智能风控赋能普惠金融发展

​上海市浦东新区第十届学术年会开幕式暨2019（第四届）上海金融科技创新论坛，于5月17日在上海国信紫金山大酒店隆重举行。RiskRaider风险雷达CEO赵杰应邀参加本次开幕式与论坛，并发表相关主题演讲。

此次会议由上海市浦东新区科学技术协会主办，浦东新区管理咨询行业协会承办，并得到上海市银行同业公会、上海股权托管交易中心、上海市租赁行业协会以及全球领先的咨询服务机构安永的支持。来自政府机构、行业协会、商会、各类金融机构、高新科技企业的代表以及媒体记者等400多人出席。

浦东新区学术年会是浦东科技界一年一度的顶级学术盛会，是为了繁荣发展浦东科技事业，为新区科技社团和广大科技工作者提供的一个展示成果、相互交流的舞台。

前上海市政协副主席、上海市决咨委委员、上海WTO事务咨询中心理事长王新奎热情洋溢的致辞为此次活动拉开了序幕，上海市科协党组成员、副巡视员黄兴华代表市科协到会祝贺并讲话，开幕式由浦东新区科协党组书记、常务副主席顾兵主持。开幕式结束后，浦东新区第十届学术年会举行了首场活动——金融科技创新论坛。

下文根据赵杰在“浦东新区第十届学术年会开幕式暨2019上海金融科技创新论坛”的演讲录音整理：

人工智能大数据主要的一个应用场景、主要的基础突破，在这两年发展变化非常快，可以说日新月异。它业务场景的具体落地点就在智能风控，而它的智能风控主要集中在普惠金融。去年强调普惠金融，整个行业发展趋势有别于以往，对我们大数据风控提出了更高的要求。

RiskRaider风险雷达拥有央行企业征信备案资质，是做企业征信的。以下分享所涉及的普惠金融是与企业相关。

首先分享一组数据。提及普惠金融，不禁会思考普惠金融下面到底埋着多少坑？我们通过大数据手段对中国全量的企业做了风险分析。在今年即将推出的中国企业信用风险白皮书中，统计的18年全国失信企业总的家数有13.53万次。我们对失信的定义，就是欠债不还，包括欠金融机构的，也包括欠供应商的，这个数据里欠供应商的更多。如今欠银行钱的成本太高了，出国出不了，火车坐不了。18年总的企业大概有13万，但在中国真正活跃的两年以上的企业家数，只有一千八百万家。

涉及总的失信金额是多少？12529亿。这个数字只会少于实际数字，绝对不会多于，因为总有一些遗漏的，但是会接近于全量。

其中失信的金额超过本省GDP2%的，是你想象当中经济最发达的地区。而在这些地区里，不管是由于主观的恶意，还是由于本身的经营困难发生拖欠失信行为的老赖也是最多。

去年，1811万家企业的资产负债率上升的有655万家，亏损持续扩大的企业219万家，我们有一千多家企业，但是他们的亏损在持续扩大有200多万家，所以就算知道普惠金融到底有多难做，他们最需要钱，你敢借给他吗？

有很多企业本身没有成为老赖，但是他曾经为老赖企业提供过担保。前几年在江浙特别突出的共保，我们统计下来有1.91万家，为失信的企业提供过担保，很多公司就是由于共保被拖垮。

我们怎么真正地去规避风险呢？RiskRaider风险雷达是2005年开始从事大数据征信，到现在为止专注于这个行业14年。我们的客户是以供应链企业为主，他们基本在国内每个行业的TOP5、TOP3，也有一部分金融的、类金融的客户。这两年服务的融资租赁、城商行或者小贷公司逐年上升。18年下半年以来，这方面的需求比以前越来越高。

我们具体是如何帮助用户来规避信用风险？

第一，事前反欺诈，第二，事后动态风险预警。你防得再好，也不可能没有漏网之鱼。在风险管理行业里有句话，好的风险管理，一定是要很聪明地去承担那些可以承受的风险，后面的风险需要事后风险动态预警，及时比别人早一步发现风险，采取风险措施。

有个模型是我们后台整个逻辑的解释，当一家企业，任何一个维度的数据发生变化的时候，都会影响到其他的维度同时发生变化。

比如说一个企业的净利润降低，可能导致它销售额下降，可能是因为投入研发的力量下降，可能是因为企业的员工减少了，可能是因为现金流出了问题等等都是由一个因素发生了变化……牵一发而动全身，造成其他的业务都发生变化。

RiskRaider风险雷达技术架构，它是数据的抓取和数据的分析。有很多数据源，结构化、非结构化、官方对接、自有数据等等，包括失信黑名单。将它打成最小颗粒度，通过自然语言处理技术，把数据进行深度分析，最后基于不同的应用场景，我们有相应的风险量化标准，出来一个具体可用的结果。

事前反欺诈。在与这家企业合作的时候，查一下其同自身存量所有合作伙伴之间是不是存在着关联关系。该种关联关系在市场上较多见的是股权关系。事实上，做金融的朋友会发现“事前”往往是客户最容易规避的，一般都是隐性的关系，他们之间是否有个人的关系，有共同的高管，有共同的个人股东……RiskRaider风险雷达会把这些数据挖出来。

假如说一个银行里有上万家客户，我们可以同时挖出这家银行里上万的客户有无关联关系。

司法分析。RiskRaider风险雷达有一亿多条信息的司法库，因为做了14年，逐年不断累积。司法是做全面的解析。不只是一篇一篇的文书去看，这里面有关原告、被告、赢了、输了，是劳动诉讼还是合同纠纷等等对于企业的风险影响都是完全不一样的。风险雷达做了非常全面的解析，而且数据出来之后可以直接采纳。

全量黑名单。在风险雷达的数据库里，目前“老赖”企业，欠债不还的总量有130万家，包括欠银行，包括欠供应商。坦率地说，这个数据是一个重要组成部分。许多融资租赁公司，以及保理公司是无法介入央行的征信平台，但银行可以。然而，企业如果在事前反欺诈时，不知道本身其与关联公司有无风险的潜在可能，那基本上就是闭着眼睛同其做生意。RiskRaider风险雷达可以非常好地帮助客户解决这个问题，进行全量关系挖掘，挖掘背后的实际控制人。

事后的动态风险预警怎么做？

很多公司说只要我们风险雷达的数据。我当初大学一毕业就去金融机构做风控，也了解到一个现象：给你的数据越多，你基本就越不会做事情。真正做风险的一定是需要挖掘出这些数据背后的风险相关性，与最终导致它的回流数是多少。

给客户提供的数据，风险雷达会量化每一个事件的风险度。因为该事件的发生，导致客户风险等级波动的情况，风险标签是什么，所以客户每天需要关注，今天有哪些客户风险上升，标准有哪些。对于客户，是不是需要去收贷，是不是要安排人去走访。其实前期基本风险的排查，完全可以通过人工智能方式去实现，实际上效果还是非常不错的。

所有风险事件、风险标签通过后台的算法实时推送、实时更新，也可以通过API的模式直接把数据和风险标签推送给用户。

风险雷达支持“自定义”，包括对风险维度的自定义，包括跟这家公司关键词的自定义。比如在做舆情分析时，可能更加关注这家公司老板跑路或者欠息等等，系统都可以自动把信息抓出来做舆情分析。

而且风险等级也支持自定义，系统给出默认的系统风险评级，用户可以设定风险标准跟其他的分支机构可以打通内部信息共享。

​