2019年中国智能风控行业研究报告.pdf

1 报告编码19RI0647 头豹研究院 | 人工智能系列深度研究 400-072-5588 2019 年 中国智能风控行业研究报告 报告摘要 人工智能团队 智能风控是应用智能化技术加强金融领域风险管控 的重要手段。智能风控在金融领域的应用可保障金 融机构的业务效率和安全性，扩展业务覆盖人群， 完善业务流程，降低风控成本，促进风控管理差异 化和信贷业务人情化。智能风控行业运用互联网、 大数据、 人工智能、 区块链等先进技术手段、 措施和 方法，达到机器和业务流程的智能化转型，突破以 人工方式进行经验控制的传统风控的局限性和空间 性。 在良好的经济、 政策、 技术背景下， 中国智能风 控行业有望持续扩容， 2023 年中国智能风控行业市 场规模预计达到 170.8 亿元。 热点一：智能风控企业较集中的省份消费信贷发展程度 截至 2018 年，北京市拥有包含获批的消费金融公司、银 行、 其他金融机构、 网贷代理平台等消费信贷服务提供商 共计 102 家、广东省 150 家、上海市 90 家，浙江省 67 家。受地域、资源、城市消费信贷发达程度等因素影响， 中国智能风控企业集中在北、 上、 广、 浙四个省市， 截至 2019 年年初，中国智能风控企业共计 600 逾家，分布在 25 个省份， 其中北京 （183 家） 、 广东 （77 家） 、 上海 （131 家） 、 浙江 （59 家） 四省市智能风控企业数量占比约 80%。 17.2 19.0 25.6 30.2 32.8 0 20 40 60 80 100 120 140 160 180 2014 2015 2016 2017 2018 2019预测 2020预测 2021预测 2022预测 2023预测 亿元 中国智能风控行业销售规模，2014-2023年预测 中国智能风控行业销售规模 年复合增长率 2014-2018 17.5% 王则烨 邮箱：csleadleo 分析师 行业走势图 相关热点报告 人工智能系列深度研究 2019 年中国人工智能行业研 究报告 人工智能系列深度研究 2019 年中国智能家居行业研 究报告 人工智能系列深度研究 2020 年中国医疗机器人行业 研究报告 人工智能系列深度研究 2020 年中国工业机器人行业 研究报告 热点二：征信数据趋于整合、共享和开放 热点三：信贷场景的智能风控将逐渐走向全流程监管 在智能风控领域的信贷场景中， 部分消费金融平台过分强 调贷前的风险控制， 忽略贷中及贷后的风险管理。 但风险 存在于信贷流程的各个环节， 信贷流程任意环节的风控缺 失都将提高信贷企业或平台的运营风险。 信贷全流程化监 管将打通信贷业务流程的每一个环节，在贷前、贷中、贷 后的每一个业务环节嵌入智能风控模型进行风险控制与 管理，搭建智能化全流程信贷风控系统。 目前，中国智能风控行业数据及风控模型发展尚处于发 展初期，部分企业数据较孤立，如互联网巨头依托其自 身生态， 积累丰富的消费、 社交、 信贷数据， 但其数据仅 限于内部运营及风险控制。数据作为智能风控行业的竞 争热点，数据孤立或违规共享均不利于智能风控行业的 可持续发展，因此打破数据孤岛，推动数据的合规共享 和开放将成为行业的重要发展趋势。 2 报告编码19RI0647 目录 1 方法论 . 6 1.1 方法论 . 6 1.2 名词解释 . 7 2 中国智能风控行业发展背景 . 8 2.1 中国智能风控行业定义 . 8 2.2 中国智能风控行业应用技术 . 9 3 中国智能风控行业发展现状 . 12 3.1 中国智能风控行业产业链 . 12 3.1.1 中国智能风控行业上游 . 12 3.1.2 中国智能风控行业中游 . 13 3.1.3 中国智能风控行业下游 . 16 3.2 中国智能风控行业市场规模 . 20 3.3 中国智能风控行业企业图景 . 23 3.3.1 中国智能风控行业企业发展状况 . 