淺談:平安科技:以大數據技術助力風控體系
事實上, 征信一度被視為金融及相關行業展業的基石,沒有完善的征信體系,審核和風控的成本必然會增加,信息搜集的維度也會受到很大限制。平安科技作為平安集團的科技智庫,一直以來除了向集團公司和所有下屬子公司提供IT規劃、開發和運營服務之外,還依托集團在金融領域場景化服務方面的資源優勢,不斷推進大數據、云計算等技術成果的應用和轉化,充分挖掘大量數據碎片中的關聯性,推動數據統計模型不斷完善,更加科學的反映用戶的信用狀況。
據悉,平安科技早在4年前就開始著手數據集中,通過清洗、整合等,對底層數據進行深度地綜合應用。目前已經完成了對所有子公司和相關合作伙伴的數據收集,并通過內部和外部的數據整合佳都科技最新消息,形成了一個非常清晰明確的體系和不同的模型。平安科技大數據首席總監肖京博士表示,之所以這樣做,是因為此前數據存儲在各個不同孤島上,很分散,缺乏強關聯的線索,導致數據缺乏利用的價值,比如需要更精準地識別欺詐時,不能關聯起來的數據救無法發揮邏輯分析的作用。
同時,作為平安集團向IT專業化領域邁進,向科技金融進行實踐探索的重要載體,平安科技還通過大數據分析和挖掘,在向客戶提供金融服務時做好風險控制,比如在信貸業務的風險控制方面,依托后臺大數據的分析,在審核貸款時能夠清晰地通過貸款人過往的數據行為判斷其信用情況、還款能力等,而這些同樣也是開展征信業務的信息基礎。
肖京認為,把大數據用于信用風險評估一般需要滿足三個條件:一是明確評分建模的方法論、過程和數據;二是準確建立模型,對不同風險狀況的人群有區分能力和排序能力;三是數據、方法和模型在不同人群和時間跨度上是穩定的。目前,就平安科技而言已經進入到人工智能的深度學習階段,完全能夠熟練運用數據挖掘、機器學習、深度學習等前沿技術,對各種結構化、非結構化的數據進行精細化分類管理,深度挖掘數據價值并進行直觀的可視化呈現,繪制出全方位、多維度的用戶畫像和產品畫像,從而更好地進行風險把控。
可見,對于金融機構而言,大數據的價值主要體現在對各項風險的預警能力上,其豐富了信用風險評估的數據維度,擴展了征信數據規模和數據維度。平安科技的做法正是通過人工智能技術對大數據進行深度挖掘,并將之運用在諸如風險控制、保險定價、欺詐識別、貸款風控、精準營銷等很多金融服務場景中。
目前,平安科技大數據項目已經建立起覆蓋全國34個省份、囊括19個國標一級分類行業的行業風險模型,生成風險指數、景氣指數、行業關鍵指標指數等幾十種指數產品,提高系統性風險的量化衡量精度30%以上。肖京表示,基于多年大數據的積累與整合,平安科技目前仍在不斷完善自身場景化服務的生態體系,未來會繼續為推動金融、健康等眾多傳統行業在互聯網+和DT時代的發展貢獻自己的智慧與力量。