TMT观察网_独特视角观察TMT行业

“經過6年的穩健發展與數據沉淀，我們已形成完備的一體化金融風控解決方案。未來，集團還將繼續以金融科技為驅動力，向科技金融領域的領導者邁進。”在PPmoney萬惠集團6周年活動現場，集團首席風控官劉鳳玲肯定地說道。

2018年12月12日，PPmoney萬惠集團迎來6歲生日。現場，劉鳳玲就集團風控、技術運營情況作主題為《用大數據AI技術構建全球領先的智能風控體系》的報告，講述平臺如何通過金融技術賦能普惠金融服務。

劉風玲表示，當前，PPmoney萬惠集團技術、風控已取得一定成果。接下來，平臺將進一步吸收先進金融技術知識加以消化及運營，放眼全球fintech科技發展，以“安心穩健、風險第一”的理念，做好普惠金融服務。

劉鳳玲在現場介紹平臺風控體系

技術和人才，是網貸平臺可持續發展的關鍵。作為信息中介平臺，網貸要更好地踐行普惠金融服務，除了合規這個基礎外，風控技術的提升能讓平臺具備更高的抗風險能力，人才則是實現這一目標的要素。

在PPmoney萬惠集團6周年活動現場，劉鳳玲介紹了集團人才隊伍建設情況及金融科技建設成果。

據介紹，PPmoney萬惠集團技術、風控的核心團隊人員均畢業于海內外知名高校，如哈佛大學、新加坡國立大學、中山大學等，擁有多年海外金融行業從業背景，曾在花旗銀行、渣打銀行、第一資本銀行等大型金融機構擔任要職。

劉鳳玲表示，公司現在在北京有一個人工智能創新中心，里面的人員大多畢業于國內一流高校，現在的主要工作就是基于公司的數據平臺和業務系統，采用AI技術開發各類模型?，F在已有多個模型成功運用于反欺詐、貸前、貸中、貸后、精準獲客等各個業務環節，為基于大數據的風控系統奠定了堅實的基礎。

活動現場，劉鳳玲列舉了雙向循環神經元網絡等AI技術在平臺反欺詐及風控環節的運用。

“神經網絡模型是一種常用的智能風控模型，是以神經元為基礎單元、模仿動物神經網絡行為特征的數學模型，其關鍵要素包括學習規則和拓撲結構。它通過對模型變量的運算，進行要素的預測。”劉鳳玲在現場說道，“我們運用卷積神經網絡(Convolutional Neural Networks,簡稱CNN，前饋神經網絡)和雙向長短期記憶網絡(Bi-directional long-short term memory networks，簡稱Bi-LSTM)等深度學習的算法，挖掘淘寶京東文本特征，提升平臺反欺詐和風控模型預測能力?！?/p>

據介紹，在對用戶進行貸前信用評估時，平臺會通過用戶授權，獲取其諸多非金融屬性數據，如電商消費數據、社交平臺數據等。這些數據實際上能夠反映用戶在一定時間段內的消費行為及購物偏好?！拔覀儠⑦@些數據利用起來。通過算法，由CNN抽取用戶購買的每件商品的特征，由Bi-LSTM獲取用戶在一定時間序列上購買商品的特征，進而對‘黑產商品’特征的挖掘，預測風險。”劉鳳玲解釋道。

除反欺詐環節，劉鳳玲表示，平臺催收環節也已將神經網絡模型運用其中。據介紹，當前由PPmoney萬惠集團自主研發的智能催收系統，就是基于GBDT&RNN(梯度下降樹和循環神經網絡)進來運作的。

以評分模型C卡為例，其通過以決策樹模型為基礎的采用模型組合技術，引入集成學習方法，增強算法性能的GBDT(梯度下降樹)算法、綜合運用NLP(自然語言處理)中的分詞、關鍵詞提取、Word2Vec技術和深度學習中的雙向LSTM循環神經網絡(RNN)算法，實現催收案件模型化評分、提升了評分的準確性。

模型化評分、智能分案、語音及短信智能交互等都是智能催收系統當前已實現的功能。在劉鳳玲看來，平臺這套系統，集合了當前金融科技領域最前沿的大數據及人工智能等技術成果。它基于2000+維度與6年平臺數據積累的客戶標簽與畫像，以GBDT&RNN等為核心算法，通過FressSwitch框架、VAD、ASR、RASA、TTS等技術，提升催收效率與質量。

活動當天，劉鳳玲關于神經網絡的介紹獲得直播間諸多用戶的肯定。而劉鳳玲表示，深度學習是集團關注的一個重點，未來，還將完善系統對全流程深度學習能力，使模塊和組件能適合不同層次變化、開發及需求。

PPmoney萬惠集團6周年活動現場

提及在金融科技領域的規劃，劉鳳玲稱，集團將繼續著重技術研發和人才隊伍建設。一方面有針對性的加強風險技術研發，擴大研發合作領域，加快及繼續完善系統更新迭代；另一方面將面向全球持續招募頂尖金融科技人才。

劉鳳玲表示，PPmoney萬惠集團的眼光并未局限在國內，瞄準的是全球最前沿的fintech理論和技術成果，接下來也希望能進一步開發及完善智能風控科技，持續產出智能風控新成果。