会议名称：智变新金融
会议时间：2018年7月12日 14：00
会议地点：有闻记者之家
阳淼：各位媒体朋友光临有闻记者之家，今天下午我们在这里迎来行业的一位“隐形冠军”。大家知道在北京媒体见过很多各行各业的，各个领域很有意思的，无论是创业公司也好，还是大公司也好。但是有一些在北京之外的创业公司他们经常有一个烦恼，就是业务已经做的很好了，但是媒体圈知名度和认知度都不是很高，这没有办法，客观地理条件决定的。所以说我们经常说跟外地创业公司说到北京来需要给媒体老师拜码头，今天有这样一个公司和大家混一个脸熟，这家公司挺有意思的，目前6月底刚刚晋升为全国注册资本最高的内资消费金融公司，可以说是行业隐形冠军，这个消息我估计专门关注互金领域记者可能已经注意到了。但是我们公司还是希望能够借这么一个“东风”来向在场所有媒体老师汇报一下这个情况。
他们今天派出公司的精英，我们知道消费金融跟互联网结合的时候有很多互联网的最新技术需要应用于这个领域，帮助他们去进行风险控制和各式各样的管理。那么今天我们就邀请到这么一个技术精英来为我们大家讲解“马上金融”背后快速发展的秘密，有请马上消费金融CTO蒋宁总!
蒋宁：首先感谢大家给我这么一个机会分享一下马上消费金融的成长轨迹和马上消费金融的科技的一些战略。因为我是负责科技的，在公司负责科技和产品，所以我今天讲的侧重点可能是偏科技。
开篇还是想讲一下马上消费金融是一家什么样的公司，我们的展业模式什么样，现在是什么样的发展情况。
我先介绍一下公司概况，马上消费金融是经银监会批准，持有消费金融牌照的科技驱动的金融机构，成立于2015年6月，到现在正好年满3岁。刚刚主持人讲我们恰好本月完成了第三轮20亿元战略融资，注册资本已达40亿，现在是最大的内资消费金融公司。我再讲讲什么是消费金融，消费金融是在欧洲本身就是零售业的一部分，在美国也是。现在花旗银行50%以上业务都是消费金融。
在中国和日本、东亚有单独牌照，日本有单独的消费金融公司，韩国和台湾没有，中国和日本有。有的国家里，比如美国有一个州是专门有消费金融银行，消费金融基本模式是从银行批发资金去完成对消费者的消费目的的贷款，它跟零售银行唯一一点不一样的是从银行批发资金。
这一点区别带来什么样变化?银行在中国吸取公共存款是受商业银行法监管，因为中国特别强调社会稳定，你一旦拿老百姓的钱做生意，不管做什么监管就严格了。
消费金融我刚才讲了它的模式是批发资金，批发资金的话就没有向老百姓吸取公共存款能够给传统的零售一个创新空间，这是国家大智慧才有消费金融的领域，因为和银行是同业，享受银行和银行之间借款的利率，然后进行贷款。
消费金融公司如果金融上有任何问题，受损失的是银行，因为是银行监管的。基于此大家可以想消费金融公司的风险是会影响社会稳定的，因此它的创新风险比较大。比如对国家消费金融的支持首先是杠杆比例高，区别于什么?杠杆比例简单来说你有20亿互联网小贷牌照就可以做40亿的杠杆生意。但是消费金融是国家银监会牌照，所以你可以用更少的钱撬动更大资本，做更大生意，这是跟一般互联网小贷第一点不一样的，就是杠杆比例。
第二点消费金融公司作为持有金融牌照的公司它可以连入央行征信，有助于公司进行信用审查，贷后如果不还钱会影响信用。
第三点，相对于互联网小贷，所有消费金融公司，它所有的资金端可以跟银行享受同样利率和银行拆借，这可以介入银行间市场，这是普通小贷牌照不具备的。
第四点允许远程开户，这一点非常重要，大家经常讲银行没有办法远程开户，这受了法律限制，受到严格反洗钱法的约束;我讲了消费金融和银行区别，共性是零售银行一部分，还有差异性在中国是单独牌照，可以更大吸取存款，可以获取更大创新空间。
我再说马上消费金融，我们有6家股东，里面中科金、物美集团、重庆百货、重庆银行等这个是混合所有制的，有创业团队如中科金;物美和重庆百货为我们带来4000万消费者的场景。同时还有银行提供风控上，发挥传统银行的金融经验，这是我们整个的一个股东构成。
公司定位是科技驱动的一家金融机构，这是我们跟市场上所有的消费金融公司也好，银行也好，定位不一样的地方，我们现在公司整个其实有50%以上都是科技人才。我们本身用的数据量和服务器，有4千台服务器，这是中等互联网规模的公司，有将近一千T以上数据，所以本身是大数据公司，也是一家科技公司。
这是我们整个公司的管理团队，我们CEO原来是京东联席董事长首席战略官赵国庆，CRO是全球最大的消费金融公司中国区的总经理。我们首席财务官和首席运营官也是原来捷信中国区执行董事。首席风控科学家原来是广发银行的副行长、行长助理、信用卡中心的首席风控官。
我本人以前是在IBM、惠普，是惠普中国区的Finance咨询的负责人，然后是平安集团和创新系列的科技负责人，也加入了阿里后面成立的互联网保险公司担任CTO，然后加入了马上消费金融。
这是我们公司的一个大体的发展历程，大家可以看到我们2015年6月份成立，中间我们历经了一些变化，2016年9月份自主研发的人脸识别系统上线，这是自己研发的。2016年12月份我们第一次战略融资13亿，2017年7月份我们战略融资至22亿，2018年2月份我们用户数突破3千万。到今天我们用户数接近4千万，现在是中国最大的内资的消费金融公司。
去年我们是重庆市的纳税前10名，同时是重庆市两江新区纳税第二名，纳税总额达9.04亿。两江新区和浦东新区、滨海新区是中国最大的经济开发区。
