拍拍信CEO陈平平：数据驱动全局，帮助提升各个环节的决策效能 | 析议论坛

　　无论是银行、大型互联网公司、P2P，信贷业务的商业模型大致相同，其在不同环节的转化和表现影响了最终的利润水平。对于机构而言，如何扩大业务、控制风险和实现盈利是三大需要持续关注的挑战，而数据科技在每个环节都具有提升效率和降低成本的空间。关于如何帮助客户战胜上述三大挑战，陈平平分享了拍拍信的一些经验和总结。比如，注重基础数据的建设和统一，基于图数据库建立不同人、物与事件的联系，以及运用人工智能技术在客服、催收和借款机器人(300024,股吧)方面的应用等。

　　近日，爱分析在京举办2018.爱分析中国金融科技高峰论坛。针对数据科技在金融领域应用这一热点话题，爱分析特邀金融科技领域的标杆公司拍拍信的CEO陈平平进行主题演讲。

　　会上，陈平平以“大数据在新金融业态下的应用”为主题，对信贷的商业模式、金融机构面临的持续挑战和数据驱动的解决方案等内容进行了深入剖析。

现将拍拍信CEO陈平平的主题演讲实录分享如下。演讲实录

　　陈平平：大家上午好，非常感谢爱分析组织这次交流。我们整个团队早期服务过传统银行、大型互联网公司和外资的数据公司等，后来又去到拍拍贷，最终在2016年成立拍拍信这家企业，始终致力于运用我们的数据科技来服务优化整个商业全局。当前我们的专注点主要在信贷领域的风险、运营和营销三大方面。接下来和大家简单分享下我们的一些心得和经验。

信贷模型逐一拆解，平台连接借贷两端

　　首先，以信贷业务的简单模型来看，假设把借贷人为借款付出的全部APR(Annual Percent Rate)归到信贷机构，我们来看下有哪些要素在挤压利润空间。

　　第一块是资金成本，不同身份的机构在资金成本上差异非常大；第二块是营销成本，无论银行、互金机构等，这部分竞争也越来越激烈；第三是风险层面，比如不同机构的通过率和逾期率；最后是运营能力，各家模式不同，其整体优化能力也会有很大差异。

　　接下来看一下平台概念，以新金融的互金举例，它首先连接了借贷两端。借这端，或者资产端基本上经历如下几个阶段，信息收集、欺诈检测、信用评级、风险定价和最后的资产发布。而投资方需要做一些投资的选择、交易的手续和帐户管理等，整个平台运营起来先是有一个信息流交换，再是一个资金流的交换。在这两个“流”的交换背后其实有四大系统在支撑。哪四大系统呢？第一个就是我们的交易系统，第二个是风险系统，第三个是运营系统，第四个是数据系统。

资产端的五大核心环节

　　资产端主要分为五个部分，分别是营销获客、风控审核、放款及贷中管理、业务表现分析和体验优化。

　　营销获客的环节非常有意思，目前很多机构依赖各种各样的渠道，但是不同渠道的能力强弱不同，各家机构对于流量的转化能力差异也非常大，这个流量转化能力决定了最终的营销成本，以及每家渠道和机构的配合关系、强弱关系等。另外，流量变现方案也是很多互联网公司或者有流量、有客户的公司一直考虑的点，此前可能更多是通过广告、游戏，现在大家也发现金融是蛮不错的变现途径之一。

　　风控审核部分，我们会去看业务场景、准入门槛是什么样，流程设计是怎么样，是纯线上还是纯线下，还是线下迁移至线上，甚至线上再转线下等。举个例子，当机构需要客户提供什么样的申请信息时，我们能够发现，有些信息对于风险的判断帮助很大，但是可能对于客户来讲是比较抵触的。这个时候需要进行一个平衡，到底要转化还是保风险，这里面涉及诸多方法。

　　第三个部分是放款及贷中管理，其中会涉及大量质量和内控监督关系，跟我们的系统设计，包括数据监控也有非常大的关系。

　　第四个，业务表现分析不必多说，是任何一家数据公司需要做很多事情的地方，它直接决定选择什么策略、如何使用及何时调整策略。

　　最后，体验优化这个部分，我们会非常关注。因为现阶段获取一个客户花这么高成本，不希望只做一次生意，而是要做全生命周期。

资金端的数据模型应用

　　再看资金端，其实互联网线上资金端的全生命周期与前面讲的借款是类似的，怎么样从首投到复投到N投。每一个客户都会因为各种各样的原因离开我们，但是作为一家机构，我们要想办法知道他为什么要走，他什么时候要走，以及在这种时候我们是不是可以有一些预警、提前介入的措施等去挽回他。

　　我们曾帮助一家机构做过三个模型。第一个是新客模型，就是客户在下载、注册完成以后，我们会评估每位新客户，他的投资意愿大概有多强，他大概会有什么样的投资能力等。

　　第二个是分案模型。分案模型你既要了解客户，也要了解员工。根据每位员工营销能力的不同，包括经验强弱，以及他擅长营销什么类型的客户，营销什么产品等做成分案模型，利用这种智能化的系统，把不同类型的客户分给最适合的营销团队。

