伴隨著大數據、云計算、人工智能、區塊鏈等技術的蓬勃發展，金融科技引領信息技術服務于金融創新，創造出新的金融業務模式、流程或產品，對金融市場和金融服務的提供方式帶來深刻影響，成為目前金融創新的重要趨勢與領域。在金融科技時代，隨著傳統的金融業務模式正在被顛覆，風險管理的方法也將被改變。主要表現為“一增一減”：“增”指提高業務效率，比如信貸效率、風控效率等；“減”指減少損失、降低行業成本。
在傳統金融信貸服務領域，信息、信用、渠道、成本等難題正在凸顯。典型的例子是，傳統的銀行服務主要依托網點開展，在業務中極其依賴服務對象有無工資流水、征信報告、社保證明等強特征數據，通過這些數據篩選出與風險敞口契合的客戶，此類強特征數據是能否獲得信貸服務的關鍵因素。由于傳統模式風控手段的限制，很多人被排除在了服務體系之外。據估算，我國傳統信貸服務的客群僅占總人口的15%左右。
傳統信貸服務需要依托線下網點展開，資質審核、合同簽訂等流程都需面對面進行，效率低、體驗差。同時，由于流程中個人經驗、情感狀態等因素的影響，服務的安全性和穩定性也會受到干擾。另外，傳統信貸風控模型的優化、迭代周期較長，難以適應快速變化的市場壞境。
以用戶體驗為導向、數據為驅動、互聯網為手段的金融科技具有資本集約、資源開放、創新集中的特征，通過技術的積累與突破，筑起傳統金融機構無法超越的服務壁壘。通過構建龐大的金融科技服務生態圈，可以實現金融組織形態的多樣化，在運行效率、運營成本、傳播介質、數據分析等維度對傳統金融風險管理形成沖擊。
金融的核心是風險控制。對于金融企業來說，在新形勢下，要實現穩健發展，必須加強科技運用，通過異構異源數據融合、全息畫像圖譜創建、基于風險因素指標的解讀，提升新形勢下的風險防控水平。
金融科技加持風控能力是創建在多維、海量、動態的數據基礎之上的。通過對自有數據集成、公開數據的抓取、第三方服務商合作、以及渠道開發等，實現了人工智能、大數據、云計算和區塊鏈等領先技術的創新，并應用到了風險模型、企業征信、貸后風控管理等實踐領域。
具體來說包含以下要點：一是通過收集用戶的行為數據，進行穿透式風控管理。現在金融系統里面一直擔憂的很多問題：老鼠倉、內部交易、市場操縱，如果能夠充分、及時地取得相關的行為數據進行分析，可以盡早采取介入措施，從而使得這些行為得到比較有效的規范。二是提高違約、違法的成本，使得客戶在違背承諾以后，將會受到市場及時的懲罰。三是提高風險管理的針對性和預警性。通過大數據、人工智能的算法，能夠推理或者挖掘出一些行為的模式，可以相對比較準確地預警或者針對性地發現風險，以便盡早采取相應措施介入。四是降低了人工處理過程中可能帶有的一些情緒和主觀上的認知偏差，在一定程度上可以糾正人在行為過程中的情緒因素。
風險控制是金融科技的核心能力。在此，人工智能可以有豐富的運用場景，結合大數據和機器深度學習，通過針對性風險監測模型的搭建，實時抓取和分析用戶的抵押物的變動、評估動態償還能力，可以快速了解到資產的變化，提高平臺對于資產的風控能力，引入優質的資產；另外，通過大數據分析可以優化產品組合，滿足用戶對于個性化產品的需求；最后，在運營和營銷環節，人工智能技術可以幫助平臺實現精準營銷，提高運營的效率，降低對人工的依賴。風險控制是嚴謹、專業且高難度的工作，需要解決來自技術、信用、法律等多方面的風險難題。
人工智能等新技術和科技手段的突破和應用，驅動了現階段金融的智能化，也讓風險管理的實現方式呈現新的變化，通過新技術甄別風險和信用比傳統的手段更加精密科學。此類技術在貸前、貸中和貸后都能發揮較大的作用。貸前，大數據技術能夠提高反欺詐準確度與效率；貸中，大數據能夠對借款人收入情況、流水變化作出預警；貸后，通過與客戶的溝通促使其及時正常還款。