同时我们和100个场景有深度合作，我们现在线下业务占了20%，线上业务占了80%，线下覆盖中国200多个城市，10万个门店，线上业务中50%是我们自身的流量入口带来的，还有剩余的50%是跟中国主流互联网公司进行合作的。因为我们本身拥有4千万用户，我们相互导流。包括京东、BAT这样的公司也包括美团、滴滴、今日头条，包括中国移动、联通这样大流量。还包括垂直领域的像寺库这些垂直领域的电商。
现在我们也是拿到200家银行授信，所以跟200多家银行完成战略合作的关系。我刚才讲我们资金来自于银行，但是每家银行需要单独进行授信。
同时我们风控也是中国市场上最早实践大数据风控的消费金融公司，现在基本上有10万多个变量。同时我们自己研发了智能客服系统，帮助每天回答90%以上的问题。后续关于风控也好，智能客服也好这种技术问题我还有单独的PPT和大家分享。
下面我讲讲科技的部分，刚才我在介绍我们公司的时候有一点我说这是一家科技驱动的金融机构，下面我就和大家简单分享一下科技是如何改变这种零售金融的，科技如何让马上消费金融成为一家在中国最具有竞争领域的消费信贷战场上如何茁壮成长。
什么叫“消费金融”?这里面我有一个简单定义，消费金融就是新零售金融，是零售银行的核心业务，普惠金融、轻资产，科技驱动、高效运营。
其实这里面当前我们经常和媒体朋友进行探讨，金融科技竞争最激烈的领域是什么?就是三个领域，第一个支付，移动支付可以说是金融科技的基础设施了，在这上面不能赚到钱。第二个是融资领域，融资领域就是消费信贷，这块是当前所有金融科技公司，包括传统金融机构竞争最激烈的战场，所以这里面我将谈到的科技驱动、高效运营。这里资产运行效率，公司运行效率，风险控制，覆盖的人群和成本都能做到市场最佳的。
还有一个就是理财领域，三个领域是支付、融资，还有一个是理财。
既然谈到零售金融，那我们看零售金融市场上有几个比较大的趋势;
第一个是说强大的技术能力、数据驱动平台化运营方式。简单来讲，如果说农耕社会核心竞争力是土地和人口，那工业社会就是石油、煤矿这些资源。
在后工业时代里核心竞争力就是数据，通过技术能力处理数据的能力，用数据驱动的能力，这个运营方式是金融领域，甚至所有领域里最核心的，你对数据整合能力，你对数据的掌握能力，你对数据的运营能力，所以第一点新零售也躲不过数据。
第二点是客户体验;这一句话讲起来老生常谈，用户的知情权越来越受到重视，用户消费者行为越来越多样化，选择越来越多，跟以往相比，银行是非常闭环的世界，你只有到银行才能做存贷汇的业务，但消费者现在有更多知情权和选择权，更多方法可以接触到金融服务，所以必须让消费者能够以最好的方式享受到服务，否则的话这一点上你就会失去客户。现在有一个最典型的行为“化”是存款理财化，你们回顾一下，我们在座的年轻朋友们，你的存款其实很少有把钱用定期、活期方式存在银行，大多数买各式各样的理财产品，理财产品瞬间可以从银行帐户上把你钱移动走了，这些都说明了消费者的体验，能够给消费者提供最佳的服务是非常关键的，这也是新零售里最关键的一点。
下面是小微和轻资产，小微的话，如果过往我们看一家银行核心竞争力一是资产规模，第二个是数量，这两点都面临着巨大挑战。第一个资产规模，上一次的2008年的经济危机，美国银行收益降低了85%，花旗银行被迫破产卖出。2008年之后美国银行做出的改变三部曲，第一是缩减银行规模，、第二减少银行质变，第三加强整个运营效率。所以说轻资产是比较关键的。中国银行既往发展模式是不断的增加资本金，扩大资产规模，这个话怎么讲?因为银行业有一个关键词是资本充足率，比如说你放了一千亿，银行必须有100亿作为资本金放在那，银行如果扩大的话需要不断的增加资本金扩大规模。中国的资产价格不断上升，车、房抵押给银行，所以银行是没有什么风险的，因为这个还升值。
现在中美贸易紧张，利率市场化，以土地质押物为主的对公资产充满了巨大风险，现在银行探索有没有另外一个方式，不用抵押物，垫付资本金;轻资产是可持续发展的，轻资产通过连接非自己承担风险。比如说什么叫轻资产?就是银行里面做了一些服务，通过一些连接和撮合，比如说能够有一些理财的需求，帮助你介绍一下比较好的信托产品，但是这个产品不属于它的，他作为一个财富规划，这都属于撮合。那这一点不需要任何风险资本的投入。
小微我刚才讲了，既往科技银行业的核心竞争力是资产规模和支行门店，现在科技发展时代里银行竞争力是什么?我们认为是对科技的洞见能力，以及用科技搭建新的产品和业务模式的能力。这一点在银行体现什么?零售这个行业里首先体现你能覆盖更多的人群，可以降低整个交易的成本，然后你能够提供这个金融服务产品的价格更低，这三点是重要的。更广人群，更高效率，更低的成本。
你在市场上看所谓的金融科技公司，你看这三点，我们拿P2P讲，P2P线上提升了交易的效率，这一点是OK的，但是价格非常高。
第二点它并没有降低风险，所以说这三点都需要。更广的人群、更低的价格，更高的交易效率，更低的风险。什么是真正金融科技?什么是伪金融科技区别在于真正的金融科技?就是服务更广人群，价格便宜，风险控制好，提高交易效率。这个提升互联网金融展业，提升了借款人和贷款人之间的交易效率，但是并没有降低价格，并没有控制好风险，这个在整个金融科技来讲这就是伪金融科技，所以真正金融科技来讲就要覆盖更多人群。
