拉卡拉金融陈虹：金融科技行业的发展有四点变化，金融的本质是风控
金融科技变迁有四点比较重要的变化，在WISE x新金融行业峰会上，拉卡拉金融副总裁陈虹如此表示。
首先是管理方式的变化。最初的风控管理比较粗放，全靠直观感受，然后发展为人工与系统结合评估，实现半自动化；再到以收益为导向，进入全系统化、各种评分卡管理的阶段；当前阶段，则强调以客户价值为导向，完成由粗放向精细化管理的转变。
其次，风险计量工具发生了变化。传统的计量规则与模型中，一般选取的都是关键变量，用的是小数据和传统规则及模型。这些金融相关性强的有效变量，同样能支撑业务、做很好的风险管理。现在由传统模型向大数据模型变迁，后者更多是起帮助作用，企业能利用各类型数据，挖掘长尾价值。
再者，风控方面，企业间的连接方式发生变化，从以往的单兵作战到联合联通。风控主要分为两大部分：信用和反欺诈。过去企业仅关注自己的客户和市场做信用，已被证实难得到共鸣。同时，企业也有愈发多的机会去联合联通，主要体现在平台资源配置、共同做好信用管理两方面。
此外，技术、算法的提升，一系列诸如区块链、AI等技术涌现。不过，在陈虹看来，无论技术多高大上，最终是要为解决业务痛点服务的，否则对企业而言就不是增值的。
陈红还谈到她做金融的一些理念，她认为金融的本质是风控，想做好风控，得基于对金融的定位，稳健的发展。要达到稳健，则需在有效的风控管理下，控制成本，包括获客成本、风险成本、运营成本、资金成本。
以下附上拉卡拉金融副总裁陈虹演讲：
我来自拉卡拉金融，我们几年前做支付，做金融的一些布局，今天分享一下金融的一些心得。分享的主题是科技升级，驱动新金融稳健发展。讲两个核心的概念，一个是科技升级，另外一个驱动新金融稳健发展。
从金融科技的变迁来说，有四个比较重要的阶段，像最早的时候，我们由粗放型向精细化的管理。以风控管理来说的话，最早，我们整个风控管理是比较粗放式的，那个时候，没有什么数据可言，我的人去见了，用自己直观的感受，这个人可不可靠，这个业务能不能做。
到第二个阶段，我们不断地做优化，整个风控管理优化的阶段。在这个阶段，主要依赖于人工和系统的评估，以人的经验，加一些系统的经验，实现半自动化。第三个阶段，我们都强调以收益为导向。这个阶段已全面进入各种评分卡的管理，还有全系统化的阶段。
科技应用后就有了一些变化，原来机构以单一机构客户的信息去做风险管理。到第二阶段的话，我们会关注客户在不同机构一些特征的表现去进行风险管理。当前阶段，我们强调以客户价值为导向。
其实在整个金融科技阶段，我们整个数据的应用，就是从小数据到大数据，整个技术和方法论的一些创新，帮我们不断地挖掘客户潜在价值，不再探索客户直接的价值。
第二个阶段的变化，其实是从关键变量到大数据。原来传统上来说，关键变量，我们用得都是小数据，多是传统的规则和模型。但是传统模式并不是不好用，对小数据来说，如对金融属性相关性强的变量来说，有效的数据，能挖投顾的价值。在小数据支撑业务，大数据应用没有完善的情况下，一样可以做到非常好的风险管理。
当前，整个大数据模型的应用上面变迁也非常明显。大数据应用，我觉得更多是帮助，你可以做不同的客群，不同的市场。我们原来说，在小数据范围里面，在小数据应用市场里面，但是超过小数据市场，怎么样用？里面有嘉宾提到说，可能传统的银行业不做这个业务了，没有足够充分的数据。当前情况下，利用大数据，尽可能去用各类型的数据，挖掘数据长尾的价值。
第三个阶段的变化，从单兵作战到联合联通。我们做风控分两大部分，一部分是信用，一部分是反欺诈，我们做传统业务、反欺业务、做信用，我们自己领域做信用，针对自己的市场和客户去应用，但在现在的互联网平台，你的信用只关注自己群体的话，在这个市场很难得到共鸣。
有越来越多的机会去联合联通。几个方面，一是平台化，在平台上面，客户的资源面向不同的机构，或者不同的产品去做配置。还有一种，大家在信用的领域，一起去做好信用管理。对线上现金贷款来说，可能国内比较频繁的数据也就是八千万到一个亿的价值业务。如果我们做金融，各个机构不联合联通的话，未来很可能存在客户爆炸的风险，这是难以承受的痛。
其实，从算法，监督到半监督，到无监督，各种算法到现在，前面的嘉宾一直强调说的AI技术，这里不多讲了。实际应用技术过程当中，AI并没有那么神秘。我们说技术最终需要解决业务的痛点，如果你的技术不能为业务解决痛点，做得再高大上，对企业来说都不是增值的。拉卡拉不仅做人工智能，在人工客服、在审批，贷号的催收，我们也用人工智能提升效率。
对做金融的来说，我重点分享我们做金融的理念。金融的本质是风控，做好风控的话，基于对金融的定位，稳健的发展，而不是说做一年、两年半锤子的买卖。怎样做到稳健？在有效的风控管理下，核心来说的话，就是成本控制，包括获客成本的控制，风险成本的控制，整个运营成本的控制，到资金成本的控制。在成本控制做得不够有效，没法降成本的话，想让金融业务持续发展，是非常大的挑战。