具體來說，可以分為個人和公司兩個領域來闡述。
1.個人業務領域。金融機構在承做個人零售貸款業務時，對客戶信用能力的精準評估無疑是非常重要的，因為它關系到貸款壞賬率的高低。通常要對客戶進行全維度的畫像，包括：分析客戶的風險承受能力，以及其還款能力和還款意愿。
針對還款意愿，傳統金融機構對欺詐的鑒別力是比較弱的，需要花費大量的人工和時間，對借款人的真實身份、基本信息、借款用途進行核對驗證，成本高昂，而且效果不佳。這也使得傳統金融機構只愿意做有官方征信紀錄的客群。但有了金融科技的技術支撐之后，用大數據及人工智能可以進行信息核真核實、黑名單比對、社交行為分析、行為軌跡分析等，可以非常快速地鑒別出欺詐行為，從而了解客戶真實的還款意愿，大大降低了風險成本。例如，蘇寧金服構建的反欺詐知識圖譜基于大規模圖計算的2C、2B關系挖掘，實施行為監控、收集、分析，構建了一個多類型的實體關系網絡，可以及時預警潛在風險，提供威脅檢測、異常檢測及反欺詐行為分析。
針對還款能力，傳統的信貸分析一般側重現金流分析、財產分析、消費行為分析等，人工操作成本也是居高不下，這使得傳統金融機構的服務范圍有限，大量的長尾客群游離在業務之外。運用大數據技術可大大簡化上述人工的審核分析過程，而且使結果更加可靠。
此外，做好逾期或者壞賬預警，把損失降到最低。例如，利用自然語言處理及深度學習的技術，開發使用催收機器人。由人工智能技術和催收領域的專家團隊，按照產品和用戶的特點量身定制催收方案，包括：催收話術、催收頻率、最佳時間、催收策略等。智能機器人能最大化縮短逾期天數，降低逾期率，減小風險敞口。同時，還可免去電催團隊的建設和運營成本，顯著地節約費用；催收機器人可支持多路話務并行催收，提高工作效率，大幅縮短了執行時間。
2.公司業務領域。在對公業務中，信息不對稱是信用風險管理最頭疼的問題之一。尤其是對非上市企業做授信時，因為缺乏嚴格的信息披露機制，財務報表未經過權威機構審核，債權人與債務人掌握的有效信息往往不透明、不對等，這就對精準風控提出了挑戰。為此，風控人員往往要花費大量時間解決信息穿透的問題，成本也隨之升高。
大數據與人工智能技術可以提供有效的解決方案，通過人工智能和大數據技術構建智慧預警監控體系，通過集成多個來源的數據，獲得工商、財務、行業、司法、輿情等多個維度的全面信息。由系統自動分析預警，從而提高貸后資產管理的工作效率，并降低人工操作風險。此外，跟傳統監控模式相比，除了信息源比較全面，而且可以對監控對象的全產業鏈監控。根據產業鏈上下游的價格、訂單等波動情況預測企業的風險。例如，蘇寧金服的企業圖譜系統，集成了工商、司法、輿情等自有或其他來源數據，為企業客戶創建了300多個維度的全方位畫像，從企業關聯關系、投資關系、風險要素體系等角度對企業運營狀態進行刻畫（如下圖所示）。
圖 蘇寧金服的企業圖譜系統
知識圖譜是金融數據分析從簡單的量化模型走向更為復雜的價值判斷和風險評估的必經一環，把經驗逐步變成可重用、可演進、可驗證、可傳播的知識模型，從而實現數據到智能的升華。
總而言之，金融的本質沒有變，科技也沒有改變金融的本質，但是改變了金融的運行方式，金融的未來是高科技行業。同樣，人工智能也沒有改變金融風險管理的本質，但是借助金融科技的進步，能夠更有針對性、更及時、更有效率地監測、識別和處置風險，從而創建具有豐富內涵的金融新生態。
銀行與金融科技融合的理想境界是什么？是銀行即服務。
2019年6月14日，億歐智庫研究院將在“2019丨全球新經濟年會·金融科技峰會”上發布《2019開放銀行與金融科技發展研究報告》，深度解讀金融科技賦能開放銀行的融合與落地應用——上?！ず鐦颉な蕾Q展館邀您見證！搶票鏈接：https://www.iyiou.com/post/ad/id/818
客服
熱線
微信