23 3.3.2 中国智能风控企业分布情况 . 24 3.4 中国智能风控行业商业模式 . 25 3.4.1 产品服务变现 . 25 3.4.2 联合运营 . 25 3 报告编码19RI0647 4 中国智能风控行业相关政策法规 . 27 5 中国智能风控行业发展趋势 . 29 5.1 征信数据趋于整合、共享和开放 . 29 5.2 信贷场景的智能风控将逐渐走向全流程监管 . 30 6 中国智能风控行业竞争格局 . 32 6.1 中国智能风控行业竞争格局概览 . 32 6.2 中国智能风控行业典型企业分析 . 35 6.2.1 浙江同盾科技有限公司 . 35 6.2.2 浙江邦盛科技有限公司 . 38 6.2.3 百融云创科技股份有限公司 . 40 4 报告编码19RI0647 图表目录 图 2-1 中国智能风控行业应用技术 . 9 图 3-1 中国智能风控行业产业链 . 12 图 3-2 智能风控产品供应商代表性企业 . 14 图 3-3 智能风控解决方案服务商代表性企业 . 15 图 3-4 智能风控综合型服务商代表企业 . 16 图 3-5 智能风控覆盖信贷业务全流程 . 16 图 3-6 贷前风控业务环节 . 17 图 3-7 贷中风控业务环节 . 18 图 3-8 智能反欺诈模型 . 18 图 3-9 贷后监控环节 . 19 图 3-10 保险欺诈三大特征 . 20 图 3-11 银行业金融机构用于小微企业贷款情况，2015-2018 年 . 21 图 3-12 不良贷款余额及不良贷款率，2013-2018 年 H1 . 22 图 3-13 中国智能风控行业销售规模，2014-2023 年预测 . 23 图 3-14 智能风控行业新增企业数量 2013-2018 年 H1 . 24 图 3-15 中国智能风控企业分布，截至 2018 年 . 25 图 3-16 中国智能风控行业商业模式 . 26 图 4-1 中国智能风控行业相关政策 . 28 图 5-1 百行征信部分接入企业 . 30 图 5-2 全流程智能风控体系 . 30 图 5-3 同盾科技全流程风控解决方案 . 31 5 报告编码19RI0647 图 6-1 中国智能风控行业竞争主体 . 32 图 6-2 互联网巨头竞争优势 . 33 图 6-3 互联网企业与四大国有银行合作 . 34 图 6-4 同盾科技投融资情况，截至 2019 年 8 月 . 36 图 6-5 同盾科技三大服务体系 . 37 图 6-6 邦盛科技投融资情况，截至 2019 年 8 月 . 39 图 6-7 邦盛科技四大业务体系 . 39 图 6-8 百融云创投融资概况，截至 2019 年 8 月 . 41 图 6-9 百融云创三大业务板块 . 42 6 报告编码19RI0647 1 方法论 1.1 方法论 头豹研究院布局中国市场， 深入研究 10 大行业， 54 个垂直行业的市场变化， 已经积累 了近 50 万行业研究样本，完成近 10,000 多个独立的研究咨询项目。 研究院依托中国活跃的经济环境， 从金融大数据、 交易反欺诈、 信贷管理等领域着 手，研究内容覆盖整个行业的发展周期，伴随着行业中企业的创立，发展，扩张， 到企业走向上市及上市后的成熟期， 研究院的各行业研究员探索和评估行业中多变 的产业模式，企业的商业模式和运营模式，以专业的视野解读行业的沿革。 研究院融合传统与新型的研究方法， 采用自主研发的算法， 结合行业交叉的大数据， 以多元化的调研方法， 挖掘定量数据背后的逻辑， 分析定性内容背后的观点， 客观 和真实地阐述行业的现状， 前瞻性地预测行业未来的发展趋势， 在研究院的每一份 研究报告中，完整地呈现行业的过去，现在和未来。 研究院密切关注行业发展最新动向，报告内容及数据会随着行业发展、技术革新、 竞争格局变化、政策法规颁布、市场调研深入，保持不断更新与优化。 