<mark id="oztn4"></mark>
0
雷鋒網AI金融評論報道，10月27日，為期一周的第二屆香港金融科技周落幕。在27日以“智能金融，會取代華爾街嗎”為題目的智能金融論壇上，百度金融戰略管理負責人王輝分享了百度在智能金融時代，對于人工智能等科技與金融交流融合的戰略思考，和對未來以流量實現價值變現的全新商業模式發展愿景的描繪。
他提出，金融和技術一脈相承的發展歷程，到了今天已經步入了人工智能為主的深度合作新階段。在人工智能科技主導的大背景下，百度通過利用大數據、區塊鏈等技術手段，著眼在智能金融時代特征所孕育萌發的拓展用戶人群、提升效率、資產配置和金融業務線上化等四大機遇，并根據這四大機會為當今互聯網巨頭布局智能金融提出了四方面能力的新要求：
1.獨有數據去驗證價值的能力。
2.流量到服務轉化的能力。
3.新的技術能夠通過工程化、產品化和商業化的能力。
4.軟性的。兩撥不同的人，在跨界里面能不能形成非常好的文化，成為一個核心的競爭力。
據雷鋒網AI金融評論在現場了解，在論及具體的數據應用方面，王輝特別提到，針對那些廣大缺乏央行征信數據的人群，百度利用積累的線上大數據對傳統金融機構進行補充說明及驗證，由此構建大數據風控體系；甚至于更進一步，在進行用戶邊界擴展的時候，他認為，過度追求千人千面在目前技術現狀之下不具有太大現實意義，百度嘗試通過對已有大數據的深度分析，發現不同指標之間的內在聯系，為用戶的風險畫像做出貢獻，從而為這群潛在用戶擬合征信數據。
以下為王輝演講全文，雷鋒網作了不改變原意的編輯：
如果從金融角度來看，其實金融的發展跟技術的發展是一脈相承的，其實金融的發展就是技術不斷發展的歷程。最早的時候，我們第一波是看到了電子化，原來都是打算盤，手工記賬，慢慢的把所有的報告（report）都能夠線上化，電子化的一個過程。
第二個階段，移動化。移動化這個階段，在中國的大陸其實已經蓬勃興起，不管是移動支付也好，還是電商也好，不管是在借錢也好，還是在網上買投資理財的產品也好，可以看到，移動化的進程，伴隨著2012年到2016年，移動互聯網時代的到來，其實是非常有益的。
自從AlphaGo跟人類下棋贏了之后，在2016年的時候，我們就進入了人工智能的時代。我們的董事長李彥宏先生也宣布百度從一家移動互聯網的公司，轉變成了一家人工智能的公司，正式揭開了人工智能的大幕。但是，人工智能的基礎也會推動金融，進入到這樣新的時代，我們內部叫做智能金融的時代。
這個時代會有什么樣的特征呢？我們發現，前兩個時代其實更多是以效率為核心的，不管是電子化還是移動化，基本上大部分的時間都在解決效率的問題：我如何能夠支付得更快更便捷；我的線上的購買如何能夠更加順暢等等，更多地是在渠道層面、效率層面還有流程層面的一些變革，不管是基礎設施的系統還是業務建造等等。但是真正到了人工智能時代之后，我們會發現人工智能的技術，幫助金融真正能夠實現以人為中心。
什么叫以人為中心呢？就是大家俗稱的千人千面，每個人在網上得到的服務，其實是不一樣的。我們可以在市面上看到，多多少少都有或成熟或不成熟的一些應用，能夠去體現以人為中心的概念。比如說圖像識別，其實可以讓大家去做大型的申請驗證、身份證的核驗，實名的認證可以通過圖像識別的技術來實現。
ID Mapping,其實是我們在內部推的一個理念，當大家在虛擬世界里面，有多個身份(identity)的時候，可以通過這樣的技術把所有的東西關聯起來，能夠去識別你是誰（who you are）。
我們經常說，在互聯網特別是PC互聯網時代，你不知道對面聊天的是誰，但在人工智能時代是可以的。因為這些信息的關聯可以真正的讓你證明你是你。所以，在虛擬世界里面，在人工智能的世界里面，“證明你是你”，這是一個非常重要的話題。
機器學習，智能服務其實可以幫助我們實現千人千面的理財的服務，因為每個人的風險偏好，每個人的投資和理財的需求是不一樣的。
