文|颜璇
来源|智能相对论（aixdlun）
2017年，金融科技的智能风控开始出现在人们视野，金融科技也从边缘部门，逐渐走向金融公司的核心。今年，金融科技又出现了新的变化。10月12日，度小满金融与北京大学光华管理学院宣布成立金融科技联合实验室，聚焦超级关联网络等多个金融科技话题，技术企业与高校的强强结合，掀起了“硬”技术和“软”人才的新竞赛。
在这种形势下，“超级关联网络”究竟意味着什么，大力构建关联网络欺诈防护体系的度小满能让金融行业重新洗牌吗？
第一部分：痛点鲜明，消金与监管的“关联网络”刚需
过去这一年，随着AI技术在金融行业的深入使用，“超大关联网络”在产品设计、获客、风控、监管等环节的应用都更加深入，尤其是消费金融、监管科技领域存在的痛点，让关联网络的研究成为“刚需”。
痛点一：场景分配不足，用户体验受限
互联网浪潮后，电商系的发展使消费金融得到了大幅度的增长，造就了以场景为核心的网购分期消费金融盛况，互联网金融机构纷纷坐享场景驱动的红利。而传统金融机构却没能赶上这波浪潮，至今，在以信用卡和各种消费类贷款为主的消费金融业务上，传统信贷的场景化不足导致用户体验不佳，尤其是传统的“线上申请、线下审批（往往比较繁琐）”路径让众多用户叫苦不迭。
图：信用卡发卡状况（数据来源：央行发布整理）
根据央行2017Q1支付系统统计数据显示，我国信用卡的发卡量已经达到人均0.32张，但综合央行持续发布的各季度历史数据，可以发现信用卡总的增长趋势已经减缓，甚至出现了短期下降的情况，这也说明，较少关注场景的信用卡在其他消费金融形态冲击下，已经受到了不小的“伤害”。
痛点二：数据多≠风控好
中国传统金融机构的“风控模型”大概起于2009年，在金融危机之后，许多银行都在银监会的要求下建立了一些计量模型，这些模型包括征信报告、年龄、性别、教育程度等指标，数据维度和变量较少。
直到2017年，大数据风控才在国内落地生根。传统金融体系这才开始改变对风控的认知，期待挖掘、激活用户的消费信息，发展出更多的风控维度。然而，在这个过程中，传统金融体系“矫枉过正”，陷入了对数据的盲目崇拜。
不少机构用大数据概念拔高品牌，机构间的竞争更加剧了大数据概念的滥用。于是，政府出台《关于规范整顿“现金贷”业务的通知》，其中明确要求“谨慎使用‘数据驱动’的风控模型”，而各省市近期转发文件中，对上述要求也一再强调。
盲目崇拜数据，实际上是在削弱对风险的量化能力，因为缺乏对用户财产真实性的深度调研，消费金融创业公司只能依靠数据的广度，即通过对不同数据来源进行交叉验证，并且在事后收集来予以补偿，数据、模型没有经过压力测试，最终造成有效性欠缺。
痛点三：反欺诈成主要诉求
一直以来， 用户饱受数据隐私泄漏的伤害，这也是行业目前面临的最严重的问题。大量欺诈人员存在，将金融平台当作敛财的源头，见缝就钻。业内多位专家曾提出，互联网金融的风控，60%来自反欺诈——不管是行业还是用户，都需要一项监管科技，能有效解决合谋、团伙欺诈问题，降低金融机构的获取信任成本。
第二部分：技术破局，超大规模关联网络成“基础设施”
行业困境的背后，利用关联规则，建立超大规模的关联网络，才是金融行业破解难题的关键，因为它能挖掘出各个主体间的隐含关系，从而有效识别潜在的风险。
关联，反映的是一个事件和其他事件之间相互依赖的关系。如果两项或多项属性之间存在关联，那么，我们只要知道其中一项属性值，就可以推测出其他的属性，比如买“婴儿车”的人，有极大概念拥有“购买尿布”的属性。
每个人在生产生活中都会产生很多的关联，这种关联在金融数据中就会呈现出一个复杂的网状图。而超大规模关联网络不仅仅是一个网状图或者大数据模型，而是一个完整的闭环系统。这个系统基于数百亿节点、上千亿关联关系的整合，基于图的连接性，它包括很多层面，例如贷前、贷中、贷后全面的风控系统的搭建，包括新产品上线的风险评估、渠道管理、反欺诈人工调查，还有操作风险管理、资产管理等。