我认为小微企业精准市场定位，是对过往没有办法服务的人群比如一些没有央行征信记录，没有信用卡的年轻人提供金融服务，所以说现在来讲很重要一点，所有的信息进入一个领域的时候要覆盖更广人群，要覆盖有中国40%以上的年轻人，他们原本是拿不到银行任何服务的这些人群，是新金融的服务对象。
轻结构和场景;轻结构讲的是高效运营，我刚才讲了金融科技本身四个内涵：一个是说服务更广的人群，更高效率，效率体现在自动化和智能化改变人力的运营模式，我刚才讲传统银行两个是资产规模，一个支行分行的数量，现在银行行长讲支行分店成为最大成本，去中心化、去中介化、去机构化，消费者、生产者直接网上对接，然后这种金融服务需要在场景适配，这过程当中大量的消费者不用去了，这些支行分店都是沉重的成本，所以现在新金融里面最重要的是思考一个方式如何高效的运营，减少支行分店的数量。可以看到中国差不多17万家支行分店，每家成本是1000万左右，过往这是优势，现在变成劣势了，科技对传统模式带来了重大冲击。
随着消费者生活越来越多样化和个性化，移动手机的技术带来了整个交易的方便性，提升交易效率。以大数据带来风控可能，降低风险成本，整个移动+大数据，再加上消费者随着线上线下的融合，生产者和消费者在平台上直接对接，所以场景又变得非常重要了，对金融来讲把这个产品和服务嵌入到商品中，这是新金融领域思考的几个问题。
我强调这几个关键单词，市场上看到的所有的这种金融科技产生的背景都是不谋而合的，我这里老生常谈讲了几点。
我讲了新金融几个发展趋势，那如何构建新金融核心竞争力我们分析了三点，无非是战略、人才，核心能力。战略第一个就是以数据驱动的经营的思想，我刚才讲了农耕社会、工业社会、人口、土地、资源，现在讲后工业社会最重要的是数据，以数据驱动金融的思想，然后轻资产平台化和生态化的战略，加上人才和文化。传统银行里面只有0.1%的人跟数据相关，在现在的新零售里面，其实至少加上大数据产业，科技产业要占50%以上，大部分跟数据相关。
核心能力有几点一个是服务小微和普惠的风控能力，场景金融系统适配的能力。数据驱动和决策能力通过智能化、自动化高效运营能力，以及轻资产的这种撮合能力。
下面我详细讲解一下几个关键能力，第一个服务大众的普惠金融能力，我刚才讲中国40%年轻人没有央行征信记录，在银行不能贷款的。现在如何用科技手段让不被传统银行所服务的用户可以接受服务，这就是关键能力。这个关键能力传统风控没有办法授信，所以必须产生一些多维度的，基于这种客户多维数据，能够进行征信的技术。这一点马上消费金融也是中国市场最早践行大数据、深度学习基于这些技术的风控的实践者。
第二个是说消费场景适配能力，传统金融机构是内生的世界，你必须到银行办理存贷，而互联网这些业务大部分都变成可能了，并且金融业务是在你生活当中发生的，怎么把金融产生嵌入到这里面?其实这里面有很多问题，我举一个小问题，是银行每天访问量是固定的，就是到银行来多少人。但是互联网世界开放的，你把产品放在淘宝、京东上天天做活动，可能有一天做活动系统访问量是平常系统的可能10倍以上，说明你原来的内在的IT能力从一个闭环的世界走向开放世界，然而开放世界对你来讲没有办法预知的，这要求我们整个跟场景适配能力是你要有系统弹性，对传统金融机构有巨大的挑战的，因为整个的系统世界都是闭环的，传统软件就是这样，必须完全对互联网的这种高弹性的架构的转移，所以第二点是跟消费场景适配能力，本身就是系统的排斥能力。
第三点是数据驱动的能力，这里面表现在画像、风险定价、个性化体验，市场上没有任何一个是科技赋予消费者更大的知情权，你知道什么样金融产品，你需要什么样的服务，比如说互联网上有一款理财产品利率比较高，比如余额宝，瞬间全中国资产都会往余额宝走，这样世界里被赋能的消费者必须获得最好的体验。基于对客户的准确深入的了解，我们提供一些差异化服务，我举一个简单的例子，一个信用比较好的客户在马上消费金融中三步就把贷款完成了，瞬间贷款就结束了，它的金额、利息可能都是比较便宜的，金额也是比较大的。还有一些消费者缺乏征信背景和记录，我们就会让消费者提供额外的资料，这样的话这种体验就有差异化，定价也不一样，所以我们可以根据消费者精准定价，跟传统金融机构来比。跟市场大众商品一样，标准定价靠资本定量，就是支行分店不断开店推向市场，最近发现市场上美特斯邦威逐渐的业绩非常不好，因为中国已经过了那个消费时代，大众商品通过层层代理机制推过去了，就是消费者越来越个性化。淘宝打败中国零售很重要一点是淘宝提供了非常千人千面的一个购物世界。消费者越来越个性化，消费者定义产品，你能够提供产品或者按照他的方式才是需要的。所以传统金融机构不能基于数据驱动提供千人千面的产品，所以这也是数据驱动带来的整个市场的变化，也是零售金融核心能力之一。
高效价值传递能力，刚才我讲了通过互联网展业，金融科技赋能几个条件，一定要服务更广用户，更低的交易成本，所以这里面体现了更低交易成本，你既然服务那么多用户没有那么多支行分点，那你一定需要科技能力降低边际服务的成本，什么意思?服务第一个客户10块，第二个客户8块，第三个客户6块钱，就是边际服务递减。我们马上消费金融4千万客户。如果4千万客户需要有两千个坐席，如果4千万用户增长到1亿的话，我估计客服中心的客服坐席从两千至少涨到3千，这个边际成本不断上升，收入增加一分，人为成本增加一分，这个人力是不变的。科技成本呢?从4千万到1亿这个不会有变化的，就是让边际成本降到最低。我刚才说的例子是客服，那从获客、审批到贷中管理到服务一定是全程自动化的，这样你成本才能降到最低，成本降到最低才能真正做到普惠。
