2018-2019中国智能风控研究报告.pptx

2018-2019中国智能风控研究报告,目录C O N T E N T S,Part1.智能风控发展现状及背景风控发展历程及现状智能风控定义解读及发展背景Part2.智能风控企业现状调查研究智能风控产业生态分布智能风控企业图景智能风控企业调查解读Part3.智能风控产品及服务应用个人篇贷前：数据整合快速规避风险贷中：精细化管理有效拦截风险贷后：智能优化贷前、贷中策略需求端应用：数据和技术互补推动需求端智能化布局Part4.智能风控产品及服务应用企业篇Part5.智能风控发展挑战与趋势智能风控发展挑战智能风控发展趋势,智能风控发展现状及背景,4,1.1 风控发展历程及现状,Part 1 智能风控发展现状及背景,5,Part 1 智能风控发展现状及背景风控发展历程及现状,金融科技进入智能阶段，智能风控是未来三年金融科技公司集中发力的市场,回顾金融科技产业经历了电子化、信息化、网络化、移动化时代，随着机器学习、自然语言处理、知识图谱等技术的发展，算法、 数据、硬件处理能力不断提升，各类智能金融应用出现，金融科技已逐步进入智能阶段。认为电子化和信息化只是作为一种工具，为金融产业的基础设施升级提供了条件，而网络化、移动化为金融业务的渠道和实现方式带来了革新。央行2011年颁发第三方支付牌照是金融网络化的标志性事件，这一年成为金融与科技深度融合的开始。发布的金融科技公司服务银行业研究报告中，已经对金融科技公司服务银行的八大场景（金融云、智能营销、智能风 控、智能审计、智能投顾、智能投研、智能客服、生物认证）进行分析，认为智能风控是未来三年金融科技公司集中发力的市场。,6,现金贷平台 开始大规模 转型金融科 技公司，严 监管持续,2011,2012,2013,2014,2015,2016,2017,2018,央行联合十部委正式发布 了关于促进互联网金融 健康发展的指导意见， 网贷监管开始落地,小微金服（现蚂 蚁金服）推出余 额宝，成为普惠 金融最典型代表,网络借贷平台快 速发展，平安陆 金所推出网贷业 务，传统银行开 始搭建一站式金 融服务平台,中国人民银行成立金融 科技委员会，现金贷迎 来正式监管文件，五大 行开始陆续和BATJ合作,第三方支付牌照正式发布，央行首批27家支付企业支付 业务许可证,金融科技元年，Fintech首次被列入十三五规划， 中国互联网金融 协会成立,2011-2018金融科技大事件及百度搜索指数国内首家民营银 行微众银行 成立，各大银行 开始成立互联网 金融部门,Part 1 智能风控发展现状及背景风控发展历程及现状,贷前审核、贷中监控和贷后管理等环节都存在不同程度的痛点，需要金融科技尽快落实在风控环节中以实现智能化,7,从人工审核和专家经验到机器 自动化审核的转变,授信依据从央行征信等结构化数 据扩展为维度丰富、多样化的非 结构化数据，流程实现自动化、 便捷化和差异化,智能审批可以综合前面流程中多 维数据、差异化定价模型实现自 动化审批，节省时间，解放人力,身份验证,授信,审批,从因技术限制只能实现事后风险 识别和管控，时效性差，到利用 机器学习等技术构建多样反欺诈 模型，可以识别可疑交易、降低 欺诈损失，满足互联网金融的发 展需求,反欺诈,存量客 户管理,催收,智能技术有望赋能催收产业实 现智能化、科技化、合规化， 比如风险程度预测，定制催收 策略等,传统金融机构和互联网消费金融公司的风控环节中，普遍存在信息不对称、成本高、时效性差、效率低等问题，传统的风控手段已 经难以满足个人消费旺盛引发的信贷增长，和长久以来被传统金融机构忽视的长尾用户的贷款需求。金融科技极大促进了信贷智能 风控的发展，目前贷前审核、贷中监控和贷后管理等环节都存在不同程度的痛点，需要金融科技落地风控环节中以实现智能化，进 而更好的优化资源配置。通过智能化管理措施，主动对存 量客户进行存管，增强客户价值， 增大覆盖面，提升运营效率,风险控制流程,1.2 智能风控定义解读及发展背景,Part 1 智能风控发展现状及背景,8,Part 1 智能风控发展现状及背景 智能风控定义解读及发展背景,业内企业对智能风控的不同观点,市场上对于智能风控的定义还受限于大数据风控，定义片面甚至混乱。