人臉識別。現在在百度的大廈里面，不管是移動的售賣機也好，還是食堂買飯也好，基本上都可以刷臉支付了。
區塊鏈。其實百度發布了第一單基于區塊鏈的ABS，區塊鏈是一個底層的技術，它可以把非常長的涉及到多方的ABS交易架設到鏈上，能夠讓我們的認證和交易變得更加的便捷。
LBS我們也在探索，（還有）真正的UBI，對于保險科技（Insurtech）來說還比較遙遠。但是LBS和UBI技術確實可以幫助機構去判定你的駕駛行為，從而能夠產生出個性化的保險，每個人的保險的保費應該是不一樣的。我們在暢想未來的保險是什么樣子的時候，基于LBS和UBI的保險一定是一個不可脫離的話題。
所以，當人工智能的技術在往前發展的時候，我們會發現，原來相對比較大同小異的金融服務，會因為技術而變得更加以人為本。這是我們對于智能金融的理解。
往前看，在整個中國市場上，人工智能和金融的結合，也就是智能金融時代會有哪些機會？給大家分享一下我們的一些心得。
1、爭取人群拓展的機會。我們可以看到，在整個中國，有8億的經濟活躍人口，但是真正在央行里面有征信報告的只有3億人，所以有60-70%的機會。
我們的確看到，爭取人群的拓展是一個巨大的機會。如果回到中小企業上面來，可以看到50%的中小企業是得不到貸款的。所以，隨著征信人群的建設，這些都是在中國非常大的，能夠幫助服務變現、能拓展的機會。
2、資產配置的機會。我們看這個市場，中國國人可投資的資產規模只有差不多160萬億，其中，大眾富裕，也就是個人可投資的資產占60萬以上的，占2000萬人。如果從結構的角度來看，中國的整個資產配置里面，金融的資產占比重的12%，美國比我們差不多36%。很多人就說，比例的差異有非常多的房產的因素在里面，但是這個差距仍然太大了。
所以整個中國的資產配置，特別是針對于中產階級的資產配置是一個巨大的機會。在原來，大眾的理財產品基本上是被滿足的特別好，銀行理財20多萬億元，有年化5-6%的收益率。私人銀行其實也被服務的特別好，非常多的銀行都有私人銀行，但中間這層，新興的中產階級（新秀）其實沒有得到差異化的服務。
現在，中國的保險市場，應該是僅次于美國，但是從保險的密度和保險的深度來講，離發達國家還有很大的差距。
在香港推廣書里面，保險科技也被列為一個重要的發展方向。可以看到，保險在中國的發展前景是非常大的，是我們碰到的第二個機會。
3、線上化的機會。剛才講了一個關于移動支付的問題，其實在支付領域線上化已經很全了，但是我們在金融領域看到了更大的市場：線上化的比例是非常低的。所有的互聯網公司都會從線上化找機會，因為現在流量非常貴，有了流量做基礎的話，不僅可以創造很多業務上的奇跡，也可以創造很多基本市場的奇跡。
所以，就線上化的機會而言，對于流量的巨頭，其實還有很多跟金融結合的空間。其中，理財是最高的，因為我們可以看到，銀行理財除了第一次要線下面簽以外，后續的購買都可以在網上去實現，所以理財的購買，包括陸金所還有其他的一些互聯網巨頭，反而線上化達到10%。
信貸其實還沒有那么高，只有6%。保險更低，保險基本上是一些標準化的產品，像意外險或者是一些在現場購買的標準化的產品，壽險還相對比較難。這個數字一定會有巨大的提升。
4、效率提升的機會。中國內地所有的銀行、保險等等這些上市公司，去看他們的成份，運營和客服加起來應該有萬億級的成本。我們內部粗算了一下，如果這些成本通過技術的手段、用新的技術來繼續提升他們的效率，可以被壓縮50%以上。
在百度，我們在內部做了一些關于智能客服的測試。發現差不多80%的標準化的問題，都可以通過智能客服的手段去解決；還有70%的質檢的工作，可以通過智能質檢的方式來解決。判斷一個客服人員的回答是不是標準，是不是符合規范，超過70%的都可以通過技術的手段來去解決。這個進一步說明了，新的技術如何去壓縮成本，提高效率。
所以，在整個金融市場上，我們看到，會有拓展征信人群的機會，讓更多的人可以享受到金融服務，會有資產配置的機會，也會有線上化的機會，更有進一步的效率提升的機會。
