金融的本质其实是人。在我们用机器学习、用特征变量、用设备指纹抓欺诈的背后，是一张张渴求得到帮助的脸，是一个个获得贷款就能改变命运的家庭，只不过这些温暖的真实被冰冷的虚假掩盖了。当我们没有能力对真假进行甄别时就只能无视这些真实，所以金融也就成了冷冰冰的金融。
但如果互联网金融平台能识别出真正的“坏人”，而不是通过简单粗暴的规则来进行一刀切的剔除，那么需要获得帮助的人能够得到他需要的金融服务，金融企业也得到了风险可控的收益，这是否也是一种功德呢？
前几天，我跟大学同学聊天。他无意间谈到他的一位发小梁某某靠收购玉米勉强可以达到维持一家老小温饱的水平，但当他想要扩大收购规模，到银行及农村信用社贷款的时候发现怎么都贷不了，原因竟然是因为身份证号码跟他那样六位开头的都上了黑名单，各家征信平台这种一刀切的方式让他非常无奈。
上周回老家，听家人说起我的一位小学同学因为开公司失败欠了银行的钱，因暂时无法偿还、不堪暴力催收的骚扰而躲债在外，但他的儿子想上公立小学，周边学校没有一家愿意接收，目前是无学可上的状态。
那么有什么办法能从本质上解决上述两种情况呢？让真正想要贷款的人能贷到款，让贷了款暂时无法偿还的个人有尊严地活着并且愿意协商还款？
作为一站式金融科技专家的指旺金科，整合了金融科技行业上下游的技术优势，有效地解决了以上两个难题，做到科技让金融更温暖，更有“人情味”。
人工智能精准反欺诈，杜绝一刀切
互联网金融是欺诈风险的重灾区。根据芝麻信用的一份调查，消费金融、互联网金融公司的坏账损失超过50%来源于欺诈，身份冒用类欺诈占比最高，其次是团伙欺诈，另外还有账户盗用、恶意违约等。
原因很简单：欺诈者投资回报率高。因此，我们的应对原则也很简单，那就是努力降低欺诈者的投资回报率。
对于欺诈者而言，投入和时间、资金、技术等因素强相关，而产出和欺诈成功率、单次欺诈收益也是强相关。所以，欺诈与反欺诈双方的对抗、手段和技术的发展，实际上也应该围绕着这个核心展开。
用尽量低成本的方式来抬高欺诈者的成本、降低他们的收益，极端的情况是当欺诈者只能获得合理利润时，对他们来说还不如购买银行的理财来得更容易且风险更低的时候，他们或许就“从良”了。
那么，如何能够用尽量成本低的方式来抬高欺诈者的风险呢？
现在反欺诈的大多数模式是：当风控人员最初发现某些欺诈案例具有相同的模式后，会开发一套规则引擎，把这些模式配置进去，防止未来相同的欺诈再次发生。而一旦发现自己被拒之门外后，欺诈者会不断尝试绕过业务平台的风控规则，直到发现一种新的欺诈方法。这时，反欺诈方则把过去发现的欺诈者的某些身份信息，例如姓名、身份证号、电话号码、设备ID等作为黑名单。当黑名单中的对象出现时，直接拒绝其业务。欺诈者则不断伪冒或伪造各类新的ID信息，继续进行欺诈。这就是黑名单的逻辑，而黑名单作为一种强规则在一些场景里是有意义的，我们的合作厂商也和主流的数据源合作输出基于数据的高质量的高风险人群识别。
但是规则引擎 黑名单的方式，本质上是对已知的欺诈模式和欺诈者的防范，是针对已知病毒的疫苗，但病毒变异必定造成疫苗的失效。而对于新的变种“病毒”，放到金融场景里，新的规则和黑名单是靠新的欺诈损失来识别和改写。而如果考虑到互联网的快速变化，例如更加频繁的促销、新产品的上线、新流量导入，这种非线性的突发业务在互联网是常态，但对于固有风险规则和黑名单规则的修正就会面临更大的挑战，势必会需要更多的成本和更长的周期。对金融企业而言的成本就是欺诈者的收益，指旺金科的目标就是在欺诈行为的改变没有发生或刚刚发生的时候就能够识别出来。
我们常说听其言观其行，通过行为来判断人品。在互联网金融行业，我们通过观察一个用户的线上行为是了解用户的最佳方式之一。用户在线上的所有的行为给我们提供了大量做欺诈检测的信息，这些实际上是银行在业务运作中一定会产生的第一方的数据，如果我们能够很好地把这些信息利用起来，这将是风控的金矿，能够大大提升欺诈识别的准确度。