随着人工智能发展进入落地阶段，对于“智能”的定义已不局 限于大数据或者人工智能等技术的应用。拜访了大量智能风控产业企业高管，以下是他们对智能风控的观点。,9,05真融宝“智”体现在大数据为基础的机器学 习和个性化风险定价，可以覆盖长尾 人群，同时降低人工成本，从粗放式 到精细化风控的转变；“能”体现在 把“智”的能力用科技方式去应用， 提升运营效率，实现商业化应用,ZRobot01在数字金融时代，智能风控是以数据 为桥梁，智能手段为连接器，达到节 省成本、提高运营效率和精准度的效 果；同时通过数据将场景端与资金端 串联，将数据产生方和技术连接，提 升智能化程度,06量化派首先是机器智能化，体现在机器可以 做到更接近人的判断，例如身份核实、 交叉验证；另一方面是智能化可以做 到人工以前做不到的事情，在机器规则和精细化算法下，达到降本增效,第四范式02智能的定义除了让机器代替人，实现 效率的提高，还需要实现自动化判断 风险趋势，其预测的意义远大于识别。 智能风控相对于传统风控来说，除了 互补外，应用更体现在高效的精准、海量的个性化和快速的识别,07同盾科技一方面是技术手段，通过大数据实现 智能化风控，第二是云计算、人工智 能手段构造的整体智能风控体系。和 过去对比，智能化手段可以起到辅助 的作用，到应用层面，真正的智能风 控是无感风控，简化金融流程，提升 用户体验，实现交互人情化,集奥聚合03从狭义的角度定义信贷风控的两个方 面：其一是增能提效，更多的表现在 机器替换人工，或机器承担更大比例 的工作；其二是提高精准度，有效降 低逾期率的同时，优化信审流程，提 升用户体验,08智融集团区别于传统风控，差异体现在处理数 据的方式：以前是结构化数据的处理， 现在通过接入大数据包含的非结构化 数据，利用智能工具进行处理，替代人的学习，从而得到收益的提升,百融金服04智能风控分为两个阶段：目前是在向 自动化发展，在信贷流程审批中，用 大数据、人工智能算法替代人工审核， 实现系统化和自动化；在未来为了提 升客户体验和业务效率，会向人性化、智能化和定制化的方向发展,Part 1 智能风控发展现状及背景 智能风控定义解读及发展背景,智能风控与传统风控的互补和革新主要体现在两个方面技术和应用,智能风控是智能化技术手段在金融领域的重要应用，通过构建智能风险管理体系，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，因此认为智能风控与传统风控的互补和革新主要体现在两个方面技术和应用；技术：智能化技术综合运用互联网、大数据、人工智能、云计算、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，实现数据驱动；应用：通过构建智能风控体系, 提高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，还可以促进风控管理差异化和信贷业务人情化。,10,达到机器和业务流程的智能化转变，实现数 据驱动,技术综合运用互联网、大数据、人工智能、云计 算、区块链等先进技术手段、措施和方法,提高业务效率和安全性，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,应用实现贷前、 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,Part 1 智能风控发展现状及背景 智能风控定义解读及发展背景,政策、经济、社会、技术多项利好因素推动智能风控产业发展,11,智能风控发展背景,完善科技与金融结合机 制，加强金融机构内控， 提高信贷支持创新的灵活性和便利性,政策,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,技术,我国人均可支配收入快 速增长，消费结构从生 存型向发展型升级转变， 形成对消费金融的强需求,社会,金融机构住户消费贷款 和互联网消费金融放贷 规模快速增长，个人消 费贷款额持续高速上涨； 银行业金融机构用于小 微企业贷款增长率保持 10以上%，商业银行不 