以度小满金融为例，目前其拥有180亿 节点、800亿 条边的运算能力，其关联网络可以达到秒粒度图快照和秒级查询响应。据介绍，北大光华-度小满联合实验室通过对复杂网络Network Emebdding的研究，将关联网络的信息有效应用于度小满的信用模型和反欺诈模型，可以提升智能风控和监管科技。
首先，不同人群在消费理念、风险管理、心理预期等主观行为上有很大的差异，这会导致即便相同群体的用户导入同一数据模型，其最终结果也可能是大相径庭。因此，利用大规模关联网络上的社区发现算法，能够挖掘发现大量数据中项集之间的相关联系，发现优质客户，拓展业务。也就是根据不同的客户推荐不同的金融产品，甚至理财产品可以根据客户的风险偏好来推荐产品，根据个人的喜好以及情况个性化地做产品的推荐和匹配。
其次，超大规模关联网络对监管的视角、理念和工作机制等方面也会产生改变。面对目前越来越多的金融欺诈案件，可以也得出一套“规律”，现在金融欺诈大多是团伙作案，作案者与黑名单上的人，多少会有一些联系。这个“联系”就是“反欺诈”的关键。
简单来说，“反欺诈”就是通过多维度数据，获取一个用户的多度关系网，比如说，找到这个用户的好友的好友的好友，从而寻找背后的深度关联，并判断潜在风险。这并不只是一套简单的规则，而是一套完整的技术，是对整个流程的判断能力的组合。
智能相对论认为，超大关联网络的应用，是未来智能金融的“基础设置”。目前，度小满金融已将关联网络深度应用于反欺诈领域，构建立体全栈式反欺诈体系，本次与北大光华合作“超大关联网络”的研究课题，将“关联网络”的使用场景、深度都做了拓展，有利于以下两点：
1） 大幅提高度小满金融黑产防控、欺诈团伙挖掘的效果和效率。
2）形成更完整的反欺诈技术，输出金融行业。
第三部分：软硬结合，跨界人才是“关键”
所谓金融科技在很长一段时间里都是“金融”、“科技”两条腿走路，技术破局的作用在于，将技术与金融更好地合二为一，技术是硬件，那么跨界人才就是软件，成为完全融合的“keyman”。
“超级关联网络”在金融领域的应用，涉及的学科很多，金融学、经济学、管理学、计算机、图计算、社会学、心理学等，要将“超级管理网络“真正在监管、消费金融等领域运用好，跨界人才的培养可以说决定了”奔跑速度“。本次度小满和北大光华共建实验室的背后看点，便在与联合的人才培养。
“高校 企业”的产学研一体化合作模式在硅谷等地已十分成熟，苹果、谷歌、Facebook 等科技公司与卡耐基梅隆大学、斯坦福大学、麻省理工学院等顶级高校共同合作，为硅谷的基础技术研发奠定了坚实基础。
而这种合作模式的兴起是因为跨学科人才的供不应求。金融科技领域对具备人工智能、机器学习和深度学习等相关技能的人才需求正不断增长，每个银行的总行，都成立了专做金融科技的部门，而这个部门最奇缺的，就是数据建模人才。
但是，据专业人力招聘公司 Michael Page（中国）最新发布的《2018 年中国金融科技就业报告》显示，85% 的金融科技企业表示他们遇到招聘困难，45% 的受访雇主表示他们面临的最大招聘困难是难以找到符合特定职位需求的人才。
这是因为拥有这些技能的跨学科人才在金融科技行业之外的其他领域也备受青睐，来自多个领域的人才争夺将导致市场上金融科技人才缺口进一步扩大。此次，度小满与北大光华合作，从实践和科研两方面来建设金融科技的“基础学科”，培养基础人才，其积极意义其实是为行业培养人才探索了一条可行的路径。
结论：
2018年注定融科技深耕发展的一年，当经济开始退潮下行，下行压力增大的时候，科技的力量会让那些拥抱科技、拥抱创新、不断变革的金融企业在这样一个大浪淘沙的过程中脱颖而出，发展稳健。
完
智能相对论（微信ID:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI 医疗、机器人、智能驾驶、AI 硬件、物联网、AI 金融、AI 安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。
