调研 | 李喆 青川
撰写 | 青川
随着消费金融等信贷形式兴起，原有依靠央行征信、面见审核等方式已经远远不能满足风控需求，故而出现了一批大数据风控创业公司，满足金融机构反欺诈、信用风险评估上的需求。
算话征信便是其中的一家，成立于2014年，核心团队主要来自国家个人征信试点机构上海资信公司、FICO、以及大型银行信用卡中心，主要从事零售信贷早期风险管理。
其重点产品一是信贷申请欺诈及早期风险识别，二是征信服务，前者面向银行信用卡中心、P2P、汽车金融、网贷及小贷等零售信贷机构，后者则主要面向非银信贷机构。
其中信贷申请欺诈及早期风险识别是算话征信的拳头产品，产品形式主要以评分和变量集的形式，目前每天有150万次的查询量。此外，针对中等以上规模的金融机构也会提供一定的联合建模服务。
无论是标准产品还是个性化产品，算话最终是按照产品的实际调用量向金融机构收费，折合下来每次查询收费在0.1-3元之间。
征信服务包括债务信息共享和信用评分服务，相当于既做了征信局的业务，又做了FICO的评分服务，数据来源和服务对象都是合作的非银信贷机构。
P2P、网贷公司等非银信贷机构服务客群多为信用白户，算话征信同非银信贷机构建立合作，获取用户借还款记录，建立这部分用户的征信记录和评分，满足非银信贷机构对其用户的征信表现的需求。
此外，算话征信还为金融机构提供零售信贷的风控系统和咨询服务，帮助有信贷场景的机构或中小信贷机构快速落地风控能力。
近日，爱分析对算话征信创始人兼CEO蒋庆军进行了访谈，蒋庆军曾任上海资信公司研发中心负责人，在个人征信领域具有多年经验。访谈中蒋庆军对公司业务、行业现状进行了阐述，现摘取部分内容如下。
定位早期风险识别
爱分析：算话征信的定位是怎样的？
蒋庆军：
我们的定位是零售信贷风险管理专家，比征信要宽。征信是风控的一部分，提供的其实就是原始债务数据的信用查询，简单明了，技术含量不高，核心竞争力是公信力，机构必须有强大的公信力别人才会给你数据，光做征信在很长一段时间内是赚不到钱的。
我们的产品从信贷申请欺诈及早期风险识别，到征信数据，再到征信评分。我们专注于风控，不做营销或者其他非金融领域的风控。
爱分析：反欺诈评估与同业有何不同？
蒋庆军：
我们欺诈评估做的其实是信贷申请领域的早期风险识别，用的是复杂关系网络技术。这个概念要比反欺诈大一些，欺诈通常是身份冒用，借一笔钱后就不还了，但也有人第一个月还，假装一段时间好人，后面就不还了，会涉及到一定的信用风险在里面，我们放到早期风险识别里面。
一般信用风险评估6-12个月或者12-24个月，我们早期风险识别评估3-6个月，所以涵盖了反欺诈，也有一定的信用风险在里面。
爱分析：这项业务的服务形式？
蒋庆军：
根据用户需求，我们对专业程度较高的机构通常提供评分或变量集产品供其挑选，对于一些起步阶段或在数据驱动积累还不充分的机构，我们提供评分产品。
爱分析：反欺诈会用到更多的新技术？
蒋庆军：
对，反欺诈用到外部数据、贷前数据维度极高，像我们有几万个变量，由几百个字段衍生出来，传统的模型挖不干净。传统模型一般会留下5-20个变量，虽然每个变量都是复合的，但是还是会造成大量的信息丢失。可能某个变量效果不错，但比不过前面20个，就被抛弃了。
而神经网络的统计方法中可以用无数变量，把所有信息充分用起来。但也有缺点，就是模型往往是过度拟合的，在单个样本里面很准，一旦有新的样本出现就不稳定了。反欺诈涉及的数据很多，所以神经网络技术也能发挥作用。
爱分析：算话征信评分的数据来源？
蒋庆军：
我们有几百家签约机构，其中一部分会正常提供借款客户的债务信息。另外一部分数据来自于信贷申请欺诈及早期风险识别，从中我们可以从客户申请的行为趋势中，提炼一部分信用风险特征，混合开发信用评分。