良贷款率上涨，急需智能化风控落地,经济,Part 1 智能风控发展现状及背景 智能风控定义解读及发展背景,政策：完善科技与金融结合机制，加强金融机构内控，提高信贷支持创新的灵活性和便利性,12,智能风控领域主要政策文件及官方报告,Part 1 智能风控发展现状及背景 智能风控定义解读及发展背景,经济：金融机构住户消费贷款和互联网消费金融放贷规模快速增长，个人消费贷款额持续高速上涨,13,60,183,1,184,4,367,43,847,97,737,205.3%,546.0%,269.0%,904.0%,0,20,000,40,000,60,000,80,000,100,000,120,000,2013,2017,2018E,201420152016互联网消费金融放贷规模（亿元）,放贷规模增速,26,558,32,491,41,008,49,313,68,041,77,882,103,16,3,121,16,9,148,512,201,159,247,154,272,522122.9%,0,50,000,100,000,150,000,200,000,250,000,300,000,350,000,2013,2018Q2,金融机构住户消费贷款和互联网消费金融放贷规模快速增长，个人消费贷款额持续高速上涨。据中国人民银行统计，金融机构住户消费贷款增长强劲，消费贷款总额2013年至2017年四年间复合增长率高达24.9%，其中中长期 消费贷款额占近八成。随着互联网金融发展进入第三阶段实质性金融业务发展阶段，更多的金融行为将通过网络完成。据艾瑞 咨询估算，2018年中国互联网消费金融放贷将达到近10万亿元规模。2013-2018H1金融机构住户消费贷款情况2013-2018E互联网消费金融放贷规模及增速,20142015中长期消费贷款（亿元）,20162017短期消费贷款（亿元）,2018H1,Part 1 智能风控发展现状及背景 智能风控定义解读及发展背景,经济：银行业金融机构用于小微企业贷款增长率保持10%以上，商业银行不良贷款率上涨，急需智能化风控落地,14,*小微企业贷款=小微企业贷款余额+个体工商户贷款余额+小微企业主贷款余额,176,720,202,766,233,427,242,873,57,878,64,243,74,010,80,649,0,50,000,100,000,150,000,200,000,250,000,300,000,2015,2016,2017,2018Q2,小微企业信贷需求持续增长，急需规模化的风控手段落实。2015年至2017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。2015-2018H1银行业金融机构用于小微企业贷款情况,非商业银行（亿元）,商业银行（亿元）,2018H1,5,921,8,426,19,57117,05715,12212,744,1.00%,1.25%,1.67%,1.74%,1.74%,1.86%,0,5,000,10,000,15,000,20,000,25,000,2013,2016,2017,2018Q2,2013年至2018年H1，近五年间商业银行不良贷款余额涨幅超200%，不良贷款率从1%上涨到1.86%。银保监会2018年3月发布的关于调整商业银行贷款损失准备，强调了对银行贷款风险分类等方面的考核，急需智能化风控措施落地。2013-2018H1不良贷款余额及不良贷款率,20142015不良贷款余额（亿元）,不良贷款率,2018H1,Part 1 智能风控发展现状及背景 智能风控定义解读及发展背景,社会：我国人均可支配收入快速增长，从生存资料消费为主向发展资料消费为主升级转变，形成对消费金融的强需求,15,2017年全国城镇居民人均可支配收入36,396元，同比增长8.3%，扣除价格因素实际增长6.5%，为消费升级奠定基础。对比20082017十年间城镇居民人均消费支出结构，发现恩格尔系数（食品支出总额占个人消费支出总额的比重）下降，从生存资料消费为主向发展资料消费为主升级转变，形成对消费金融的强需求。