我刚才讲了几句，真正金融科技和伪金融科技区别在什么地方?定价!市场上非持牌大数据公司定价基本上超过100%，但是真正的持牌销售的产品定价都是和中国法律所要求的一样，在24%以内的。那这才能真正做到价格便宜，因为你用科技力量降低了整个交易的成本，然后可以把风控做好，服务更广泛人群。
现在我们700多研发人员，还有200个大数据人员。我刚才讲核心数据是以IT技术和大数据建模为主，通过人工智能大数据，降低后台服务人员，同时让边际的变更成本降到最低。
下面我讲讲马上消费金融具体几个关键能力落地，现在讲讲市场上都有哪些技术。其实金融行业从历史上来看是和电信业一样，是对科技投入最大的行业，虽然我讲用传统银行如何如何，但是包括传统银行都是在科技上无比重视的。所以说这张图上的是某种商业银行正在考虑的，包括金融科技正在考虑的市场的技术。
大家看一下横轴，这里我讲的是一个技术的变化和经过这几个阶段，第一个是说触发期，期望膨胀期，幻灭期，复苏期，成熟。大家可以看市场中间部位，这里可以看到是触发膨胀期的有哪些?5G，智能空间、量子计算，包括物联网平台，智能机器人，边缘计算，深度学习，自动驾驶，认知区块链，其实某种意义上来讲这是我们现在是处在对科技无比期望的时代，大量的新技术，但是为什么它在这里技术应用都在做探索，并没有进入成熟的发展阶段。
今天很重要主题讲人工智能，这正好是在欲望膨胀期顶点，这时候量子计算刚刚开始，还有增强学习。其实大家对人工智能现在炒的非常热，现在处于大家对它充满无限期望，我以后会讲讲在金融行业里的一些应用和探索，以及它的一些局限。
回顾一下人工智能发展的历史，差不多经过三次高涨和两次衰退，最早我是在1956年的时候，那个人工智能出了第一本教科书，这时候正好是我大学时代学的教科书，这时候是耶鲁和斯坦副大学联合出版的人工智能。第一个冬天19970年1980年幻灭了，这时候是无比期望啊然后进入幻灭，
第二个冬天是1987年和1993年。1987年专家系统兴起，其实1956年开始人工智能发展了30年之后，直到1987年麻省理工才交出第一个作品，美国联邦调查局委托麻省理工研究30年，他研究了一个非常小的，某一个区域可以工作的对话机器人，这说明了在这三十年中理论的进步在进步，但具体实践没有太多进步; 1990年有标志性事件，就是IBM大型计算机战胜国际象棋获得冠军，这一点重新点燃了对人工智能的希望。
2000年以后，随着机器学习、深入学习，特别是深入学习又让人工智能火了一把。但是人工智能在理论计算框架上没有太多的进步，最被人关注的是数据和计算能力和芯片。我们2018年产生的数据400ZB，比2015年翻了50倍，就是3年翻了50倍的数据量。随着5G到来我们预见，数据量应该是每年都以不同的数量级去增长。比如说今年是400ZB，那明年就是800ZB，数据量高速增长，第二点是计算能力每年都会以不同数量级增长，人们预测2025年的时候人类能够有可能通过超级计算机的力量解决基因的秘密。基因的解决需要巨大计算能力，人们预计到时候的超级计算机的计算能力预计比现在计算能力高出40到50倍，每年计算机都要翻倍。人工智能到现在的发展是一个计算数据量暴涨，计算能力暴涨的结果。其实核心理论上并没有重大突破。
金融领域比较大的应用目前还是风控，还有是一些投研，投资组合、用户体验。当前真正落地最普遍的就是风控，马上消费金融利用这种大数据技术，包括深度学习，这里面我们构建了这种所有的上百个模型，几十万个变量，这是我们应用最广泛的领域。
接下来我讲一下数据决策，我们以人工智能微基础，构建新零售的金融科技战略;大家可以看到生物识别，大数据风控、智能营销、智能客服和智能催收，这是贯穿整个人工智能的技术。
我们构建了深厚的研究和开发支撑，有大数据中心、风险管理中心，人工智能研究院，区块链平台，产学研平台，我们和中国科学院的声学研究所构建了声纹的研究。我们跟重庆师范大学杨院士联合在做智能客服上的研究。
这些布局构成了我们公司从获客到风险控制到客户服务的全领域的人工智能应用布局，也是中国把人工智能在零售金融领域应用最广泛的公司之一。
这里我讲一下生物识别;消费金融领域与银行最大的不同在于消费金融允许远程开户。远程开户最大一个问题就是身份欺诈问题。身份欺诈领域比银行面临的挑战大很多;有两个层面。如果坏人冒用好人身份去贷款，如果发生欺诈，第一个成本就是我付出的钱收不回来，这就是金钱上的损失。
第二个成本是声誉的成本，把信用良好的客户按逾期上报央行征信后，他们的银行征信就会使高铁、买房、坐飞机都受到影响，会到央行投诉我。
对比银行，消费金融公司比市场上任何金融机构都有动力研发中国最顶级的人脸识别系统。我们的人脸识别系统在中国互联网金融协会进行的官方评比中，目前处于靠前的位置。我们比较低调，马上金融是真正要把这个事做到最好，这是基于场景的需求;我们人脸识别系统弱出现问题就会面临收益风险客户要投诉你，所以这一点上驱使我们把人脸识别产品努力做到中国最好。
