随着国内互联网金融监管加强，小额普惠的定位更加明确（行业回归风险控制的本质），用大数据与机器学习的方式做风控变得越来越重要，相关领域的公司也逐渐受到追捧。
雷锋网独家获悉，Fintech公司CreditX氪信最近正式完成数千万元Pre-A轮融资，由IDG荣誉合伙人章苏阳新创立的基金火山石资本领投，真格基金跟投。2015年底，氪信还曾获得真格基金领投的700万元天使融资。
氪信主要用机器学习和大数据分析技术，提供风险信用评估和用户价值运营，为金融公司提供风控与营销决策。氪信的产品包括非或然引擎和XCloud，前者是一个大数据风控决策引擎；后者可以简单理解为以大数据为基础的DAAS（数据即服务）服务。移动大流量卡
公司创始人朱明杰告诉雷锋网，本轮融资将主要用于与数据源上下游合作，金融场景与市场拓展，以及团队扩充。
将机器学习用于金融风控
互联网借贷的特点是小额大量，而基于人工的风控成本过高且效率低，这就需要用机器学习的手段帮助做出风控决策。朱明杰认为，现在用机器学习的方式做风控还处于很早期的阶段，对金融客户来说也有一个市场教育的过程，今年开始才逐渐有业务上的需求。他告诉雷锋网，将机器学习应用于风控主要有两方面的问题：
一是数据太多，主要是数据特征维度多。传统风控主要用到与金融相关的特征，一般有数十维度，包括收入、流水和信贷等。而小额普惠金融则需要包括行为数据、APP数据、多头借贷在内的多维数据。
二是样本数据太移动大流量卡小，因为消费金融等纯线上形式存在的时间较短，没有传统借贷那样多的样本数据。
氪信的机器学习引擎会是把人的经验和机器能力结合起来。在线上贷款中，虽然数据不足，但风控专家会有自己的逻辑，只是人力审核的量不会很大。通过机器学习把经验复制到机器上，把不确定的东西交给风控专家，这对小额分散的借贷很适用。风控专家会介入到机器学习的训练迭代上，最终模型会自动迭代，对人的依赖也就越来越少，并避免人为操作的道德风险。
朱明杰还提到将机器学习用于风控的可解释性问题。我们知道，如深度学习这类技术，虽然在人脸、语音识别上取得了惊人的效果，但关于其原理的讨论仍较少，即不知道为何会有这样的结果。而金融机构特别关心模型的可解释移动大流量卡性，一方面是要控制风险，另一方面是要与用户沟通。显然，只给出结果而没有可解释性，是无法被接受的。
雷锋网曾报道，氪信的经验是利用LIME去捕获结果或者局部结果中的关键变量，然后让风控专家迅速的抓到是哪些特征导致结果的变化。
朱明杰表示，自去年底产品成型到现在，氪信已与50多家金融机构有合作，包括民生银行、中银消费金融这样的传统金融公司，也有点融网、小赢理财、洋钱罐、雨点金服等互联网金融公司。非或然引擎在传统金融场景上，风控指标的KS值提升在50%以上，在互联网金融反欺诈效果中KS值也领先。
目前，公司已实现盈利，融资主要是为了未来的布局与平台发展。朱明杰表示，两轮融资的间隔较短，也很快，恰逢章苏阳从移动大流量卡IDG退休成立新基金。
不再讲故事的大数据风控
朱明杰告诉雷锋网，此前的很多大数据与机器学习风控其实都是在讲故事，而随着监管的变严，Fintech基础设施这块的服务才刚刚开始，这些底层基础设施包括数据、模型、征信、风控和反欺诈等。
不过他认为这块市场会有很明显的马太效应，虽然未来会有更多公司加入其中，但已起步的团队会存在更大的优势。因为他们有在成熟场景中的检验效果，模型会越来越完善。
做风控有几方面的壁垒，一是人才，二是数据和业务的积累。机器学习模型需要接受金融场景的检验，其效果是技术与业务的结合。
朱明杰认为氪信的优势也在这里。他本人是微软亚洲研究院博士，曾在德国马克思普朗克研究院从事大规模数据挖掘工移动大流量卡作，其他技术成员也有成熟的大型机器学习成熟应用经验。另外他们也有非常好的机会，深入到金融机构核心的风控场景中，让产品得到了检验。
目前，氪信的风控引擎主要提供场景定制的服务，不过已经与新浪微财富这样的云金融平台在合作，未来会提供更多的金融SaaS服务，让风控模式实现高效的推广与复制。
友情提醒： 请添加客服微信进行免费领取流量卡！
QQ交流群：226333560 站长微信：qgzmt2
原创文章，作者：sunyaqun，如若转载，请注明出处：https://www.dallk.cn/53445.html