,食品37.9%,衣着10.4%,居住10.2%,生活用品及服务,6.2%,交通通信12.6%,医疗保健7.0%教育文化娱乐12.1%,其他用品及服 务3.7%,食品28.6%,衣着7.2%,居住22.8%,生活用品及服务6.2%,交通通信13.6%,医疗保健7.3%教育文化娱乐11.6%,其他用品及服 务2.7%,2008年和2017年城镇居民人均消费支出对比,2008年城镇居民人均消费支出构成,2017年城镇居民人均消费支出构成,15,781,17,175,19,109,21,810,24,565,26,955,28,844,31,195,33,616,36,396,8.8%,7.0%,8.2%,7.8%,8.3%,12,000,17,000,22,000,27,000,32,000,37,000,42,000,47,000,2008-2017中国城镇居民可支配收入及增长率14.1%12.6%11.3%9.7%,2008200920102011201220132014201520162017城镇居民人均可支配收入（元）城镇居民人均可支配收入增长率（名义增长）,Part 1 智能风控发展现状及背景 智能风控定义解读及发展背景,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,大数据、人工智能、云计算、区块链等金融科技代表技术，在风控场景下的应用也各有不同和侧重。通过技术优化甚至颠覆传统风 控的技术基础和信贷流程，为智能风控的应用落地提供技术支持。,16,02,04,01,03,云计算为海量数据的运算能力和速度提升 带来突破，并实现了应用场景的快 速可复制化和服务门槛的降低，支 持风险管理措施迭代升级,人工智能在大数据技术的基础上，完善风控 模型优化的问题，算力提升和算法 突破解决了部分人力不能解决的问 题，可以深入刻画用户画像、洞察 用户需求和识别用户风险,大数据主要用于互联网金融的信用风险管 理，通过模型自动分析、实时计算 结果，解决信息不对称问题，提供 更精准的信用评分和征信结果等,区块链主要应用于清算、征信等风控中技 术安全领域，去中心化特征可以降 低成本和风险，提高数据存储安全 性，实时、多点共享信息追溯,人工智能的发展离不开技术的不断创新，在众多技术中，认为：生物特征识别、机器学习、自然语言处理、计算机视觉和 知识图谱是现阶段人工智能五大核心技术。将人工智能技术应用于信贷风险控制，结合结构化和非结构化数据，可以覆盖过去金融业务忽视的长尾人群，精准的完成业务流程 中风险的识别、控制和监测。同时，人工智能的模型迭代相对传统风控模型表现出高度自动化的特征。,技术：生物特征识别、机器学习、自然语言处理、计算机 视觉、知识图谱等AI核心技术助力风控自动化,17,知识图谱 信息抽取 知识表示知识融合 知识推理,Part 1 智能风控发展现状及背景 智能风控定义解读及发展背景,智能风控企业现状调查研究,18,2.1 智能风控产业生态分布,Part 2 智能风控企业现状调查研究,19,Part 2 智能风控企业现状调查研究智能风控产业生态分布,智能风控生态参与者包括数据端、技术端和需求端,20,需求端,技术端,城市商业银行（城市信用社）民营银行外资银行,股份制商业银行农村商业银行邮政储蓄银行中国农业发展银行,商业银行大型商业银行,银行 业金 融机 构,消费 金融 机构,互联 网金 融公 司,互联网借贷公司,金融门户,持牌消费金融公司（24家）互联网消费金融公司,数据端,司法部门税务部门 工商部门 征信机构 社交平台 电商平台 电信运营商,互联网公司,银行金融科技子公司,金融科技公司,农村金融机构农村合作银行农村信用社,国家进出口银行,Part 2 智能风控企业现状调查研究智能风控产业生态分布,智能风控作为信贷业务核心环节，涉及企业可以分为自用型金融机构和输出型技术公司，征信机构也在积极推进智能化转型,从银行业金融机构、消费金融机构和互联网金融公司对于智能风控的需求来看，各类信贷业务主体对于智能风控的要求不同。银行 已经拥有非常成熟的信贷风控机制，但是应用相对局限于线下；互联网借贷公司业务具有一定创新型，但是风险控制体系并不完善。 各类信贷主体需要通过自建风控系统或对外合作建立风控系统以完备自身风控能力。