其次是声音识别和声纹识别，为什么马上金融现在做这个?现在每天有上千万用户跟马上金融接触，场景金融最大的问题，是不确定每天有多少用户要访问你的系统，面临大型活动时，比如我们参加淘宝活动访问量激增，客服中心的压力就会激增，为了解决这样的线上问题，当客户打电话必然翻译成文字的，自动语音识别系统理解完以后自动语音再打回去，能够确保这个交互过程。这是马上金融研发声音识别的重要原因。
其次对于声纹的研究主要应用场景在于贷后管理。其实贷后管理是用户体验、运营效率和监管、三者都需要兼顾的一个行业。如何保证我我们的客服人员对客户没有进行违规操作?我举一个例子，早期客服电话是自动化的打出去的，没有人工去打，这保证服务的标准化。逾期情况到晚期的时候，工作人员打电话时候会自动录音，把客户的声音和客服人员的通话记录下来，在这个过程中要有效识别说话者身份，这里利用声纹技术。保证用户体验和最高的效率。
现在我们自己构建了400多个系统，去年申请50项专利，今年底将有150项专利，现在我们正在申请中国高新技术企业。目前马上金融一共700多个研发人员，所有系统都是我们自己研发的。这意味着我们自己的系统具备高度弹性，业务能力微服务化;组件化，面临这个不确定性的访问时候，支持业务快速适配场景，支持产品快速迭代;
下面我介绍马上金融的几个关键的能力，第一个普惠金融的本质是风控，风控本质是大数据，我们在多维度模式中，构建将近几百个模型，上10万个变量，这些都是基于深度学习构建，同时又叠加评分卡的。
基于此我们又构建了各种个性化和自动化的业务的风控流程。这个里面是一个反欺诈的技术，反欺诈可能是很多金融科技公司最重要能力之一，去年有100多家银行到马上消费金融参观学习，专门探讨反欺诈的技术。我举一个例子，在你贷款的时候，会针对点击屏幕的速度和力度会实时进行计算，因为中介人员是点击屏幕的速度和力度是不一样的。
第二个例子，现在用户进行贷款的话，系统立刻自动计算周围一平方公里有多少人在贷款，一平方公里内有多少人在贷款，这是避免薅羊毛很重要的一部分，如果一个小房间里一瞬间，这个一天，当时，当月有多少笔贷款，超过这个平均数和密度就会系统自动报警，这都是实时计算的。这都是要求有很大数据量和计算能力。反欺诈本质上来讲是高效的计算平台加上多种算法。
线上高危操作，线下高危操作，套现，中介，剪羊毛等行为，目前我们构建了反欺诈平台有50多个系统，基本上能够覆盖所有的网上的各式各样的一些欺诈的类型。
第二个我讲讲场景金融，场景金融里有一个很重要的点就是风控。区别于刚才讲的两个风控。传统银行风险控制是把自店审批权拿走，信贷管理主要是单一审批路径，集权式，互联网与此正好相反，因为互联网是自动的，你有上百个渠道，每一个渠道都有差异化风控的流程，面对这些差异化，你需要快速构建一百多个不一样的风控流程。
互联网线上风险是快速传播的，并且按照天来快速迭代，一旦发生欺诈这个是瞬间来的，基于场景做不同流程是要迅速的。传统金融机构是应对是非常难，面对不同的欺诈，要建立不同的变量和规则，可能要几天才可以部署上线，所以这里面要按时变，按需变，快速灵活反应应对市场的变化。
这里我讲场景金融另外一个本质，是基于不同场景差异化构建风控流程的能力。不同场景不同风控流程与传统信贷有很大矛盾，这是传统金融机构真正要变成金融科技企业，需要应对互联网的变化和挑战之一。
这个是跟场景端一致的用户体验，与互联网弹性能力相关。我刚才讲场景里面对的互联网环境不一样的，我们底层都是分布式的，这个是我们中国可以做到少数几家把零售系统架构变成互联网架构的金融公司之一。
我举一个例子，去年2017年6月6号和支付宝搞了一个活动，支付宝当天访问量是平常的5倍，瞬间支付宝上那天有三家金融机构，两家是下线了，因为量实在太大了。我刚才讲了你看你们在手机上敲的速度都实时计算，一笔放款要放几十个系统才能决定放款并且三秒完成，所以后端链条压力巨大，所以10分钟一般就线下了，如果你没有互联网架构没有办法支撑在互联网上做真正基于大数风控的审批。
我一般问一下别人研发多少人，然后有多少个服务器，其中马上我就知道他真正是不是在做这块业务，因为这块业务本身来讲对于信息处理的要求高度和效率，以及说研发的，我刚才说要把整个系统变成开放性的结构和要求，都需要有大量科技人员在参与，这样才能真正把整个系统变成互联网的系统，真正做到大数据风控，真正做到实时计算。
这是千人千面，里面不同客户，芝麻分也不一样，贷款金额和贷款利率都是不一样的。这是我们整个的数据产品和服务的整个版图。现在来讲我们覆盖所有的从客户进来之后要知道客户是谁，到这个审批和电话号码识别，这覆盖了整个零售金融的5项关键的应用，也就是说真正做到从全业务链来看每一点都有数据支撑做数据驱动的。
下面我再讲讲人工智能布局，其实和媒体朋友大家有很多疑惑，说消费金融公司为什么能够做人工智能，开篇我讲了人工智能真正的能够被大家所重新期望，所寄予厚望很重要原因就是数据和计算能力。我分解成四个能力，第一个是说数据处理的能力，数据整合的能力，团队、模型。
平台，刚才我们讲有4千台服务器，腾讯云是最大用户之一。我们今年可能整个数据处理服务器台数还需要增加。现在我们处理图片和声音，每天我有天南海北的客户声音，这些图片和声音我们都可以处理。