為了去把握這四個機會，其實我們認為有四個方面的能力是非常關鍵的。
能力一：相對獨特的數據。在人工智能的時代里面，所有人都在講，數據是非常重要的資產，有沒有獨特的數據，以及這個數據能不能在你從事的領域，比如說金融領域得到發揮，是一個非常關鍵的話題。
在百度，我們做股份金融和人群拓展的時候，用我們的數據做了非常多的維度的畫像。我們可以把一個申請人的學歷、職業、年齡、資產和收入都進行畫像（基本上在百度的記憶的賬號里面），通過去識別你是誰，以及你從事什么樣的工作，你是什么樣的年齡段，以及有什么樣的資產，什么樣的收入，基本的規模可以拿到差不多E級的水平，準確率都是在80%以上。
這個其實可以從另外一個角度去證明：即使你沒有在傳統的征信體系里面有記錄，但如果你是有這些比較重要的風控表現的標簽的話，你仍然可以去做到非常好的信用的水平。然后，我們可以把這些人進行不同的分層，我們會把他們分成A、B、C、D、E，不同的層級代表了不同的方向的標簽，也會得到不同的利率和不同的額度。
目前看起來，我們能夠去擬合出來的名單已經達到了2億。這2億不僅包括了有央行征信的記錄，還有相當的一部分是沒有央行記錄，或者是央行記錄相對有些瑕疵、或者比較薄的一些人群，這些其實是我們能夠去做普惠金融的非常重要的一個基礎。所以，（獲取）獨有的數據、進行風險標簽的擬合，（從而）去判斷風險水平，然后再開展業務是非常重要的基礎，這是第一個能力。（詳見下文）
能力二：流量勞動服務的轉化能力。所有的人都在想一個問題，關于流量，不管是搜索也好，還是點擊也好，這個東西怎么能夠去生成一個金融的資產，中間的路徑其實是非常長的。有一些公司已經明白這點了，有一些給傳統金融機構倒流的公司，其實可以走到中間這一段，就是從流量能夠形成一個有效的申請，把所有的基本信息填下來之后，再把用戶的基本信息倒給金融機構。
這其實只是做了中間這一段，后面這段資產生成的部分其實是金融機構在做的。那如果我們從互聯網的角度再往前看一步，如何能夠從一個有效的申請再到資產生成的過程，中間還是要走非常多的步驟：
第一個被驗證的價值是關于智能獲客的價值。非常多的傳統金融機構會有一個很大的痛點，這個痛點是相對比較低頻的金融服務，我不知道什么時候我會買房，我也不知道什么時候我會買車。保險也會非常低頻，包括教育、醫療、美容、裝修和旅游，它不像支付每天都在發生，具有低頻的特性。
所以，在什么時間能夠把握住這個人的需求會變得非常重要，在我們內部叫做響應。當你出現一個需求的時候，你會對某個金融服務產生響應，這件事情就變得異常的重要。傳統的金融機構會受限于他們的門店，也受限于他們對客戶的生命周期的把控，在尋找時點的時候，會變得非常頭疼，這是他們一個很大的痛點。
當我們每天打開微信或者是其他的移動互聯網的APP的時候，我們都是在互聯網進行一些需求的表達。當你能夠表達出這個需求的時候，就能夠通過大數據和人工智能的技術更好地來去捕捉這個時點。
內部百度有一個響應的模型，這個模型的最下層是剛才我們把不同的人按信用進行的分布。你可以把它簡單理解為信用好的人和信用相對差一點的人。傳統金融機構里面，一個比較大的痛點就是，信用相對比較好的人，或者相對比較有錢的人，他的需求是非常不易捕捉的。而我們通過響應模型去看，他對于某一個金融產品的響應的率能夠超過10%，就意味著每來100個類似于這個評級的人，我能夠捕捉到超過10個有潛在的金融的需求的人。這比你在線下茫茫大海去找這樣一個人，和找他這樣的時點會輕松。這是第一個被驗證的價值，就是如何能夠更加智能地去獲取客戶，捕捉他們的需求。
第二個價值，我們內部有一張癌癥圖，每一個節點都代表一個機構，是正常的表現的話會看到，分布相對比較均勻。不同的節點之間連起來有一些異常現象的話，都會用彩色標注出來。