由上一页可知，金融机构智能风控的技术服务，可以将其分为三类：互联网公司、银行金融科技子公司和金融科技公司。其中互联 网公司是从数据端切入信贷风控业务，而创新型公司大多从技术端切入。其中征信企业作为中小微企业信贷授信过程中的衍生机构， 随着大数据采集技术的成熟和数据量的积累，也在积极利用大数据、人工智能等技术推进智能化征信体系建设。智能风控技术产品服务用途又可以分为三部分：自用、技术输出和自用+输出。,21,银行,互联网借贷,具有非常成熟的信贷风险控制机 制，但由于银行业务线庞大，因 此创新和接受金融科技进度缓慢,拥有新兴信贷模型，产品丰富， 复杂程度也较高，具有一定创新 性，风险控制并不完善，急需平 衡风险和创新之间的关系,Part 2 智能风控企业现状调查研究智能风控产业生态分布,智能风控企业图谱,22,*企业排名不分前后，按照企业名称首字母排序,企业征信（持牌企业122家）,金融科技公司,输出型,银行金融科技子公司（6家）,互联网公司,个人征信（持牌机构1家）,自用型,2.2 智能风控企业图景,Part 2 智能风控企业现状调查研究,23,Part 2 智能风控企业现状调查研究智能风控企业图景,金融智能风控企业分布25个省份，其中北京、上海和广东三个省份相加占比高达70.3%,通过IT桔子、登记持牌机构、公开数据和亿 欧自身企业库筛选，共573家金融风控企业 被纳入此次研究范围，其中登记持牌机构包 括持牌消费金融公司、百行征信和拥有企业 征信牌照机的公司；通过一级标签分类，发现在IT桔子的企业列 表中，金融智能风控企业的标签多为金融和 企业服务；据统计，金融智能风控企业分布在25个省份，其中北京、上海和广东三个省 份占比高达70.3%，企业数排名前五的城市有：北京（185）、上海（128）、深圳（62）、杭州（49）和广州（15）。,24,海南2,黑龙江3吉林1,辽宁9,内蒙古5,北京185天津,河北4,山西2,4山东12,2,江苏,安徽 19,59,广东,江西,2福建5,湖南3,河南5湖北4,重庆6贵州2广西2,四川12,陕西7,甘肃,青海,新疆,西藏,90澳门,香港,台湾,南海诸岛,云南,上海,浙江 128,宁夏,Part 2 智能风控企业现状调查研究智能风控企业图景,2012年智能风控企业剧增，增长率达到80%，2015年新增企业数目达到峰值,573家企业中，69.8%的企业成立于2013-2017年，大众熟知的大部分企业,基本成立于这段时间，例如：第四范式、 量化派、百融金服等。其中2014年增长 率达到156%。2015年，新增企业数目达到峰值148家，随着2016年开始逐步落实的严格监管政策，智能风控甚至金融科技的 新增企业数量开始回落。截止到2018年上半年，仅有5家智能风 控新增企业。,25,1111,55,3,5,7,6,7,66,10,19,15,27,45,115,148,92,41,5,0,20,40,60,80,100,120,140,160,中国历年金融智能风控新增企业数量,Part 2 智能风控企业现状调查研究智能风控企业图景,2005-2018H1中国金融智能风控私募股权投资市场整体情况,右图呈现了中国金融智能风控企业私募股权投资 市场情况。其中，A轮阶段的获投企业2012年占,比为85.7%，随着新增企业不断入局2017年这一 比例仍然保持在50%；由于金融科技发展时间较 短，实际落地时间不长，因此可以看到进入到中 后期阶段（B轮及以后）的企业数量及占比均不 在高位。在2018年H1的数据中，首次出现中后 期投资占比超过前期投资占比，约占到六成。投资金额方面，从2014年开始出现大幅度增长，2017年投资频次出现了小幅回落。2018H1单笔平均投资额达到历史最高：5.49亿 元，总体判断，2018年金融智能风控企业的投资 金额有望创造历史新高。