深圳2019年11月13日 /美通社/ -- 11月13日，由中國商務部、科技部、工信部、國家發改委、農業農村部、國家知識產權局、中國科學院、中國工程院等部委和深圳市人民政府共同舉辦的第二十一屆中國國際高新技術成果交易會（簡稱“高交會”）在深圳會展中心舉辦。本屆高交會以“共建活力灣區、攜手開放創新”為主題。通過運用人工智能等先進技術，招聯消費金融有限公司（下稱“招聯金融”）攜手中國科學院深圳先進技術研究院創新打造的三項金融風控“硬科技”在新一代信息技術專業展臺亮相。
在國內科技類展會中，無論是規模上，還是影響力上，高交會均享有“中國科技第一展”之稱。本屆高交會包括國家高新技術展、綜合展、專業展、分會場四個部分。其中，專業展包含12個領域，主要展示新一代信息技術、節能環保、光電顯示、智慧城市、先進制造、航空航天等戰略性新興產業及未來產業的先進產品和技術。
在高交會現場，招聯金融工作人員向觀眾介紹了本次參展的三項“硬科技”，分別是沃信用分、反欺詐GPS漁網與機器學習應用和基于圖譜技術的關聯網絡智能風控。這些均是基于人工智能等先進技術應用到消費金融風控體系的關鍵環節，進一步提升客戶信用價值、降低客戶交易成本，幫助客戶體驗更為合理便捷的消費金融服務。
沃信用分：客戶在“通信+金融”領域的通行證
眾所周知，每個人除了擁有居民身份證以外，參與經濟活動也有一個“經濟身份證”，即中國人民銀行（簡稱“央行”）的個人征信報告。個人從事經濟與金融活動相關的信用狀況將被記錄到“經濟身份證”，而良好的征信記錄將使得客戶在申請金融機構貸款產品時更容易獲得通過。因此，個人征信報告也被看成客戶能否參與金融活動的“通行證”。
有數據顯示，目前央行征信采集信息人群約有9.9億人，有貸記錄僅有5.3億人；超過46%的人群缺失信用記錄，“經濟身份證”信息空白。這意味著征信空白人群將無法獲得參與經濟活動的“通行證”，也無法享受合理的金融服務。
為此，招聯金融與母公司中國聯通合作，通過金融科技創新手段，打造了一套針對聯通客戶的“沃信用分”價值評分體系，為近1億的聯通客戶參與金融活動提供了重要“通行證”。在具體應用中，客戶可根據自身信用評估情況，通過預授信模式，享受聯通在線上線下各類場景中提供的消費金融服務和體驗，包括現金分期、手機分期、話費充值等。
沃信用分是國內消費金融公司首創，不僅豐富和創新互聯網大數據征信模式，彌補了傳統央行征信的不足，還進一步幫助完善了社會信用基礎設施，釋放了更多的消費潛力，促進居民消費升級。
反欺詐GPS漁網：攔截“壞人”的“天網”
俗話說，天網恢恢，疏而不漏，作惡多端的壞人難逃法網的制裁。在消費金融領域，招聯金融通過科技創新打造的反欺詐GPS漁網與機器學習應用，便是風控領域攔截“壞人”的一張“天網”，能夠有效防范和降低欺詐案件發生。
它的主要原理是以客戶GPS信息、行為數據、客戶畫像以及已認定的各類欺詐客戶為數據基礎，通過GPS網格劃分和運用機器學習模型等先進手段，實時聚類并識別、篩選欺詐案件發生位置，從而對高風險區域進行精確管控，最終有效攔截欺詐團伙。
該創新案例經歷了從跑批到實時應用、從靜態到動態的兩個階段。如果把“漁網”應用之前的風險識別比作快速火車，需要至少1天時間跑批識別；應用之后的風險識別就像搭乘大數據時代的高鐵，可實現對“壞人”欺詐行為精準防控、快速智能攔截，目前已達到毫秒級追蹤鎖定。
從反欺詐環節的應用效果看，這一創新案例不僅能夠識別貸前貸中高風險人員，而且在業務場景應用中如魚得水，使得客戶在手指滑動間完成風險評測，做到了極致體驗。
圖譜風控技術：甄別詐騙團伙的“火眼金睛”
圖譜形如蜘蛛織網，是一種基于圖的數據結構，由億萬級頂點及邊，并結合千萬級客戶標簽組成，高筑起一座堅固的“圍墻”。圖譜技術是跨領域應用于反欺詐一種技術，運用社交關系網絡由點及面，把肉眼和規則無法識別出來的詐騙團伙一一甄別出來。
圖譜風控技術在多個領域進行創新。其中，在系統創新上，構建了消費金融行業內首個成熟的企業級圖譜，能滿足多個在線業務毫秒級實時查詢的要求，其可視化工具已成為日常風險案件排查的一大“利器”；在反欺詐領域創新上，成功應用于實時風控規則和實時風控模型之中，對團伙欺詐等欺詐場景進行了準確的識別；在算法創新上，構建馬爾科夫統計模型，應用機器學習算法，實現譜圖技術與機器學習技術的創新結合，能按照風險級別進行客群劃分，匹配不同級別的風控方案。
從應用效果看，圖譜風控技術應用在客戶生命周期的各個環節，包括貸前客戶授信審批、貸中提現和交易、貸后催收回款、線下輔助排查等，能夠管控客戶的全流程事件風險，管控客戶觸及點在億次級別以上，可攔截85%以上的關聯團伙欺詐。
正是因為有了這些“硬科技”，才使得客戶既能便捷體驗招聯金融提供的消費金融產品和服務，又能做到安全放心。從招聯金融披露的最新數據看，在欺詐風險發生水平上，其已把欺詐風險控制在百萬分之一以內，即0.01個BP；100萬個貸款申請中，大概只有1單發生風險概率，遠低于行業平均水平。