在正常的表現里面，其實人和人之間沒有那么多的異常現象。所以你會發現，這其實存在欺詐，欺詐基本上都是線下行為，通過某一些線上化表現，不管是通過電話也好，短信也好，還是通過其他的行為也好，把所有這些異常的人都聯系起來，如果其中的一個節點我們判斷為有黑或者疑似黑的特征，一串的人都會拉出來。所以，正中間的話，我們會發現某一些機構就會存在欺詐，而且它擴展的范圍有多少。
最后，把所有存在異常的機構放出來，看它們的預期表現，就能看到這些機構欺詐的程度。而這個反欺詐的網絡，我們內部叫福爾摩斯，基本上是抓壞蛋的。
所以，在我們在跟機構合作借助服務的分期貸款的時候，對于機構風險的把控我們會建設成一個巨大的關聯網絡，而且這個關聯網絡是在線上實時運行的，它可以保證我們在第一時間對一些潛在的欺詐風險進行預警，從而去避免更多的損失，這是第二個被驗證的價值。
在中國的市場，欺詐的風險和信用的風險的比例是8：2，在成熟的市場是2：8，是倒過來的。所以，在中國反欺詐和反黑，其實是更重要的一個話題。
第三個價值，信用的風險。我們一直在嘗試證明一件事情，就是百度的互聯網的數據，跟央行的征信數據之間到底有什么樣的關系，他們之間疊加能不能產生比例關系(delta)，能不能產生額外價值貢獻（extra value contribution）。
央行征信數據，關于風險已經是非常強的的狀況說明，每提升哪怕千分之一的比重都是非常難的。在我們內部的實驗證明，互聯網的數據和傳統的數據之間是有化學反應的。他們之間可以創造出更多的delta出來，對于那些沒有央行征信的人群，我們內部的模型線和KS值能夠超過30%，這已經是相當不錯的水平了。
所以，對于沒有央行征信的，通過互聯網的行為數據，可以擬合出來一個你的征信水平，從而使金融有了至少一個可能性，這個是第三個價值。
所以，當我們在講從流量到金融資產的時候，中間路程其實是非常漫長的。它會經過畫像，我得知道你是誰；知道響應，在某個時點，對于某個金融產品，會有比較好的表達；會通過有效的渠道找到客戶，然后去驗證你是你，再往上證明你真的是你，去做反欺詐和風控；最后，把不同的產品匹配給客戶，完成整個過程。
只有管理者能把這整個過程所有的能力一層一層建設起來，才能夠真正地把流量--互聯網上哪怕一個點擊的行為，轉化成最后的金融服務，這是我們在嘗試去做的非常重要的一個能力。
能力三：是從工程化到產品化到商業化的過程。這個是什么意思？就是有非常多的金融科技的概念還停留在基礎層面，但是從技術到真正的應用，能夠跟產品融為一體還是需要相對比較長的過程，我們內部把它叫做“能用”、“好用”和“真用”。
“能用”是從基礎層面上，能解決非常多的問題。比如說，人臉識別里面，光線變暗的時候，你去加點底；照片模糊的時候，你去保存照片；臉部遮擋的時候，你可以體現語音提示播報，這些都是feature層面的。
“好用”的意思是說，在我們內部的場景里面，因為大家有信任，相對來說保證這些金融科技的概念順暢好用。
“真用”是什么？是金融機構能夠為此而付錢，能夠形成一個商業化的合同。
所以，從能用到好用到真用，是整個科技能夠形成真正的生產力必不可少的過程，也是金融科技能夠嵌在從流量到服務里面去建立能力（capability）的非常重要的路徑。但是這個能力并不容易去打造，因為互聯網和金融的結合本身就是兩撥人在共同創造一個新生事物，在這里面會存在非常多的溝通成本,和大家互相去學習和借鑒的地方。
能力四：文化。我們常講，互聯網人是一幫野蠻人，他們都在講網絡效應，做事都非常大膽，也敢試錯，講究個體的成長，很熟悉互聯網，非常務實。而金融人，我們會覺得他們是文明人，都覺得風險是有邊界的，所有的收益都會有滯后效應的，講究目標和規劃的，一定要把房子搭好。所以，當一幫野蠻人和一幫文明人放在一起的時候，文化的磨合就會變得特別重要。
在過去的兩年里面，我們的金融和人工智能的會議室基本上算是百度最吵鬧的會議室，有非常多的人在里面爭論。但是經過這樣一個過程，雙方都在互相學習和成長，能夠更加開放，更加學習向上的文化，在今天，這會成為交叉學科和跨界非常重要的核心競爭力。
