統金融機構針對弱特征人群的風控水準有限。不同于典型的銀行客戶，這類客戶大都缺少征信報告、銀行流水、社保證明等強特征資料，隻有海量的弱特征資料。

“巧婦難為無米之炊，我們希望發明一種新的廚藝來服務這幫非銀行客戶人群。而為了發明廚藝，我們開了一個‘館子’，這個‘館子’就是用錢寶。”焦可表示。用錢寶是一款針對小額短期借款市場的助貸産品，連接配接着使用者和持牌金融機構，為合格的放款主體提供風控服務。産品并不直接接觸借貸資金，而是由銀行、消費金融公司等機構直接放款給使用者。據稱，用錢寶已經貢獻了2500多萬人次信貸樣本。

焦可指出，當業務以人工智能為導向時，馬太效應也愈加明顯。“樣本越多，模型越好，通過率會更高，壞賬率會更低。進而在市場競争當中會處在優勢位置，優勢就轉化成營利能力。營利能力又轉化成市場投放能力，又會帶來樣本的增長。”

值得注意的是，用錢寶樣本的獲客方式都來自線上。與“場景”也無甚關聯。cto齊鵬曾解釋說，這是因為他們認為消費場景是借貸的子集。使用者的需求通常就是獲得貸款用于生活，不外乎衣食住行等，不想給使用者一個場景局限。

焦可表示，不同于大額信貸，大額信貸的的場景收斂，資金使用用途非常重要，“你是拿去買房裝修，還是炒比特币，風險差異較大”，而小額業務由于非常分散，場景不收斂，以及風險更大關乎人而不是使用場景。

在“館子”運作了兩年後，智融終于開放了“廚藝”——人工智能風控引擎“i.c.e.”。三個字母分别代表，識别 identify 、計算 calculate 和評估 evaluate。針對ai風控的三個核心問題，智融做了三方面工作：柯南特征工程、d-ai機器學習模型、anubis大資料計算架構。據介紹，智融在對接客戶時，一般會通過api的方式提供定制化的解決方案。

另據稱，i.c.e.人工智能風控引擎挖掘産生8000+個次元的弱特征，而傳統信貸領域隻有十數個特征，同時上百個機器學習模型平均每月完成100餘次模型疊代，正常機器稽核僅用8秒。當然，在服務b端時，由于b端需求不同，并不是每次服務b端都會用到幾千條特征。

前文也提到，服務b端是目前大勢。有觀點認為，這一趨勢的出現，一方面由于受制于法律規範，另一方面則是由于c端業務飽和，是以轉向b端。

對此，焦可對雷鋒網表示，“”我覺得沒有一個明顯的斷代式的轉化。2c與2b，其實并不沖突的。換個角度來講，信貸業務本質是2b2c，因為最終服務的對象都是個人信貸的使用者，更多的是在探讨大家一起合作的模式。”不論是線上還是線下，信貸的本質也沒有發生改變。科技的進步，其實是以一種更高效的方式替換了一些流程環節。焦可強調說，智融本身也仍然是與金融機構合作，幫助其尋找客戶、風控、做好貸後管理。

“傳統金融機構的自營模式将會轉化為合作模式，各取所需是未來行業的合作架構。随着這樣的一個架構誕生，過去的篩選規則以金融産品為核心，也會轉變為ai評估下的以人為核心。”據稱，目前智融的合作夥伴有兩類，一是前端場景方，另一類是資金提供方。

還值得注意的是，盯上b端蛋糕的互金公司數不勝數，還有銀行科技子公司、bat等網際網路公司虎視眈眈。類似智融的非巨頭、非平台型公司應該如何參與競争呢？

“首先，我覺得中國的長尾人群體量非常大，這些遠飛大銀行、bat所能完全解決。我有一個觀點——中國個人信貸闆塊可能會呈現‘三三四’的格局，競争關鍵是上三與中三。最上面的三成，會被大行和bat所覆寫，同時他們會往下滲透。中小銀行和互金公司也在努力吃掉中間的‘三成’人群，即我們所說的次優人群。”

焦可進一步解釋說，歐美的信貸客戶是八二結構，八成能夠享受直接銀行服務，另外兩成可以得到非銀行機構的服務。類比到中國，中間的三成并不是所謂的“危險人群”，而是“underserved”，他們本該得到銀行服務。

“比如銀行對于司機以及服務員有偏見，認為他們是高危行業，流動性高。而我們認為他們的資質還不錯，都是依靠勞動去賺錢，但由于不符合銀行的審美，是以無法獲得服務。而大資料能夠解決這些問題。”

另一方面，“到了互金行業下半場，大家已經意識到了孤木不成林。一個玩家、一個業務，其實很難形成一個大的規模效應。而現在，行業注重互補和合作，各展所長。有的公司在流量上占據優勢，是以它與金融機構的合作方式是以流量為主。而我們這類公司的賣點就是風控模型。”

如何保持自身的競争力？焦可認為其實有二，一是有可以實踐落地的案例，二是充分了解b端業務。此外，他特别指出，業内每家公司在資料源方面的擷取并沒有太大差異，“不存在獨門資料”，資料加工方式很重要，“同樣這些資料，可能有的公司如果人工加工，可能隻能得到幾十條，上百條就頂天。但是如果使用機器挖掘的話，你可以挖掘出幾千條。”