研究院秉承匠心研究， 砥砺前行的宗旨， 从战略的角度分析行业， 从执行的层面阅 读行业，为每一个行业的报告阅读者提供值得品鉴的研究报告。 头豹研究院本次研究于 2019 年 09 月完成。 7 报告编码19RI0647 1.2 名词解释 结构化数据： 结构化数据又称行数据， 是由二维表结构来逻辑表达和实现的数据， 由明 确定义的数据类型组成， 严格地遵循数据格式与长度规范， 主要通过关系型数据库进行 存储和管理。 非结构化数据： 数据结构不规则或不完整， 没有预定义的数据模型， 不方便用数据库二 维逻辑表来表现的数据。包括所有格式的办公文档、文本、图片、XML、 HTML、各 类报表、图像和音频/视频信息等等。 大数据： Big Data， 无法在一定时间范围内用常规软件工具进行捕捉、 管理和处理的数 据集合， 是需要新处理模式才能具有更强的决策力、 洞察发现力和流程优化能力的海量、 高增长率和多样化的信息资产。 互联网金融： 传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、 支付、投资和信息中介服务的新型金融业务模式。 互联网金融风险信息共享系统：724 小时连续运营的业务系统，该系统采用星型网络 结构与接入机构相连。 机器学习：Machine Learning，专门研究计算机怎样模拟或实现人类的学习行为以获 取新的知识或技能的学科， 使计算机重新组织已有的知识结构使之不断改善自身的性能。 区块链：分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用 模式。 云计算：Cloud Computing，基于互联网的相关服务的增加、使用和交付模式，通常 涉及通过互联网来提供动态易扩展虚拟化的资源。 人工智能： Artificial Intelligence， 研究、 开发用于模拟、 延伸和扩展人的智能的理论、 方法、技术及应用系统的一门新的技术科学。 8 报告编码19RI0647 同盾科技：中国第三方智能风险管理服务提供商。 邦盛科技：中国金融领域实时反欺诈与授信的国家高新技术企业。 百融云创：中国金融领域智能风控服务提供商。 2 中国智能风控行业发展背景 2.1 中国智能风控行业定义 智能风控是应用智能化技术加强金融领域风险管控的重要手段。 智能风控在金融领域的 应用可保障金融机构的业务效率和安全性，在有效降低风险事件发生概率和损失的前提下， 扩展业务覆盖人群，完善业务流程，降低风控成本，实现贷前、贷中、贷后全链条自动化的 同时，促进风控管理差异化和信贷业务人情化。 智能风控行业运用互联网、大数据、人工智能、区块链等先进技术手段、措施和方法， 达到机器和业务流程的智能化转型， 突破以人工方式进行经验控制的传统风控的局限性和空 间性。 9 报告编码19RI0647 2.2 中国智能风控行业应用技术 大数据、 人工智能、 云计算、 区块链等金融科技代表技术为智能风控的应用落地提供技 术支持。 图 2-1 中国智能风控行业应用技术 来源：头豹研究院编辑整理 （1） 大数据在智能风控行业的应用 大数据技术在智能风控领域的应用主要体现在信用风险管理方面， 智能风控服务商通过 建立大数据风险控制模型、 分析智能风控需求主体所需承担的信用风险， 实时计算统计结果， 解决信息不对称问题， 为智能风控需求主体提供精准的信用评分和征信结果。 例如邦盛科技 利用大数据实时处理技术， 解决数据高并发与低延时的处理难题， 企业自主研发的 “流立方” 流式大数据实时处理技术可实现复杂数据的毫秒级运算，提升智能风控系统的数据处理性 能。 （2） 人工智能在智能风控行业的应用 人工智能技术在智能风控领域的应用体现在信贷风险控制方面， 结合结构化和非结构化 数据，覆盖各类型智能风控需求主体，实现风控业务流程的精准识别、控制和监测。