团队的话马上消费金融在科技上有700多研发人员，其中将近200人跟人工智能相关的。带队的都是中科院博士和美国过来的博士。中国顶级院校和全球顶级院校的博士，这些人员构成了研发的团队。
模型的话现在基本上市场可以听到所有的各种深度学习的模型，我们在公司里所有的领域里都有所涉猎。
和单纯科技公司相比，市场上有很多人工智能公司，最重要的是缺场景和数据。现在我们不仅有场景还有数据，我们让这些场景数据形成闭环，我们持续进行迭代。马上消费金融第一代人脸识别采用商用的，这个有什么缺点?我们在2017年一共集聚两千多个样本，就是公司欺诈的。我给大家讲几个比较有意思事情，因为我看过一个人化妆，就是为了过人脸识别的，天天过来化妆，然后戴面具，把脸画上画成各式各样的。还有说在这里拿视频录好的，其实这些都会发生的。
2016年至2017年上半年我们一共有两千多欺诈样本，我通过商用人脸识别软件没有办法解决，因为它不会给我单独研发。但是这些识别出来有问题的样本(Y样本)在训练过程当中，最重要的他告诉你，只有把这种进行再迭代算法才可以不断优化，因为现在人工智能都是尖度学习，什么意思?就是大部分准确偶尔错一下，把错误的告诉他就会不断的进步。但是这些两千多样本其实它不会关注我的，这就是我们研究的动因。我要付出两个成本，一个声誉成本一个欺诈成本这就是构成我们研发很重要的原因。我们自己研发，研发之后在消费金融产生出来的样本数量我们自己都可以解决了，这就是我们为什么做这个事的起源，就是真正的人工智能公司。一些市场上没有数据也没有场景，是借别人场景研发以后做的，这个不能持续迭代。
这是我们现在看到的人脸识别系统，现在这个系统不仅服务于我们自身，现在我们有几家银行，包括多家大型保险公司，包括信托开始采用马上消费金融，因为我们真正是在金融最严苛环境下把这个产品做到极致。
包括现在是重庆市政府，两江园区。现在他们整个的门禁以及未来政府关键基础设施都会用这个马上消费金融人脸识别作为门禁的关键设备之一。
这是智能客服，其实这些效率可以得到大幅度提升，我每天70%到80%问题都是线上机器人自动回答，大家可以看到这上面是我们的一些数据，这是我们半年数据的积累。
现在来讲我会话总量是1500多万，每天是15万，能够解决问题是70%到80%。这是我们去年整个取得的人工智能的成绩，50项专利有将近三分之一跟线上的客服连接相关。45%的未问先答，我整个解决率是70%到80%达到中国顶级电商的服务水平。
现在自然语言解析技术不仅用于我们自身，我们现在提供给中国顶级的医院，电子病例的解析，你电子病例提交到医院，医生并没有看到你得什么病，开什么药，然后近期长期追踪。同时用在保险，我们输出智能保护的项目，就是把中国10万款保险产品，比如里面条款自动解析完毕，哪些是什么内容，保障中有什么差异，这些都是基于自然语言解析的技术。
这个是我们一些工程的发展，同时我们内部构建了整个人工智能研发的平台，让我们整个研发速度大幅度加强。
除了文字之外，现在我们这个情绪和图像都已经应用到我们整个的过程当中了，比如说我刚才讲了贷后管理，给客户打电话过程当中我人员是不是有情绪，语音语调是不是有变化，语言语调变化可以感受到情绪的变化，这些都有助于我们去改善用户体验，然后去提升服务水平。
同时现在这个情绪包括动作识别，我们在和一些新零售企业，当然这个名字，比如说重庆百货我们帮助他们构建无人超市，这个特点就是要识别你动作，大家可能没有注意你在无人超市的时候，或者每日优鲜，你第一次买东西付费了，你第二次的时候根据你动作可以识别出来是你，当然有摄像头过来识别是你，你没有付费的话它就知道了，第一次付费了他知道你第二次没有付费，无人超市很重要的缺损率把东西拿走没有付钱，这些都是通过动作、表情等等模式，我们把这个技术也输出给重庆百货，它本身也是我们股东，我们帮助他们构建中国最大的无人超市体系，希望人工智能能够用到无感知的各式各样的人机交互过程当中。
今天我可能讲的比较冗长，没有讲清楚的地方大家有问题可以。提
提问：我来自互联网周刊，我觉得您讲的特别好，讲的非常通俗易懂，从系统方面给我们做了普及工作。我有几个问题和您交流一下，您刚才最后介绍了重庆百货有无人超市的合作，能不能详细介绍一下，具体提供哪些科技能力输送，这是第一个问题。第二个问题，您一开始讲到消费金融，讲到了新零售金融你们作为互联网金融企业，您个人对新零售有没有什么建议和我们分享一下。
另外我刚才看到一个数据，人脸识别成功率是99.99%，我觉得这个是相当高的，跟您求证一下数据。
另外声纹识别率的数据可不可以透露一下。
蒋宁：我先讲一下重庆百货，无人超市在物流行业我们可以看到有很大趋势，首先沃尔玛一个很重要发展现象，沃尔玛在美国各大中心建大店，沃尔玛第二步是在这个大店之后每10公里到5公里又建这种生鲜店，生鲜店建完以后再往社区建无人店，这是有几个步骤的。我们看中国市场趋势也是比较明显的，首先大型超市，然后变成了这种全家、711等零售店，零售店再往下是无人店。中国比国外物流还要发达，就是变成无人货架力度就更小了，这个过程当中其实我们可以看到人机交互越来越重要，人机交互有几点，人、商品、机器这三者都是需要交互的，这一点上我们跟重庆百货探索的就是商品的自动进销存的管理。动态要知道哪一个超市、无人货架卖得好，自动配货系统可以打到这个配货货员上，说你应该在哪一个无人超市配什么货，这是一个完全基于数据供应链的系统再造。
