冰鑒科技顧凌云：放眼中國，稱得上“科技公司”的企業(yè)并不多 | IJCAI 2019

雷鋒網(wǎng) AI 開發(fā)者按：作為技術驅動型企業(yè)，冰鑒科技致力于為金融機構提供獨立第三方智能風控服務，鑒于其過往在信用評估領域的積累，今年 IJCAI 大會特別邀請了冰鑒科技CEO顧凌云在 Industry day 環(huán)節(jié)里作了題為《AI Meets Risk》的大會演講。

在演講開始前，雷鋒網(wǎng) AI 開發(fā)者有幸對CEO顧凌云進行了專訪，向其請教幾個開發(fā)者們最關心的問題，其中包括金融征信領域的前景、企業(yè)技術實力的評判標準、冰鑒科技的人才觀等等。

以下為專訪全文。

技術！技術！

AI 開發(fā)者：我們都知道，冰鑒科技是一家技術驅動型企業(yè)，作為中國金融風控領域的佼佼者之一，可以向我們介紹一下智能風控領域所涉及的技術內(nèi)容嗎？

顧凌云：我這里舉幾個例子：

• 在訓練樣本有限的情況下，能不能把一個模型建好？

• 當數(shù)據(jù)已經(jīng)足夠多的情況下，卻面臨背后物理含義不清晰時，你該如何對其特征變量進行清洗？

• 當所有變量都已經(jīng)出現(xiàn)時，你如何確保一些在傳統(tǒng)變量選擇中未被選中的弱變量，通過變量整合與特征工程，將之變成一個強變量。

• 一個單一模型一旦效果不佳，你應該如何把模型給集連起來？

• 面對大量底層數(shù)據(jù)，該如何自動篩選出模型中的變量？

• 當你處理數(shù)據(jù)變得很慢時，該如何通過提高或者改變 cost function來提升收斂速度？

• 當所有的結構化數(shù)據(jù)都處理穩(wěn)妥時，該如何處理半結構化數(shù)據(jù)或非結構化數(shù)據(jù)？

• 當所有數(shù)據(jù)都處理妥當時，該如何去擴展數(shù)據(jù)的更多邊界？

AI 開發(fā)者：在評價一個模型時，你們一般會使用哪些評判指標？

顧凌云：一個建模做得好不好，是可以直接由客觀標準去判別的，比如借助AUC、Gini score、Precision、Recall、KS的數(shù)字去衡量模型的最終效果。

AI 開發(fā)者：在你看來，技術與數(shù)據(jù)之間是一種什么樣的關系？

顧凌云：如果給二者之間求極限，一定是數(shù)據(jù)勝出，因為沒有數(shù)據(jù)，就什么都做不了。任一行業(yè)在早期發(fā)展時，都是從數(shù)據(jù)開始發(fā)展，然后慢慢演變成數(shù)據(jù)被濫用，侵犯了用戶隱私，然后監(jiān)管機構開始進入，數(shù)據(jù)的開源由此受到約束。

所幸，中國開始慢慢從數(shù)據(jù)為王階段，慢慢開始過度到技術為王階段。這是因為數(shù)據(jù)越來越難被獲得，或者說可獲得的數(shù)據(jù)正在變得越來越公開化。

這就是數(shù)據(jù)和技術二者之間的關系。

信用評估領域的水多深？

AI 開發(fā)者：冰鑒科技經(jīng)常強調(diào)自己的“第三方”屬性，這個該如何理解？

顧凌云：我在美國生活這么些年，逐漸曉得“征信”與“增信”其實是兩碼事，前者屬于國家范疇，需要持有牌照且被嚴格監(jiān)管；后者則應該以技術為主，讓更多科技企業(yè)參與進來。在過去這些年，相信并沒有太多企業(yè)能將兩者區(qū)分清楚。數(shù)據(jù)固然好，但我希望只把它當作建模的原材料，而不是去獲取、存儲這些原材料。

“第三方”這三個字的定位其實是非常清晰的，所以在過去幾年中，我們有三件事絕對不做：

• 買賣數(shù)據(jù)

• 碰業(yè)務端（借貸）

• 發(fā)數(shù)字貨幣

即使上述事情對我們來說其實游刃有余。

AI 開發(fā)者：你認為當下的中國征信領域面臨著哪些轉變趨勢？

顧凌云：在我看來，中國現(xiàn)在的這幾個趨勢是不會改變的：

第一、獨有數(shù)據(jù)今后只有兩條路，第一條由于灰色且非法，最后一定會被關停；第二條由于允許數(shù)據(jù)曝光在在陽光底下，這也意味著最后一定全部變成市場化、透明化。

第二、從借貸角度來講，所有機構最后一定會變得兩極化，一方是以流量為側重點的借貸機構；另一方則依然以銀行體系內(nèi)自有資金作為優(yōu)勢來取得競爭優(yōu)勢。