在智能 10 报告编码19RI0647 风控领域，人工智能应用核心的五大技术包括生物特征识别、机器学习、自然语言处理、计 算机视觉、知识图谱。各核心技术的应用可完善优化风控模型，提升模型算力，深入刻画用 户画像、 洞察用户需求、 识别用户风险。 例如邦盛科技运用机器学习技术对目标客户进行智 能化风险侦测和识别， 精确量化目标用户潜在可能性， 实现对海量数据的高效处理， 解决智 能风控场景业务经验缺失的问题。 （3） 区块链在智能风控行业的应用 在智能风控领域， 区块链在智能风控系统中的应用主要体现在三个层面： 数据流转层 面， 区块链可提供金融数据追溯路径， 有效破解数据确权难题， 数据在不同实体间流转的时 候，整个过程是完全共享的，保证金融数据流通的合规；数据质量层面，区块链制定了数 据标准， 并通过共识验证改善数据质量， 提高数据的可信度。 区块链数据不可篡改的特性可 提高数据质量； 数据安全性层面， 数据的加密技术在区块链上的应用可保障数据信息及整 个系统的安全性。 11 报告编码19RI0647 12 报告编码19RI0647 3 中国智能风控行业发展现状 3.1 中国智能风控行业产业链 中国智能风控行业上游市场参与主体为资源供应商，为中游智能风控服务商提供数据、 技术及配套资源。 中国智能风控行业中游参与主体包括智能风控产品供应商、 智能风控服务 提供商， 为下游各应用场景提供智能风控产品及解决方案。 伴随金融风控技术日益成熟， 以 及消费金融机构对于低风险运营的需求， 智能风控逐渐向各应用场景渗透， 其中较典型的应 用场景包括信贷领域、保险领域。 图 3-1 中国智能风控行业产业链 来源：头豹研究院编辑整理 3.1.1 中国智能风控行业上游 中国智能风控行业上游参与主体包括数据资源供应商、 配套资源供应商。 有多年智能风 控行业市场运营经验的专家表示，数据是智能风控行业的核心竞争资源，行业利润率高达 70%80%， 但智能风控行业尚未建立数据资源共享机制， 智能风控大数据资源分散， 数据 集中度较低，中游智能风控服务商的数据采购成本以每年 50%的速度增长。配套资源供应 13 报告编码19RI0647 商为智能风控行业中游提供智能风控系统及技术资源， 其采购成本占据上游整体采购成本的 10%-20%。 中国智能风控行业上游参与主体包括三类， 第一类参与主体是为产业类企业 （传统征信 公司，如前海征信、鹏元征信）提供数据的国家机关、行业协会，例如公安部、工商局、航 空公司、社保局及学信网等。国家机关可为产业类企业提供居民身份证信息、银行卡信息、 航空出行信息、企业工商信息、学历信息等。 第二类参与主体是为创新型企业（同盾科技、百融金服等企业）提供数据的金融机构、 银行，创新型企业通过采集、整合各类基础数据为银行、互联网金融机构提供模型和数据， 同时积累网贷数据。 第三类参与主体为互联网巨头，其自身生态链积累较多电商、社交、搜索数据，具备向 智能风控业务端输出风控产品和数据的能力， 通常互联网巨头所产生的数据不对外开放， 主 要应用于企业内部的风控数据积累。 3.1.2 中国智能风控行业中游 中国智能风控行业中游参与主体包括智能风控产品供应商、 智能风控解决方案提供商及 智能风控综合型服务商，其中智能风控产品供应商占比约 30%，智能风控解决方案提供商 占比近 20%，智能风控综合型服务商占据中游整体参与主体的 50%。 （1） 智能风控产品供应商 智能风控产品供应商为下游应用场景提供智能风控产品， 代表性企业包括上海冰鉴科技、 上海数尊信息科技等企业。 部分智能风控产品供应商凭借其自身优势布局智能风控各应用场 景，如信贷场景、保险场景等，其中信贷业务场景占比高达 80%。智能风控产品供应商数 据资源及技术实力强劲，但服务领域及对应产品较单一，如上海数尊宝科技，企业发布“实 时个人风控信息查询产品” 整合众多权威机构数据源， 覆盖个人用户逾 8 亿， 助力金融机构 14 报告编码19RI0647 提升个人信贷决策效率。 