利用第一方数据进行新欺诈模式的识别，也就是欺诈检测，目前最常用的是人工方式和自动方式，后者是在人工智能技术发展和成熟的背景下出现的反欺诈技术最新成果，说明反欺诈系统已经进入了一个自动化智能化的阶段，这些是基于用户行为模式的学习和自动检测技术之上，给我们提供了一个观察用户在线行为的能力，了解用户行为背后蕴藏的风险的能力。
自动化的风险检测，需要结合设备指纹、复杂事件处理、机器学习、模式识别等多种技术，针对用户行为模式进行分析，通过比较单一用户与整体用户行为模式的差异，该用户当前行为模式与历史行为模式的差异，整体用户当前行为模式与历史行为模式的差异。通过对这些差异的定量分析，能够对当前用户行为模式中所蕴含的风险进行定量，当风险量达到一定的阈值时，则可以进行贷前、贷中预警。
指旺金科的混合式设备指纹技术融合了主动式设备指纹技术与被动式设备指纹技术的优点又规避了各自的缺点，同时又优化了召回率、对抗性和稳定性三方面的指标，运用人工智能机器学习的方法可以大大提高识别羊毛党的精确度，不但为金融机构减少了损失，而且还可以降低“误杀率”，让科技真正温暖金融。
人工智能助力贷后催收，重塑讨债方式
据波士顿咨询统计，2017年我国金融机构的不良资产规模已经达到5万亿以上。经济进入下行周期，而不良资产呈现出了逆周期的繁荣，这直接导致了催收行业炙手可热的景象。
但是目前绝大多数的催收机构还是在采用最原始的野蛮催收模式，这不仅在损害自身的品牌形象，而且对客户的不友好将损失一部分客户忠诚度。
传统的催收机构人力耗费庞大，动辄千人坐席，全天候电话轰炸，而且还经常出现骚扰通讯录人员、极端暴力催收等手段，给客户造成极差的体验，使债权人和债务人之间的关系剑拔弩张、一触即发，经常酿出违法事件，山东辱母案就是一个典型案例。
那么债权人和债务人是否可以在和谐的情境下完成债务偿清同时又能保持金融机构的品牌、又不会失去客户的忠诚度呢？答案是肯定的。
债务催收是一个劳动密度低且科技含量高的事业。智能新催收的目标是使追债过程更透明，对用户更透明，用科技从根本上改变债务催收行业。
债务催收是一个债权人和债务人关系恢复与和解的过程，而非对抗。巧妙创造并达到二者之间的平衡才能产生前所未有的复苏结果：帮助债权人保护品牌，提高回报，留住客户失去的情感；同时，帮助债务人制定合理的还款计划，获得愉快的体验。
智能新催收是如何打通技术和商业应用的呢？
1) 创建一个丰富的数据集，使系统更加接近消费者。主要运用智能算法查找、验证和分类客户的在线足迹；
2) 通过多种渠道与客户沟通，包含但不限于电子邮件、智能外呼和应答、客服电话、外访面谈等，并估计与客户最匹配的沟通方式和每月最合适的通话次数；
3) 自动学习客户行为，并发送与他们的情况越来越相关的信息；
4) 管理谈判和付款流程；
5) 实时采集事件记录，提供完整的可审计流程，确保合规。
指旺金科的智能新催收建立了一个自动化系统，利用社会网络分析、机器学习和行为分析等，联系债务人，帮助他们确定支付计划，从而还清债务。
智能新催收具备以下三个优势：
1）个性化：企业在指旺智能新催收平台注册并提交希望帮助追讨的债务。当获得债权人提供的一个帐号之后，新催收平台就会围绕债务人建立档案，并根据信息，利用人工智能技术确定或猜测是什么原因导致了支付逾期。基于这样的决策，选择最适宜的通信渠道联系债务人。同时允许债务人通过平台对经济义务进行支付或抗辩，以增进平等。
2）自动化：信息发送自动化和智能外呼及应答自动化，同时将语音自动生成文字信息。
3）灵活：配置灵活，可以SDK本地化部署或云端部署，能够处理任何数额的债务。
人工智能基础上的新催收平台让债务催收行业焕发出新的生机和活力，科技真正温暖金融催收，是债权人和债务人双赢的局面，同时也让社会更和谐。指旺金科将会在科技温暖金融的路上继续努力，为大家带来更多科技服务金融的成果。