爱分析：信用风险评分需要放贷机构反馈数据？
蒋庆军：
是的，信用风险除了我们已经有的债务信息和部分信贷申请欺诈及早期风险识别获取的信息，俗称X，还需要客户反馈部分坏客户Y的信息，完善评分预测的客群样本。所以信用风险评分我们需要定制，以保证评分预测的有效性。
爱分析：反欺诈、征信评分建模的数据基础有何不同？
蒋庆军：
这两个区别很大，反欺诈实际上是贷前的申请信息数据和外部数据，包括申请人设备、基本个人信息、等都会拿来分析欺诈概率；信用风险评估核心是贷后表现数据，包括账务信息、贷款余额、还款信息等。
反欺诈是分析当下行为，弄明白用户行为的真实性和背后的事实。信用风险是预测，用户当下的表现可能是好的，或者没有什么特别坏的，要预测他未来会不会还钱，历史征信数据预测风险是最有效的。
所以二者用到的数据不太一样，这是反欺诈和征信评估最大的区别。
业务以标准化服务为主
爱分析：算话征信服务与哪些类型的机构有合作？
蒋庆军：
信贷申请欺诈及早期风险识别所有的信贷机构都可以用，包括银行信用卡中心、网贷、P2P；征信只做非银行信贷机构。
爱分析：反欺诈服务业务流程？
蒋庆军：
机构会在客户授权基础上给我们提供客户信息，比如客户申请信息等，我们会实时生成复杂网络，衍生变量，计算评分并把欺诈结果用约定形式返还回给机构。
爱分析：反欺诈业务提供的是标准化产品？
蒋庆军：
基本上是标准化产品，但不同行业有不同的模型。比如线上消费贷、线下门店贷款、信用卡客户群体都是不一样的，我们会分行业建模。另外规模比较大的机构我们也会跟他们联合建模，他们的数据不一定要到我们这里来，或者他们的产品比较特殊，我们会为他们做一些调整。但方法论是差不多的。
爱分析：算话的联合建模与FICO的服务有何不同？
蒋庆军：
我们是做产品，联合建模本身是不收费的，建完模后按照机构使用我们产品的查询量收费；FICO在国内主要是咨询、技术服务，做一个模型收多少钱，是做项目的。
爱分析：查询收费方式是怎样的？
蒋庆军：
今年以来，我们信贷申请欺诈及早期风险识别服务收费主要按照查询量来定，无非是量越大价格越低，价格折合下来每次1毛到3块钱。目前信贷市场机构的专业度越来越高，之前采用过的包年方式逐步向月结转变。征信业务我们还是免费向合作机构开放。
爱分析：征信数据、评分业务和建模咨询业务市场格局会有不同？
蒋庆军：
征信业务是一个规模优势非常明显的市场，最终会剩下少数几家。建模咨询门槛会低一些，但也会有先发优势在里面，比如FICO本身的品牌优势，别人刚开始做的时候就会比较难。
爱分析：如何看一个公司对金融场景的理解能力？
蒋庆军：
主要看团队出身，风控行业出来的肯定比互联网出来的理解要深一些。最好的搭配是信贷机构风控部门加征信机构背景出来的人一起，如果全部来自一个行业或者类似机构，可能会存在短板。
爱分析：银行信用卡中心的需求表现在哪方面？
蒋庆军：
伴随银行信用卡业务渠道不断拓展，获客来源不断丰富，欺诈和信用风险方面都有需求。这取决于类似算话征信这样的机构，能够积累多少传统银行渠道以外的客户信息，以及加工这些信息的能力。
爱分析：系统服务需求是否会长期存在？
蒋庆军：
系统服务的需求会长期存在，毕竟信贷市场优胜劣汰，变化很快，但如果信贷市场进入成熟阶段，参与机构也趋于成熟，这块需求会相对减少。
我们现在有个新产品，是为一部分暂时没有风控系统和能力的新机构、小机构提供一整套风控决策咨询服务。有一些公司有场景、资金、资质资源，想开展网贷业务，但又缺乏风控能力，我们会提供一整套风控决策咨询服务，由我们来孵化风控能力。
爱分析：算话目前的团队规模、团队结构是怎样的？
蒋庆军：
现在不到100个人，其中80%是做技术的，包括风控技术、产品、算法和建模等，还有一部分市场人员，剩下的就是少量的后台行政。