智能风控产品提供商可基于其数据优势， 扩展其服务领域的多场景 业务需求。 伴随智能风控行业的规范发展， 单一孤立的风控产品难以适应行业发展现状， 产 品结合解决方案的综合型运营方式将成为未来风控的发展方向， 部分智能风控产品供应商通 过拓展业务范围向智能风控综合型服务商转型。 图 3-2 智能风控产品供应商代表性企业 来源：头豹研究院编辑整理 （2） 智能风控解决方案提供商 智能风控解决方案提供商为下游各应用场景提供智能风控解决方案， 代表企业包括钛镕 科技等企业。 智能风控解决方案提供商通过覆盖下游应用场景智能风控各环节， 满足各场景 应用需求，例如数据管理、模型建立、决策引擎、数据分析等。智能风控解决方案提供商所 提供的解决方案相对独立， 可适应下游多场景覆盖。 例如钛镕科技的智能风险管理解决方案， 该解决方案提供欺诈监测、信用评分、身份认证、授信额度、资产定价等问题的模型构建， 适用于金融、保险、税务、社保以及精准营销等众多应用场景。智能风控解决方案服务商为 扩大业务辐射范围有望增加业务类型， 部分智能风控解决方案提供商通过拓展业务范围向智 能风控综合型服务商转型。 15 报告编码19RI0647 图 3-3 智能风控解决方案服务商代表性企业 来源：头豹研究院编辑整理 （3） 智能风控综合型服务商 智能风控综合型服务商为下游各应用场景提供智能风控产品和服务， 代表企业包括同盾 科技、邦盛科技、百融金服等企业。智能风控综合型服务商自主研发能力较强，技术实力强 劲， 部分企业通过研发差异化产品或核心技术构建技术壁垒， 保持较强的竞争优势。 例如邦 盛科技，企业自主研发国际领先的“流立方”大数据实时分析处理平台，流式大数据实时处 理技术，用于解决数据高并发与低延时的处理难题，可在毫秒间做出复杂计算、并行计算、 关联分析等， 打破实时风控面临的大数据处理瓶颈。 目前， 智能风控综合型服务商通过加深 产品和服务在各场景应用，包括银行、第三方支付、证券、保险、互联网金融等应用场景延 伸。 伴随智能风控综合型服务商技术及品牌实力的增强， 其应用场景有望得以持续拓宽， 产 品及服务的渗透有望持续加深。 16 报告编码19RI0647 图 3-4 智能风控综合型服务商代表企业 来源：头豹研究院编辑整理 3.1.3 中国智能风控行业下游 智能风控是智能化技术手段在金融领域的重要应用， 行业中游智能风控服务商为下游各 应用场景搭建智能风险管理体系， 研发智能风险产品， 以提高下游应用场景的业务效率和安 全性。 智能风控产品及服务的应用， 为下游各应用场景降低风险事件的发生概率， 扩展各场 景业务覆盖人群、完善业务流程、降低风控成本。 （1） 信贷领域 在信贷领域， 智能风控的应用可覆盖包括贷前、 贷中和贷后三个阶段的信贷业务全流程。 图 3-5 智能风控覆盖信贷业务全流程 17 报告编码19RI0647 来源：头豹研究院编辑整理 贷前风控 在贷前风控业务环节，可分为获客、身份验证、授信管理等环节，帮助下游信贷场景对 其客户进行申请人风险评分和预测。 图 3-6 贷前风控业务环节 来源：头豹研究院编辑整理 在获客环节， 智能风控体系可基于大数据建立用户画像， 基于人工智能技术对用户进行 产品生命周期管理。在身份验证环节， 通过生物特征识别等技术核验申请人身份， 以及图关 联技术对申请人进行关联分析， 构建智能反欺诈模型， 避免及排除团伙诈欺的可能性。在授 信管理环节， 智能风控服务商可基于数据源， 通过建模进行风险定价， 针对有优质信贷资格 的客户可降低贷款费率，对于信贷资信差的客户，可提高费率，实现资金有效分配，保证资 源优化配置。 贷中风控 在贷中风控环节， 智能风控服务商将助力下游信贷场景实现交易欺诈识别， 通过接入大 数据协助贷方实现借款方的动态监控、 异常行为预警等风控管理流程， 有效防范与控制欺诈 交易等贷中风险。