第二点这个涉及到人在无人超市里有很多互动，包括支付。然后对某一个产品的表露是喜欢还是不喜欢的，这里面我们需要有一个对产品的表达和意见反馈。这里面希望有一些包括物联网和技术的整合。还有安全，很重要的无人超市里对于这种大型物流企业以往成本最重要的是人力成本和开店店面的成本。虽然说没有解决店面什么的，但是人的成本很重要，因为有安全问题。其实超市很重要的就是你如果太小的话人员安全很重要，这降低了安全成本。还有安防，包括摄像头拍下来，人脸识别，动作识别，公安部看是不是有问题的，所以点点滴滴我们都在思考、设计，这是第一点我们在做什么。
第二个问题你谈到了人脸识别，市场上所有行业只有消费金融允许远程开户。现在来讲，银行和证券来讲都是用在交易反欺诈。你在网上突然做大额转帐才让你做人脸识别的，所以这种的话如果说即便人脸识别失败了，这也不会给你造成严格的伤害。所以银行证券没有那么严苛的场景，也没有那么多样本，大额转帐启动人脸这个概率比较少的。所以说积累样本数比较少，另一个是没有一个场景。我有两千多样本是真正有反欺诈团队里，一旦钱被骗走了我就回溯人脸识别的一些照片。任何机构人脸识别没有成功，然后你到柜台去办了，后台是不是识别出来，这个动力是不存在的，就是没有Y样本数量，就是基于场景怎么获取Y样本和整个Y样本数量，这是在传统金融机构比较少的。为什么消费金融公司能够有机会打出一款这样的产品，因为我们场景注定是一个强场景，因为我没有面签，还有大量互联网数据展业，所以我必然比他结果好，因为我付出成本巨大的。
第三点客观现实情况，因为中国现在没有人脸识别的标准，现在互联网金融协会筹备标准研究院，我跟很多银行机构有沟通和了解，大部分就是买一个市场主流的，然后行内人员测一下，因为不是强场景，即便有错误也可以到柜台，所以就上线了，没有办法评定这个好坏，因为需要大量Y样本测试的。第二个工信部下属的一个通信研究院也在构建人脸识别的标准，相信基于标准的话这个数字是比较准确的，这是基于的场景和数据测试结果讲出来的。·
第三个问题是关于声纹，声音相比人脸图像处理和文字处理比较容易，但是要做到100%都很难的，我举一个例子人工智能现在有几个比较大挑战，一种是鲁棒性，自动驾驶可能有一次错误就是人就没了。第二点就是迁移，比如说我拿一个声音识别，美国亚马逊的声音识别那个卖得最好在全球，是变成家庭的人机交互中心了，亚马逊是基于美国200平方米大房子训练的，在中国就不好了，中国平均面积120平方米，有几个企业做这个事。我这里想强调的是人工智能就是即便同样一个领域，在一个房间的大小，回声就造成了识别效果的变化，就是人工智能很重要的问题就是经验领域欠缺，获得这个领域了，再换别的领域就可能不行。比如说这个纸张是宋体打印出来的，要改成楷体打印识别就下降了识别率。另外纸张反光的话也会降低识别率。所以说声纹在我领域，电话领域我可以做的接近不错，因为电话里你知道声音离麦克风远近和社会嘈杂声都影响着一个效果，所以需要基于很多场景训练，并且场景稍微变化的时候就影响了识别率。
我告诉你一个大体数据就是在97%左右，那3%是很难的因为场景在变化，场景变化的话最终识别结果就是会不一样，很多因素决定的。因为只能就特定的场景让人工智能的技术应用下来才能保留很高的准确度。
提问：百行征信大家非常关注，开放数据很多平台已经引入了，但是对平台要求比较高，我看咱们马上介入了，能不能讲讲百行征信和马上消费金融对接过程中怎么样?然后对接的话对马上消费金融业务有什么影响?
蒋宁：我先讲一下外围环境，中国征信最大问题是中国缺乏一个统一的，能够把市场碎片化数据整合的这样一个基础设施。我们可以看到美国风控其实是一个战略问题，不是技术问题。美国三大机构差不多所有数据整合完，变量都做好，所以在美国做风控不是技术工作，而是战略选择。在美国只需要选择哪一个客群定什么价，然后风控控制到什么程度，我们会发现一些美国回来的建模人员，会感觉到中国环境比美国复杂得多，在中国征信数据到处都有了，造成了中国征信整个成本过高，就是风险管理上的，百行征信是作为央行背景的一个机构，然后想去打造一个中国的有公信力的这样一个机构的时候，作为马上消费金融这样一个持牌机构非常欢迎，我们非常拥抱和欢迎百行征信的诞生和后续发展。为此我们积极配合百行征信做各式各样工作。
数据里有一个重要工作，参与数据机构供应商，我们既是数据提供者也是消费者，那对于数据提供者来讲要求比较高，因为要求你数据的自理数据，如果我把错误数据上传给百行征信，这时候百行征信作为数据服务方会受到影响，所以对整个参与百行征信数据处理结构需要提很高的要求，数据处理包括数据完整性、一致性、准确性、时效性，这些都是需要这个机构技术能力提供很高的要求，马上消费金融也是经过了跟百行征信的沟通，他们也认为马上消费金融在整个数据治理上的能力是达到了百行征信要求，所以我们是最早一批迁入百行征信的，我们希望为中国征信机构发展做出微薄力量，同时我们也是受益者，因为建好以后可以降低整个行业征信成本，所以我抱着这个态度考虑问题的，实际过程当中我们正在接入，实际正在操作这个事，都是按照计划推进的。
提问：对于消费金融公司来说能够自主研发，各式各样的系统其实挺少见的，因为我们原来看很多机构，现在也是大家去分工协作，然后说有一些机构去处理这样的能力，我们知道马上消费金融在这块自己在科技这方面的一些投入是多大?每年这种研发方面计划是什么样的?在咱们同业支出占多大比例?谢谢。