,26,1,7,12,35,32,14,5,6,5,30,19,45,14,1,7,15,12,10,6,7,5,3,17,4,7,4,6,7,0,10,20,30,40,50,60,70,80,90,100,中国金融智能风控私募股权投资市场情况,B轮C轮,战略投资,3.08,0.20,1.17,3.43,3.83,1.96,3.66,3.96,3883.23,1427,126.,275.07,263.36,200520062008201020112012201320142015201620172018H1投资金额(亿人民币）种子/天使轮A轮D轮及后期,注：A轮包括pre-A、A、A+轮，B轮同。,11,11 11,312,312,7,13,512,791,94,90,48,Part 2 智能风控企业现状调查研究智能风控企业图景,192家获投金融智能风控企业中，70%企业仅获投1-2次，人民币投资事件数量占比78%,27,企业数量,获投1次获投2次 获投3次 获投4次获投5次 获投6次 获投7次,22%,78%,美元基金,人民币基金,42%,58%,投资 频数,投资 金额,左图反映了192家获得投资的金融智能风控企业分布情况，其中43.2%的企业获得一次投资，27.1%的企业获得两次投资，12.5%的企业获得三次投资，获得四次及以上投资的企业仅有17.2%。获投七次的企业是：金电联行和点融网。其中获投六次的企业是：微贷网、成都数联铭品、闪银奇异与和信贷。其余获投三次及以上的企业名录见报告附录。从投资数量看，人民币投资事件占比78%，共323起；从投资 金额看，人民币基金投资金额585亿元，占比58%。人民币基金vs美元基金,Part 2 智能风控企业现状调查研究智能风控企业图景,中国金融智能风控市场中，共有387家机构参与其中，仅有5.4%的投资机构投资过5次及以上,28,投资10次以上,投资7-10次,投资5-6次,投资3-4次,投资2次,投资机构数量,2,4,通过整理可以发现，387家机构参与中国金融智能风控企业投资。其中，68.7%的投资机构仅发生过一次投资，16.0%的投资机构 发生过两次投资，9.8%的投资机构发生过3-4次投资，仅有5.4%的投资机构发生过5次及以上投资。金融智能风控主流投资机构（投资频数5）投资1次,红杉资本中国,IDG资本,领沨资本,华创资本,线性资本,真格基金,国科嘉和,北极光创投,奇虎360,海纳亚洲,晨兴资本,源码资本,经纬中国,银泰资本,腾讯,东方弘道,丰厚资本,顺为资本,光速中国,洪泰基金,凯鹏华盈,2.3 智能风控企业调查解读,Part 2 智能风控企业现状调查研究,29,Part 2 智能风控企业现状调查研究智能风控企业调查解读,研究说明,为了更好的展现智能风控企业发展现状，了解智能风控技术 产品及服务落地情况，以及企业对金融科技其他领域的布局,规划，制定了2018智能风控调查问卷，对智能风控企业进行了问卷调查。本调查调查对象为智能风控企业的相关负责人，发放100份 问卷，最终收回66份调查问卷，其中有效问卷63份。其中63家受访企业中，有30家位于北京，14家位于上海，9家位于浙江，其余10家分为位于广东、重庆、天津、江苏和 四川。下面为智能风控企业解读。,30,30,14,9,5,2,1,1,1,0,10,20,30,北京,上海,浙江,广东,重庆,天津,江苏,四川,受访企业地区分布,Part 2 智能风控企业现状调查研究智能风控企业调查解读,具有技术输出能力的智能风控企业占比82.54%，产品类型主要为：数据类产品、技术服务类产品和一站式服务等,31,全部自用17.46%,产品输出46.03%,自用+产品输出36.51%,按流量/次数,战略合作,技术服务类 产品,一站式服务,数据类 产品联合开发 其他,按效果,其他,受访企业中，46.03%的企业仅输出产品，36.51%的企业既自用又输出产品。输出产品以一站式服务、技术服务类产品和数据类产 品为主，收费模式以按项目和按流量/次数为主。左图为智能风控产品五中输出方式，右图为产品收费模式，中间的连线表示各类产品的收费模式情况，任意产品和收费模式之间连线的宽度，表示数量的比重。受访企业的智能风控类产品及收费模式受访智能风控企业产品用途按项目,智能风控调查，N=63，n=52,19,27,32,7,27,27,3,6,403020100,金融智能风控服务客户类别及分布以互联网借贷公司和城市商业银行为主，其次为股份制商业银行和消费金融公司,Part 2 智能风控企业现状调查研究智能风控企业调查解读,在各类服务客户类别中，城市 商业银行、股份制商业银行、 消费金融公司和互联网借贷公 司客户数量占比较高，在50% 以上；气泡图中，圆圈的大小代表选 择该选项的受访企业数量。