所以，總體而言，在中國市場上會有四個機會，為了把握這四個機會，也會有四個非常重要的能力：
1.獨有數據去驗證價值的能力。
2.流量到服務轉化的能力。
3.新的技術能夠通過工程化、產品化和商業化的能力。
4.軟性的。兩撥不同的人，在跨界里面能不能形成非常好的文化，成為一個核心的競爭力。
在今天的金融科技或者是智能金融領域里面，我們在驗證一種新的商業模式。如果你去看互聯網里面的變現，有兩種模式被證明了，一種是廣告，一種是游戲。如果今天從流量能夠去生成資產，生成資金，在線上真的能夠去完成一個全閉環的金融服務的時候，我們真的是創造了一種新的，按照服務來進行價值變現的一種新的商業模式，它不是簡單的廣告，也不是簡單的變現。
在中國相對成熟的經濟體系下，人工智能有一個紅利期。流量的紅利期大家認為已經過去了，但數據的紅利期還在持續。數據的紅利期持續背后有幾個原因：第一個原因，整個中國的移動互聯網的發展領先于其他國家，所以數據的沉淀本身在新興領域更加豐富；另外一個，有好有不好，監管還沒出臺更嚴苛的措施。
在這樣的前提下來看，為什么BATJ這樣的大公司會去大規模地去投資很多新興的公司?其實是在買入和實踐的背后積累很多數據的資源。數據是實現AI的必經途徑，沒有了數據，AI就是無源之水，沒有辦法去做。
再回到大數據的風控。其實我們在內部，一直在回答兩個問題：百度的數據，能否和央行的征信數據、傳統金融機構積累的金融數據產生化學效應？如果不能產生化學效應，產生delta，是沒有辦法形成差異化優勢的。我們證明是有的，一個人非常多的行為，是能夠說明（Indicate）這個人的。當你的征信是有瑕疵的時候，這些行為是能夠補充說明他的一些特征。比如說，搜索行為、交易行為、閱讀行為等等，當用戶為了得到一個金融服務，授權（服務商）這些行為，去證明（prove）在防范意愿和防范能力上是有潛力（potential）的時候，它們是能和傳統金融數據產生互補效應。這是我們內部在進行數據應用回答的第一個問題。
第二，當我們在進行（用戶）人群邊界拓展的時候，我們能不能對于那些沒有征信的人群模擬出他們的征信狀況來？也是可以的。LBS等可以定義一個人（something about you），我們發現，同樣的年齡、同樣學歷的人群，比如都是大專學歷，年齡基于25至30歲之間，大概模擬出他們同樣的收入水平，工作的穩定性是非常重要的一個指標（indicator）。
我們發現，有的人是相對典型的兩點一線，有相對比較穩定的工作；有的人在整個行為軌跡上是非常的飄忽隨機（random）,這樣我們就不太能判斷這群人的工作穩定性，在一段時間里面拉長的表現，比如說半年，這群人的（還貸）逾期率就是工作穩定性的三倍。所以這些（指標）都可以擬合一個人的風險畫像，從而能夠判斷他的額度和利率水平。
百度也做不到具體到每個人去做風險定價，過度去做千人千面也沒太大效果，一個人的年化收益率是10.21或者10.22其實沒有太大差別（difference）。但百度一定會針對某一個客群，在他們的風控里面設定一個強標簽。比如上述提到的工作穩定性，什么是穩定的？我們會設定一個預值，然后把它映射（map）到個人行為上面去，（對于這個群體而言），這樣一個細分的處理結果（settlement）具體到每個間隔區間(granularity)的時候，是可以做到精準識別（identify）的，如果要繼續到個體上的劃分（differentiate），就沒有意義了。
正如開始所說的，在中國，目前因為監管（regulation）的關系，因為移動互聯網和AI的發展的關系，還處在數據的紅利期。數據的紅利期還能繼續往前推進一段時間，但是所有公司都負有保護用戶隱私、合理應用數據以及公眾教育的義務。在這個基礎上，正確地應用這些數據、更好地去刻畫一個人的風險水平，才能夠去讓普惠金融“普遍惠及”的愿景得到實現。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
