Tech 助力Fin ，大數據風控系統賦能掌衆金服！

 

 

胡亞海  

首席技術官  CTO 

北京航空航天大學  博士

 

深耕互聯網領域近20年，前後任職於普天信息技術研究院、摩托羅拉、宇龍酷派、百度等知名企業，曾主導宇龍酷派公司全員從WinCE向Android轉型，並做爲百度移動雲技術委員會成員，參與核心架構設計和業務規劃。在手機系統研發、雲生態技術架構與業務規劃等領域擁有豐富經驗，擅長技術體系搭建、大數據平臺、運維與雲服務平臺化。

 

今天很是有幸採訪掌衆金服的胡總，就掌衆金服的業務發展和信貸風控的自動化實施進行了交流。

 

信數：請胡總簡單介紹下掌衆金服和主要的業務。

 

胡亞海：掌衆金服成立於2014年10月，是一家技術驅動的Fintech公司， 專一大數據風控和金融科技研發，致力於打造開放的金融雲生態平臺，爲不一樣羣體提供高效便捷的智能金融服務和解決方案。公司有着優點互補的團隊，管理層來自大型銀行、投資機構、互聯網巨頭公司等，目前員工中65%是技術人才。

 

信數：您能談談中國互聯網金融科技行業還有哪些機會？將來的趨勢是什麼？

 

胡亞海：「觀其變易以順勢而爲」,互聯網已經叩響「萬物互聯時代」的大門。站在時代前沿，金融科技成爲鏈接傳統金融行業和智能化的根基，點燃了中國金融創新的引擎，促使金融業釋放出史無前例的活力。

隨着行業的不斷髮展，將來將有更多的企業「以持續技術創新」爲核心驅動力，從而夯實平臺在高效價值傳遞、數據驅動及消費場景適配領域的優點，並構建全生態金融產業鏈。與此同時，基於「中國科技服務世界」的信心，將會有其它更多國家共享中國金融科技的先進成果和經驗。

 

信數：請您簡單介紹一下掌衆金服的大數據風控系統。

 

胡亞海：基於創新型海量大數據採集、加工技術。多重信用評估模型及風控維度，對客戶准入進行風險定級。

安全性：經過了公安部信息系統安全等級保護三級安全認證。高性能、高可用性，支持PB級的數據存儲及3000萬+用戶的全量用戶活動的峯值訪問量。

 

信數：掌衆金服在哪些環節改進決策效能？

 

胡亞海：全自動化的線上風控流程，極大下降運營成本；基於大數據的技術體系，提升數據採集、清洗及信息提取的效率；多維度的風控模型有效提升模型準確度。

 

信數：使用 SparklingLogic 決策引擎的優點是什麼？

 

胡亞海：基於硅谷的專業決策引擎 SparklingLogic，有着以下優點：

1) 高性能。單臺主機的決策接口調用量QPS便可達到上千。

2) 便捷的規則錄入及版本管理。規則錄入語法簡單，同時支持可視化工具進行規則錄入。規則的每次變動均有相應的歷史記錄。

3) 規則發佈靈活。發佈時選擇相應的版本便可，且支持熱部署，規則更新無需中斷服務。

4) 完善的權限管理。支持帳戶及對應的工做區權限隔離。

 

信數：掌衆金服是如何處理、加工、管理海量數據？

 

胡亞海：基於HBase的數據存儲，使用流式計算（Spark Streaming、Storm）對數據進行分析，經過Hive等數倉進行報表輸出。數據流轉過程當中對敏感數據進行加密或脫敏。

 

信數：如何自動化處理進件，快速評估貸前、貸中、貸後的客戶信用？

 

胡亞海：觸發客戶信用評估的場景主要有用戶提交授信數據、點擊借款申請、借款訂單狀態變動（生成借款、還款或逾期等）。每一個場景發生後都會觸發相應的我的特徵變量更新及模型的運算，基於高效的風控系統，能夠快速地完成客戶信用評估。

 

信數：決策系統有哪些模型在運行？舉例說明。

 

胡亞海：主要的模型有貸前反欺詐、貸前信用模型、貸中風險模型及貸後催收模型等。例如貸前黑名單攔截即屬於貸前反欺詐中的一個。

 

信數：個貸方面，模型的數據維度有哪些還須要補充？

 

胡亞海：目前模型已有的數據維度可實現爲用戶進行比較準確的風險評估。但針對人行徵信等具備極高公信力的數據，若是提交的用戶更多，對模型的準確度會有必定程度的提高。

 

信數：您關注的大數據決策系統的監控指標有哪些？

 

胡亞海：指標主要分兩大類。第一類是系統性能指標，包括對外接口的響應耗時、授信數據處理吞吐量、數據庫查詢耗時等。第二類是業務狀態指標，包括拒貸率波動、交易量、授信成功率等。

 

信數：對於大數據決策系統，個貸有哪些新的難點？

 

胡亞海：系統層面，隨着用戶量的增加，對IT基礎設施及系統提出了更高的要求：高性能、高可用性及成本控制。風控策略方面，須要更好地利用大數據、精確地風險評估及反欺詐。

 

信數：如何獲取客戶？客戶體量有多少？

 

胡亞海：目前獲客方式有廣告投放、合做夥伴導流等線上渠道。目前註冊用戶達到了3000萬+。