其 中有14家受访企业服务6-15家 消费金融公司，13家受访企业 服务50家以上互联网借贷公司，13家受访企业服务5家及以下 大型商业银行。,32,智能风控调查，n=52,农村金融机构,大型商业银行 股份制商业银行 城市商业银行,消费金融公司 互联网借贷公司 其他银行金融机构其他,5家及以下,6-15家,16-30家,31-50家,50家以上,1家,14家,企业数量,注释：理论上服务银行客户的分行不做分开处理，所以大型商业银行理论值应该不超过5家，但是由于被调者计算方式差异，可能会存在客户数量大于行业理论存在数量,受访企业的金融智能风控服务客户类别及分布,服 务 客 户 数 量,Part 2 智能风控企业现状调查研究智能风控企业调查解读,六成企业将核心技术研发和创新作为建立企业护城河的关键,受访智能风控企业中，员工数量在100人以上企业占比74.6%，其中101-300人的数企业量最多，占比30.16%。根据调查问卷中智能风控企业员工数量的统计，可以看出企业人数101-300和1000人以上的企业占到50%。大多数企业将核心技术研发和创新作为建立企业护城河的关键：约六成企业技术研发类人员占比在50%以上；而企业技术研发、升级及维护投入上，透露数字的企业中有35%以上研发投入都高于50%（技术研发投入/公司总成本）。,33,50人以下7.94%,51-100人17.46%,101-300人30.16%,301-500人9.52%,501-1000人14.29%,1000人以上20.63%,受访智能风控企业员工数量分布,0%,10%,20%,30%,40%,10%以下,11-30%,31-50%,51%-70%,70%以上,受访智能风控企业技术研发类人员占比情况,0%,10%,20%,30%,10%以下,10-20%,21-30%,31-40%,41-50%,50%以上,受访智能风控企业技术研发、升级维护投入情况,智能风控调查，N=63,Part 2 智能风控企业现状调查研究智能风控企业调查解读,不管是科技公司还是银行业金融机构，对于智能化风控还处于尝试阶段,同时透露2017年收入和2018年预测收入的受访企业中，有55.6%的企业表示2018年收入上升，11.1%的企业表示收入下降，33.3%的企业表示收入持平。通过前文结论，收入下降直接原因是消费金融和互联网金融公司客户对于智能风控的接受程度高且布局较多，但是监管收紧导致2018年有一大批互联网金融公司退出市场导致客源下降和需求减少，因此影响科技输出端企业收入下降。受访企业中，2017年有49.21%的企业已达到盈亏平衡。现阶段，不管是银行、消费金融还是互联网金融机构，对于智能化风控还处于尝试阶段，随着金融核心数据技术的延伸, 智能风控的 应用将会越来越完善并走向成熟阶段。,34,12.70%,7.94%,4.76%,15.87%,1.59%,7.94%,49.21%,0%,10%,20%,30%,40%,50%,2000万以下,2000-4999万 5000-9999万,1-4.9亿,5-10亿,10亿以上,不方便透露,比例,受访企业2017年收入分布,2018年预测收入55.6%上升11.1%下降33.3%持平,智能风控产品及服务应用个人篇,35,Part 3 智能风控产品及服务应用个人篇,智能化技术与传统风控模型互补，可以对客户风险进行更及时有效的识别、预警、防识，同时实现全链条自动化、智能化,36,个人信贷单笔数额小、数量大，需要大量的人力和时间投入，在效果提升和成本控制中很难达到指数级的突破。传统个人信贷的审 批是通过客户历史信用信息和个人消费情况，对申请人风险进行评分和预测，而金融相关数据一般呈现分散化、碎片化的特点，真 实、有效及完整的数据往往很难获取，信息不对称难以消除。智能风控可以覆盖包括贷前、贷中和贷后三个阶段的个人信贷业务全流程，依托智能化技术与传统风控模型互补，对客户风险进行 更及时有效的识别、预警、防识，同时实现全链条自动化、智能化。