数据猿专访ZRobotCEO乔杨：多数大数据公司既没有数据生产能力，也不具备及时获取数据的能力

ZRobot 乔杨风控数据源金融科技

原创郭敏 | 2017-09-28

【数据猿导读】 “多数大数据公司既没有数据生产能力，也不具备及时获取数据的能力，仅仅依靠央行的个人征信数据和延时的电商数据来构建风控模型是行不通的。”乔杨说。

数据猿专访ZRobotCEO乔杨：多数大数据公司既没有数据生产能力，也不具备及时获取数据的能力

图丨ZRobotCEO 乔杨

来源：数据猿记者：郭敏

大数据研究专家维克托•迈尔•舍恩伯格曾说：“世界的本质是数据，千千万万不起眼的小数据组成了大数据。”随着大数据发展浪潮来袭，“人无我有”、“人有我优”的数据源成为打通大数据应用落地过程中的关键点，也是资本市场评判一家大数据公司是否具备发展潜力的重要因素。

“大数据公司想要获取优质丰富的数据源并没有那么容易。”曾在美国通用电气公司（GE）、美国发现金融（Discover）任职，现就职于ZRobot，对消费信贷领域风控颇有研究的乔杨坦言。

万事开头难难在数据源

在消费金融领域，数据源扮演了怎样的角色？为什么大而优的数据源难以获得？在解答上述问题之前，我们先来看看国内消费信贷的发展状况。根据国家金融与发展实验室最新发布的《中国消费金融创新报告》显示，2016年末，居民消费信贷金额高达6万亿元，约占消费支出的19%。如果按照20%的增速预测，到2020年我国消费信贷规模将超过12万亿元。

作为金融行业发展最快的细分领域，消费信贷正朝着普惠化、场景细分化、行业服务标准化方向发展。伴随着行业的快速发展，欺诈风险、信用风险不断攀升，大数据风控在消费信贷领域的作用日益凸显，然而无论是构建风控模型还是信用评分模型都需要海量的数据源。就消费信贷领域风控而言，单纯的第三方大数据公司通常会采用央行的个人征信数据和电商数据构建风控模型。

经过10年的发展，央行征信中心纳入了大约9.2亿成年人信息，其中4.4亿人有借贷记录，还有绝大部分人群没有被覆盖到。值得注意的是，具有征信记录的优质客群多数来自于银行体系，银行不仅掌握更细维度的借款历史数据，还掌握了用户存款、理财等财富数据，对于这些数据银行不会轻易共享。淘宝、京东等电商平台每天都会产生大量的交易和浏览数据，利用这些实时数据搭建出来的模型和策略才是准确有效，但第三方大数据公司并不能及时获得这些实时数据。

“多数大数据公司既没有数据生产能力，也不具备及时获取数据的能力，仅仅依靠央行的个人征信数据和延时的电商数据来构建风控模型是行不通的。”乔杨说。

与生俱来的数据基因+技术基因

乔杨认为，从事数据技术必须拥有优质丰富的数据源，在风控领域，没有数据源一切技术都是空谈。想必这也是乔杨选择加入ZRobot的重要原因。

ZRobot是何方神圣？在介绍ZRobot之前，我们先说说故事的另外两位“主角”：京东金融和ZestFinance。京东金融是京东集团孵化出的一家金融科技公司，经过近四年的发展，现在旗下已经囊括了供应链金融、消费金融、财富管理、支付、众筹、保险、证券、农村金融、金融科技、海外事业部等十大板块，并实现了将核心能力向卡组织、银行、保险、证券、信托、消费金融等金融机构的输出。

想必多数人对ZestFinance不太了解，ZestFinance由谷歌前CIO道格拉斯•梅瑞尔创办，是一家将机器学习应用在信贷领域的大数据公司。

2015年6月，京东金融对ZestFinance进行战略投资，并表达出与ZestFinance成立合资公司，将ZestFinance先进的建模技术落地中国的意向。

不久之后，京东金融的高层就开始寻找具有海外风控建模经验、对中国业务十分熟悉的人员，经过多番周折他们找到了乔杨。2016年11月，京东金融联合ZestFinance成立了ZRobot，乔杨担任CEO，ZRobot成立之初就获得了数百万美金的天使轮投资，并定位为一家数据技术公司。

ZRobot可以将用户在京东上浏览商品、下单、理财、信用支付等多维度数据作为数据源。除了这些用户授权并脱敏后的电商数据之外，ZRobot还与保险公司、运营商、第三方支付、社交网络等平台进行了合作。在技术层面，ZestFinance具备强大的数据挖掘和模型开发能力。在ZestFinance的模型中要用到超过3500个数据项，从中提取70,000 个变量，利用欺诈模型、身份验证模型、还款能力模型等10 个预测分析模型进行集成学习，得到最终的消费者信用评分。ZestFinance将这些核心建模技术输出给ZRobot，让ZRobot团队在此基础上进行适合中国信贷市场的调整及优化。这样的结合赋予了ZRobot“贵族”基因，让二次“创业”的乔杨很是兴奋。

技术与业务场景相结合才能发挥价值

ZRobot主要根据高维度的变量，利用机器学习、神经网络、深度学习等技术为各类金融及非金机构提供信用评分模型、反欺诈模型和系统、风控决策引擎、ABS资产评估及定价、贷中贷后监控、催收资产评估、精准营销、定制化策略及建模等服务。ZRobot具有强大的技术+丰富的数据源，这样的组合用“无懈可击”来形容一点也不为过。但乔杨却认为，技术本身并不具备价值，一定要与业务场景相结合才有意义。目前，ZRobot有三条业务线：

第一条业务线是信用评估类产品。通过公共信息、资产价值、购物信息、通讯记录、人脉关系等维度对用户进行信用评分；

第二条业务线是线上信贷解决方案。包括决策引擎、信贷策略及模型系统。ZRobot的决策引擎及风控系统能够帮助传统线下金融机构向线上信贷业务转型，同时解决了新开展线上信贷业务平台冷启动的问题，实现无人工干预的线上自动化秒级审批及授信；

第三条业务线是精准营销及资产评估和定价。利用数据技术在传统领域做出创新，提高生产力。

ZRobot是业内率先提出“Network Learning”或“漫网”技术概念的公司，将机器学习与复杂网络技术相结合，通过多维人际关系网络构建与用户个体画像的融合，落地应用于信用评估、关系授信、黑名单拓展、精准营销等丰富的场景。目前，漫网技术已经在京东金融内部使用。乔杨说：“京东金融在多场景积累的实战经验和经过充分优化后的ZestFinance的模型技术是ZRobot的核心壁垒。”

在金融大数据风控领域，入局者已越来越多。从数据的纬度来讲，ZRobot与芝麻信用、前海、腾讯征信不相伯仲；从业务的角度来讲，ZRobot与百融、同盾等企业在服务体系上多有相似之处,但在具体打法上各有不同。乔杨表示：“数据模型的构建需要经验丰富的专业人员，对业务及场景具备深刻的理解力，ZRobot的建模人员均具备五年以上的实战经验，我们不惜成本做出最好的产品。”

目前，与ZRobot合作的金融机构及平台涉及多个领域，风险评估能力覆盖超过6亿人群，客户已经超过200家。在万亿规模的消费信贷市场，ZRobot能否成为大数据风控领域的爱马仕？让我们拭目以待。

来源：数据猿