像信用卡市场，基本对传统零售金融市场来说，目前的形态最完善，做信用卡都是规模效益的。无论是数据应用，运营成本控制，还是市场营销成本，都践行着如何做到风险的控制。我们非常多零售金融的创新，我觉得本质还是做信用卡管理那一套。
我们说P2P领域，从2009年新兴开始，2012-2014年爆发增长，到前两年洗牌，再到2017年开始规范，监管态度比较明显。金融回到最后，能否可持续发展，你的风控，是否足够风控，是衡量能否在这个行业走得远的唯一标准。
关于消费金融，我们今年看到很多信号，监管的机构在消费金融合规化的检查，还包括处罚，合规经营和对稳健经营的要求。刚提到国际零售管理就是巴塞尔协议，也强调是否稳健，第一，强调资本充足率，强调监督检查流程，强调市场披露。
我们在做拉卡拉金融的时候，几年前就在布局，我们整个文化，怎么样去做稳健。我们在资产结构配置方面也非常注重稳健发展。我们有6个比较核心的产品，有非常短期的现金贷，有非常长期的线上线下现金贷款，也有信用卡产品，我们也有配置做抵押产品，我们做企业贷款，也有做供应链贷款。从组合配置方面来说，稳定的资产结构，一定是抗风险性强的，抗风险性强的话，在产品结构和客群结构里，一定要去做优质的配置。
我们在做金融业务发展的时候，非常看中两块，投入了非常大的成本，一个强调数据，你要做金融科技，要做新金融业务的话，对数据的要求非常大。
去年5月，我们整个业务纳入人民银行征信系统，数据上传人民银行征信系统，我们的客户也是。我们积累了征信数据比较多的客户信息，包括外部的数据，我们做业务这几年，外部数据有一百多家。我们核心在用50多家的数据，一直不断地积累数据和不断地深化学习。当然。我们也有自己本身超过十年以上的数据积累。我们有大概两亿以上的有卡人群，超过500万的POS数据，这些数据沉淀时间超过十年。
对我们来说，外部数据积累应用的过程有超过五千个变量，外部数据的变量能用于风险管理和业务管理。以银行征信的角度，我们也有超三千个变量，是以那些频繁用征信的人群去做的。
在技术方面，我们也投入了非常多的资源，像现在一直都在说的大数据、云计算，或者人工智能。我们一开始就非常专注金融的本质，也就是风控，我们也不是说要颠覆传统的银行风险管理那一套，不管怎么变，万变不离其宗，做风险管理的核心还是得回到有效的风险管理体系上面。从团队建立的角度来讲，我们有非常多人从传统银行出来，也有从互联网机构去做风险管理的人，我们不同经验的人群去做这样的碰撞。包括我们技术的团队，及互联网端的技术团队。
稳健对于资产结构组合要求是非常大的。我们一直在积累经验，像我们有6套比较大的产品数据，也有30多类我们细分出来人群。基于这样细分的人群和细分的产品，我们对每一类人群+产品建立了完善的一套风险管理的标准。这个风险管理不仅仅是模型，从我们最前面的市场定位，到产品定位，到我们整个申请流程，到风险管理，到审批，到催收，甚至到我们的风险的定价，各种的话，我们都有积累经验标准化的产品。
关于标准化经验，从今年二季度开始，我们目前跟银行有一些合作，把我们整套，算是金融解决方案，不仅仅是做模型的东西，还会做一个输出。就风险管理来说，你输出的核心，大家比较关注的是反欺和信用风险评估。
对反欺来说，我们有超过五千万的订单数量，以现在比较成熟的图谱技术及积累的技术，去做反欺诈的图谱。我们有3亿数据图谱，主要是关系图谱，应用比较窄。我们现在已经做了一个模型，可以根据图谱的技术，告诉你说，这个人欺诈的概率是多少？这样的话，应用更直接一些。这个还依托据我们云服务和技术，能做到实时的运转。
这整套成熟的反欺诈体系，在实际应用过程当中，我内部的数据显示，有80%的覆盖率，可抓住80%的坏客户，准确率达到85%以上。这对我们风险防范来说，能起到非常大的作用，有效帮我们降低风险成本。
然后，就信用来说的话，这都是标准的，我们有最传统的，根据信用评分告诉你概率。不过，对信用风险，就不只是告诉你分值就好了。我们希望，从你的定价，从你产品的定位，从你的期限，你的授信一整套，为你提供服务。
当然，我们现在跟银行合作，从上面的分值，从授信一整套去做，根据不同的一些机构，我们也可以做拆分，做数据库的建立，或者数据库的清理，或者帮它建模，还有就是说用这个模型去做积分。
我们自己做了五年的时间，积累的30多套不同客群的经验，在互联网的平台上面来说，这一些经验我们希望能共享，真的做共享，才能做共赢。今年二季度开始，我们跟一些银行有合作，他们找我们合作，更多是资金提供方，看到我们整个数据表现比较理想，所以就提出来，有没有一些合作的机会。
像现在跟银行合作，目前有两种模式，一种客户加资金，一种提供风控的资金，客户和资金是银行的，现在有超过30家银行跟我们合作。我们考虑下一个阶段，将就我们整个这块技术，与更多的互联网平台机构，去合作，去做探讨。
我今天的分享就到这儿，谢谢大家。