网贷的风险控制由于其自带“科技”属性，所以智能化的渗透 率要高于传统线下信贷。贷前,审核,身份认证,反欺诈,征信,授信,贷中,信用评分,风险定价,审批,交易监控,交易反欺诈,贷后,贷后监控,存量客户管理,催收,个 人 信 贷 业 务 全 流 程,3.1 贷前,Part 3 智能风控产品及服务应用个人篇,37,Part 3 智能风控产品及服务应用个人篇贷前,贷前风控：信贷流程的基础，智能化手段通过线上线下结合，将非结构化数据建立联系，实现自动化的同时降本增效,贷前风控是整个信贷流程的基础，直接影响信贷业务质量。信贷风控旨在解决信息不对称，首先体现在贷前的信息收集和整合过程，收集和整合信息越充分，越有利于信贷审核以及做出正确决策。智能化手段通过线上线下结合，将非结构化数据建立联系，利用机器代替人工，消除主观判断带来的二次风险，实现自动化的同时降低成本，提高效率。贷前风险控制主要包括审核、身份验证、反欺诈、征信和授信五大环节，本小节将从身份认证、反欺诈和征信三个流程深 入分析智能风控的技术实现和落地应用。,38,审核传统贷前审核依赖人工审 核和专家经验，在特征工 程上重劳力，而当下高维， 非结构化、高度分散的数据 环境下，知识图谱等技术的 应用可以加速筛选，甚至完 全实现自动化审核 和评估 ，有效减少风险,身份认证传统线下身份认证依据提 供的身份资料进行实名制 认证，随着线上信贷业务 发展，传统的认证方式不 能满足于互联网环境要求， 因此基于生物特征识别等 技术模型的应用，实现身 份自动化识别并做出精准 拦截,反欺诈贷前欺诈主要是案件欺诈， 集团化和规模化欺诈案件 很难利用人工实现规避。通 过大数据融合，基于高维度 变量和丰富应用场景，构建 反欺诈模型，同时动态优化 反欺诈规则，提高欺诈案件 识别率,征信按一定规则合法采集企业、 个人的信用信息，加工整 理形成个人的信用报告等 征信产品，随着大数据征 信与央行征信不断融合， 数据来源正在以多元性、 完整性和高可获得为目标 发展,授信依据征信信息，信贷机构 为借贷人提供信用担保， 按期限分为短期授信和中 长期授信，结合维度相对 完整的征信数据，授信流 程实现自动化、便捷化和 差异化,Part 3 智能风控产品及服务应用个人篇贷前,反欺诈：成为金融机构待解决的核心问题，通过与数据商或第三方机构合作，实现数据和技术互补，提高欺诈案件识别率,目前个人信贷业务的风险主要集中在欺诈案件，据中国银行业协会发布的中国银行卡产业发展蓝皮书统计，2017年信用卡欺诈 率为1.36个BP（万分之一），最主要的欺诈手段有三种：电信诈骗、互联网欺诈和伪卡，欺诈过程呈现出集团化、规模化和专业化 等特点。随着线上业务的发展，欺诈案件呈爆发式增长、面对各种贷前申请中的欺诈案件，完善贷前反欺诈措施成为金融机构待解决的核心 问题。目前已有很多金融机构选择和上游数据供应商或第三方智能反欺诈机构合作，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。同时利用大数据、机器学习等技术动态优化反欺诈规则，提高欺诈案件识别率， 实现数据和技术的互补。,39,智能反欺诈模型,提高准确率：多维度综合判断，精准寻找欺诈客户节省人力：准备识别，避免冗余排查工作,时效性：海量数据寻找信号，及时发现欺诈风险灵活性：根据风险情况灵活配置防范策略,Part 3 智能风控产品及服务应用个人篇贷前,ZRobot：专注信用生态，构建一站式智能风控平台和大数据风控产品，科技赋能未来,基于机器学习和深度学习构建一站式智能风控平台和各类大数据风控产品，实时评估 银行、消费金融公司、汽车金融公司等行业机构的业务风险，实现智能化风控管理， 提升企业整体风控能力。,40,公司介绍：由数字科技公司京东金融成 立的金融科技公司，致力于构建大数据 背景下的信用生态体系公司定位：作为京东金融旗下智能数据 技术服务商，以大数据和灵活完善的风 控模型为基础，实时评估业务风险，为 行业机构提供智能化风控管理解决方案 核心产品：个人信用评分/小微企业信 用评分模型、反欺诈风控系统、风险管 理咨询等应用领域：消费信贷、汽车金融、基金 信托、银行/保险等,