蒋宁：在中国市场上关于零售金融，过往是什么样的现状?零售银行大部分业务都是对公业务，零售在银行来讲的话有几个问题，首先是见效慢，大家都不愿意做零售，开网点。你跟一个企业谈大生意比较容易，但是谈一个亿企业贷款和小企业一个人贷一百万这个成本完全不一样，这是见效慢，投入产出比低。其次是说是具有长期性的，就是需要通过很长时间不断的投入。所以在整个零售里面，大家看到现象就是整个IT技术领域都比较弱，没有办法支撑现在消费者多样化的需求。我开篇讲了几个趋势，第一个趋势是消费者不断的个性化，知情权和赋能与被赋能，现在消费者选择越来越多;第二点是社会变化是去中心化、去中介化、去机构化，简单来讲就是脱媒。金融脱媒，消费者不是去金融机构享受金融服务，在任何地点都有可选择性，这是第二点社会的变化;第三点是金融机构本身的变化，核心资源从资产规模，支行门店数变成数据，过往优势变成劣势了，这是外环境判断的。
基于大的外环境来讲，零售金融很重要一点需要进行转型，在传统金融机构里有三方面需要进行大改造，第一个是架构，第二个是流程、第三是文化。
我先讲架构，为什么科技金融需要大量科技投入才能做好零售呢?如果你想快速应对市场变化，你就需要特别灵活，灵活的同时还要求稳定，因为金融行业又要灵活又要稳定，这个互联网变化太快了。比如说我拿到汽车行业比，如果汽车有三万个零件，7、8千组件，70、80个总成，这就相当于发动机悬挂和变速箱。7、8千组件相当于轴承、车门等等，最小零件就是螺丝。现在一般系统来讲，你买过来零售金融系统都是说你有70、80个总成，也有发动机、悬挂，也可以组成一台车，。但是现在你面临着一个问题，天天在互联网上进行迭代，这时候如果迭代的话再回到车的例子，相当于你把发动机给到乘客，因为汽车工业做到了电子设备老百姓可以选择，颜色可以选择，座椅可以选择，这时候如果没有相应的小零件组装，要想换一个零件的话就得把组件完成大卸八块，这个时间成本非常高。传统金融至少三个月以上，但是在马上消费金融一个产品就是2到4周左右，这就是速度。你快速就可以抢先机。
我刚才讲了整个风险变化是非常快速的，在不同渠道里差异化的风险和一些流程一旦变化，按天可以进行，按时改变，这就需要快速灵活对应能力，弹性能力和快速对应灵活性能力，这都要求你原来不是说只有一个发动机和悬挂，这发动机通过组件构成，你需要变化时候只需要改变组件，就可以从4缸变成6缸了。你一定是组件化的，你组建化的话原来管80个，你原来只管发动机，现在你要管一堆零件，你想想你监控、运维、自动化都需要大量投入。因为这些速度和灵活性是靠系统的应用带来的，你只是买几个原来的组装东西你管不了这个数量，对应不了市场变化，弹性也不高。所以对应场景金融，快速应对市场变化和风险，构建差异化能力时候都会受到很多影响，这一点是架构上来讲的，你要想在零售上做到领先一定是高度组建化的系统，然后带来一系列的自动化。
第二个就是流程了。传统银行来讲还是瀑布式的开发，而马上消费金融基本上所有都是敏捷式的研发、产品、市场。所以熟悉我们公司的都知道我们是闭环的，而不是说传统IT提需求，然后过来开发，这个是适应不了互联网金融公司流程的。第二个研发需要文化，基本上大型金融机构还是需要严格的等级森严的，数据驱动也好，互联网创意也好很难落地，实际上我们完全跟这样机构不太一样的，这就回答你为什么只是买几个系统，造一台车很容易，但是悬挂买了以后，发动机买了，一旦变化的话它就不行了，这就一个本质化差异。
提问：中小金融机构提到了自己其实想全凭投入研发还不够，缺钱、缺人，他们提到金融需求是低频的需求，所以他们觉得这块从外面采购也还可以，不知道蒋总怎么看?
蒋宁：首先金融科技我觉得是两条，第一不能坐以待毙，也不能急功近利拔苗助长。拔苗助长是什么意思?过度关注科技脱离了业务形态，不能坐以待毙的意思是说，等到别人做好了，成熟了，往往你已经失去市场先发红利了。市场现在是这样态势，所有构成金融科技里面是包括商业银行和新兴机构，构成了整个的主体，传统金融机构也是金融科技市场主体之一，所以这里相互竞争和互相合作，传统金融公司包括银行，也是可以跟这种新的机构进行合作的，不同领域获客、风险、客服还有帐户等等领域都可以产生合作，我相信对于每个人，还是会看到市场发展的机会的。
提问：我想问一下马上消费金融近期和股东重庆百货做了线下无人超市，我想问一下马上消费金融输出核心技术有哪些，具体合作形式什么样?
蒋宁：商品的管理是基于这种大数据驱动的商品管理，包括中间过程的互动，在线客服这些都是已经落地的。下面具体还有整个供应链的基于数据化改造正在执行当中，不知道这么回答可不可以。
主持人：谢谢大家，连续讲了差不多两个小时真的很辛苦，谢谢大家精彩的问答。我觉得今天这个课可以说信息比预想的大很多，给我们普及很多系统的知识。因为在座各位记者都是盯这个口的，很多公司业务都了解，或者模式也很了解，但是从政策到发展到后面每一个功能设置和监管管理系统梳理是第一次，所以欢迎马上消费金融来到北京交流，对我们非常有帮助，掌声感谢蒋总这么精彩的分享，也感谢马上消费金融提供的这么一个课程。事后PPT可以分享给大家，大家后续有需要沟通的可以和媒体朋友继续沟通!
我们给大家准备了茶歇，大家可以休息时候自由交流，谢谢大家!
(结束)
|