贷中风险控制主要包括信用评分、风险定价、审批、交易监控和交易反欺 诈五大环节，智能风控服务商将利用智能化手段为下游信贷场景的信贷交易进行风险判定。 18 报告编码19RI0647 图 3-7 贷中风控业务环节 来源：头豹研究院编辑整理 伴随互联网信贷的发展， 线上信贷业务逐渐增多， 为避免信贷欺诈的发生， 部分金融机 构选择与上游供应商或第三方智能反欺诈机构进行合作， 通过金融机构内部数据和第三方数 据融合，基于高维度变量和丰富应用场景，构建反欺诈模型。同时，智能风控服务商利用大 数据、 机器学习等技术优化反欺诈规则， 提高欺诈案件识别率， 为下游信贷场景降低欺诈风 险。 图 3-8 智能反欺诈模型 来源：头豹研究院编辑整理 贷后风控 贷后风控是信贷管理的最终环节， 贷后风控可针对有逾期征兆或行为的信贷用户进行管 理、 识别和催收， 贷后风控的精细化程度将影响下游信贷场景的业务管理质量。 中游智能风 19 报告编码19RI0647 控服务商可利用机器学习等技术精准估计违约风险， 制定风险管理策略， 并通过自动监控策 略执行情况及时优化调整方案， 提升业务端风险管理体系的有效性， 打造信贷风控闭环。 贷 后风险控制主要包括贷后监控、存量客户管理、催收三大环节。 图 3-9 贷后监控环节 来源：头豹研究院编辑整理 （2） 保险领域 保险企业面临的风险覆盖业务风险、 财务风险、 资金运用风险等诸多方面， 而业务风险 中的承保和理赔风险较突出。 承保风险的产生源于保险企业对经济环境、 市场环境、 投保人 信用等风险的把控不足， 理赔风险的产生主要来自承包人、 从业人员和第三方服务商的欺诈 与渗漏。据国际保险监管者协会测算，全球每年约有 20%30%的保险赔款涉嫌欺诈，损 失金额高达 800 亿美元。中国车险欺诈是保险欺诈的重灾区，车险欺诈在保险欺诈中占比 高达 80%，每年涉案金额高达 200 亿元。因此，通过应用智能风控产品和服务，精准识别 潜在风险， 并对其进行制度化管控， 降低保险企业整体赔付水平， 提升保险企业运营效率是 智能风控在保险领域的应用重点。 20 报告编码19RI0647 图 3-10 保险欺诈三大特征 来源：头豹研究院编辑整理 在保险领域， 智能风控的应用主要体现在定价承包、核保核赔环节， 中国智能风控服务 商可借助内外部数据在财产险的查勘、 定损、 核算等环节识别风险特征， 降低保险企业所承 担的风险。在核保环节， 中游智能风控服务商利用人工智能、 大数据等技术实现对投保材料 的自动识别与结构化， 提升信息采集效率，通过 AI+大数据建模，自动识别高风险客户与异 常指标，为核保与定价提供辅助。在理赔环节，中游智能风控服务商应用深度学习算法、大 数据挖掘等技术， 为保险客户提供智能理赔服务体验。 智能理赔服务覆盖从报案调度、 查勘 定损、核损核价、理算核赔到结案支付的理赔全流程。 例如，平安集团旗下的金融壹账通推出的“智能保险云”是以智能认证、智能闪赔、智 能公估为核心的保险金融科技产品体系， 在 “智能闪赔” 环节， 智能保险云可利用图片定损、 自动定价、 智能风控技术高效准确完成对车辆的查勘定损。 该技术可使车险理赔时效由行业 平均的两三天缩短至两个小时， 减少由人工操作带来的管理风险， 改善理赔服务 “时效慢纠 纷多”和“渗漏风险高”等情况。 3.2 中国智能风控行业市场规模 2014 年中国智能风控行业销售规模为 17.2 亿元，得益于经济、政治、技术环境的支 21 报告编码19RI0647 持，中国智能风控行业得以稳定发展。在经济层面，伴随金融机构消费贷款、互联网消费金 融放贷规模快速增长， “十三五”期间中国的消费信贷规模达 10 万亿，年度增长率在 20 以上。2015 年至 2018 年银行金融机构用于小微企业的贷款从 234,598 亿元增长至 307,437 亿元，增长率保持 10%以上，其中商业银行占据主导地位，占比 75%以上。消费 信贷的类型覆盖住