第三、獨立第三方技術平臺會變得越來越有優(yōu)勢，各自的定位將變得越來越清晰——做流量的專心做流量、主攻資金成本也會變成一件極其專注的事情。

怎樣才算優(yōu)秀的技術企業(yè)/人才

AI 開發(fā)者：您認為優(yōu)秀的技術公司應該具有哪些特點？

顧凌云：要想判斷是否是真正的技術企業(yè)，只要看這幾個指標，就可以判斷得出來：

• 算法是不是自己原創(chuàng)的？所謂原創(chuàng)，不是說一定要做一個跟教科書上完全不同的算法，而是能不能從底層開源開始，就自己寫代碼，然后可以任意調(diào)整其中的收斂函數(shù)、cost function，以及對于數(shù)據(jù)變量的處理等。

• 公司有沒有足夠比例的科技人員？一家說自己是高科技公司的企業(yè)，結果銷售占了員工總數(shù)的80%，而研發(fā)人員只占10%，研發(fā)經(jīng)費連3%都不到，那就肯定不是一家真正的技術公司。

• 能否在任一技術領域做到“常戰(zhàn)常新”。也就是說在戰(zhàn)斗過程中，保持對于科研第一線的敏銳觸覺。今天別人正在做的事情并不重要，重要的是現(xiàn)在正在被研發(fā)，處于萌芽階段的算法，你能否第一時間快速地了解，并應用到自己的工程當中。

只有滿足這些條件，我才覺得這是一家真正意義上的科技公司。

放眼中國來看，稱得上“科技公司”的企業(yè)其實是不多的。

AI 開發(fā)者：您認為一家技術公司有沒有可能存在技術上的絕對壁壘？

顧凌云：其實上，每隔十年，能有一個算法思路取得突破性進展，就已經(jīng)相當不錯了?；氐秸餍蓬I域，能在保證隱私獲得保護、數(shù)據(jù)使用得當?shù)那疤嵯?，在反欺詐、貸前貸中貸后的客戶沉睡 & 喚醒以及在前端精準營銷等幾個方向上都做好，其實已經(jīng)是一件相當不容易的事情。

很多人會問，既然你是一家科技公司，那有沒有可能做到降維打擊，僅憑一個算法就輕松擊敗其他企業(yè)？這是一件不可能的事情。

我一直強調(diào)，這是一個自由競爭的社會，它的流動性是很明顯的。人員的流動、思想的碰撞、學術交流，最后會慢慢把你科技中的領先部分慢慢給抹平。

AI 開發(fā)者：既然您強調(diào)“常戰(zhàn)常新”，那么在研發(fā)與產(chǎn)業(yè)的結合方面往往會存在一個矛盾點，你們是通過什么樣的一個機制去平衡這件事情的？

顧凌云：我們有一個AI實驗室，主要起到一個承前啟后的作用。我要求里面供職的必須全是博士，而且在選人過程中還有相應標準：

第一、留美畢業(yè)的博士。

第二、我們希望不要博士一畢業(yè)就直接就回到中國來，最好在美國能有一到兩年的工作經(jīng)驗，但也不要時間過長。

第三，最好從美國有過一兩年工作經(jīng)驗后回到中國，還能在其他家公司干過半年到一年時間，再到我們這里來。

這其實是一種理想狀態(tài)，但招到的人基本上都會符合其中的幾點標準。然后我們會要求他們：

第一，需要能夠聽懂大型頂會的內(nèi)容，而且能自己發(fā)文章。

第二，對于每一場頂會中的best paper，我們會有專門的人員去對文章做出復述——我們所謂的復述，是需要對算法進行復現(xiàn)的，來判斷在我們自己的領域中這個算法的效果。

只有把這些全部做完后，我們才會讓工程團隊進駐，進而判斷這些算法可以被運用在在哪些場景里頭。

AI 開發(fā)者：冰鑒科技目前一共有多少技術人員？

顧凌云：我們300人不到，科技人員大概占到240-250人左右的比例。

AI 開發(fā)者：冰鑒科技目前主要缺哪一方面的人才？

顧凌云：我們的數(shù)據(jù)科學家崗位全年都在招人，而且這個位置是不設限的。只要是對我們公司或者所處行業(yè)感興趣的數(shù)據(jù)科學家們，我們都歡迎。尤其是對于算法相對比較了解，或者對于Python、R這些數(shù)據(jù)處理工具使用得比較熟練的。

第二是BusinessAnalyst的人才，主要涉及模型的后續(xù)的分析。比如模型出來以后，他要分析具體怎么去應用。比如我的cut-off放在什么地方？我的季節(jié)性分析應該是怎么樣的？定額定價模型具體應該怎么做等等。這部分崗位對專業(yè)不做限制，我們更看重Brain power，只要你聰明，同時對于新領域能夠保持足夠的觸覺就可以。

第三是純粹的IT，包括對于大數(shù)據(jù)平臺、Java、C、Spark等這些相對來說比較熟悉的人。

這些都是我們正在尋找的人才。

雷鋒網(wǎng) AI 開發(fā)者雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。