　　第三个模型叫撤资模型，即在流失和召回的环节，它用数据和系统的方式智能化地提醒机构某个客户他要走了，这个时候应该用什么样的方式挽回他，比如发一张优惠券等。

　　对于很多新金融平台来讲，借贷两端中任何一端失衡都有可能导致整个平台的业务发展不健康，所以这两块都要给予高度关注。

基础数据量庞杂，标准缺乏统一

　　前面讲了整体以信贷场景为例的模型、平台是什么样，资产端和资金端分别是什么样。接下来再看我们所服务的甲方客户，目前面临的持续挑战是什么？

　　第一个是需要源源不断的业务，第二个是控制风险，第三个是盈利。这三件事情对于任何一个机构来说都是一个持续的挑战。我们会思考，如何利用数据科技，或者一些智能的方法去帮助我们的客户提升效率、降低成本，解决上述问题。

　　接下来讲一些方法，其实金融科技有一个非常重要的东西，叫基础数据。目前在我国，基础数据源并没有实现大一统。对于机构来讲，我们需要想办法将这些割裂的数据整合，然后能够把这些维度提炼出来，让它模块化，放进我们可以运行的系统里面。这其中涉及非常多的技术，例如像拍拍信自己做的“theOne”，就是把不同的人，各种各样的场景等数据放在一个体系里面去看。这个就是讲我们怎么样找到数据、知道哪些数据有用，以及怎么样把数据放进我们的模型里面去。

　　之前我们接触过一些比较传统的机构，它的数据量其实非常大，但是这些数据像散落的木材一样，堆在大仓库里面，完全没有利用起来。像这样的客户，我们差不多需要花半年时间去帮他梳理他的需求到底是什么，然后再根据梳理清楚后的需求去决定，比如数仓怎么建、原有的数据材料怎么整理等，因为散乱的数据是没办法分析的。

　　再举一个例子，我们和运营商探讨合作的时候会发现，运营商的数据是一座金山，这点是毫无疑问的，但是怎么开采这座金山是巨大的难题。例如庞大的数据从报送环节开始，标准就不一样，如31个省级行政区域报送的标准是不一样的，外包服务商的数据清洗和存储方式也不一样，这就造成收回来的数据虽然极其庞大，但是数据质量和数据应用难度存在很大的问题。因此，这个环节我想说的是，对于机构来讲，尤其是一些有海量数据(603138,股吧)的传统机构，大家对于数据的重视和建设，其实是要从基础做起的，否则相当于有金山，但是却无法开采它。

基于图数据库的用户画像，号召多方协作反欺诈

　　在营销获客部分，我们会去看一个最重要的问题，就是用户画像，包括用户画像整体的丰富程度、覆盖程度和可利用程度。比如说我们拥有超过8000万条的C端客户数据，在做用户画像的过程中，第一，用户画像的整体质量如何，第二，人与人之间的关系是否有建立起来，这是很重要的。拍拍信目前有在做一个东西，就是基于图数据库技术，把我们已有的接近9000万的数据的每一条边找出来，边与边的关系可以带来非常多的意义和价值。比如交叉营销，同样的一个用户画像你可以应用在同一个集团的不同产品，也可以突破一些行业或场景的产品，而不仅仅在一个行业或者一个场景做一样事情。

　　在反欺诈部分，其实大家都讲了很多，比如一些基于设备的反欺诈。这里我想讲一点多方协作的反欺诈。我们希望通过一些技术方式在底层进行跨行业数据的整合，上层针对不同行业或场景进行输出。欺诈团伙很灵活，他可以比如今天在互金领域骗贷，明天又跑去电商领域欺诈等，所以把各行业的数据整合起来再针对性做输出，非常重要。

　　这里再提一下基于图数据库做的用户画像图谱，它上面的节点类型可以任意输入，比如你输入一个手机号码，或者一个姓名、身份证等，就可以得到一张和这个信息相关的所有节点，如果这个人没有反欺诈的风险，它就会显示白色，反之就是黑色。这个产品，它可以帮助我们在运营、风险和营销等各个环节快速找到最关键的节点是什么，并且给一些相应的匹配方案。

人工智能的应用

　　风险评级环节大家讲的很多了，不再赘述。最后提一下跟人工智能相关的东西，目前我们自己在做客服机器人、催收机器人和借款机器人。

　　客服机器人的核心就是帮助一家机构直接优化掉电销，即电话客服，催收机器人也类似。目前我们正在逐渐识别不同地区的方言。

　　借款机器人则主要帮助一些线下场景，因为我们知道，首先线下场景人工成本特别高，其次可能在道德风险方面存在一些问题，而借款机器人可以提供一些工具，帮助大家提高效率和防范风险。

　　此外，拍拍信可自生成自训练的AIHome已正式上线。在AIHome上，用户只需上传训练数据集和测试数据集(可选)，选择输入变量以及目标变量，即可进行试用。AIHome可以自动化完成特征处理、模型超参优化以及模型评价，帮助用户在风险控制、精准营销、反欺诈等领域将数据科技快速应用于实战。

B端客户的定制化需求

　　最后提一下为什么会有定制化方案？首先，B端客户和C端客户非常不同，C端客户往往比B端客户诚实，需求更简单，而B端客户非常复杂，有时候必须提供一些定制化的方案。

　　为什么B端会需要服务商？第一点，B端机构内部基本上有一个复杂的组织架构，每个部门站在各自的立场上会有不同的观点，那外部第三方的建议会有更好的中立性和客观性。

　　第二，技术的发展有时候很难知道下一个突破点在哪？在哪家公司？哪个地方？因此B端会需要专业的技术公司来帮助它做针对性的解决方案或补强。而且像我们长期致力于技术推动的团队，确实可以给大家带来一些优化。