897
專訪陳磊：拍拍信與金融數據AI
。
陳磊：
拍拍信（PPCredit）數據科學副總裁, 上海交通大學EE碩士，曾任職eBay分析經理，Opera Solutions分析總監。作為數據行業老兵，擁有超過十年的數據管理和統計挖掘經驗，為電信、零售、金融等行業客戶提供端到端數據分析和產品解決方案，在數據+技術驅動業務領域有豐富的積累。
大綱：
普惠金融的發展遇到移動化的浪潮，使得消費信貸迎來了高速攀升期，同時也給風控帶來了巨大的挑戰，即在額度區間廣、借貸頻次高、客群下沉情況下，如何實現風險可控、差異化定價、快速審批。幸而大數據和AI技術使得這一切變為可能，拍拍信一直在做這方麵的探索，旨在整合數據資源、充分發掘數據潛在價值，幫助金融機構夥伴搭建和優化風控係統，我們將在會上分享相關的實踐經驗和落地案例
ArchData技術峰會將於9月9日上海徐匯COCOSPACE開幕，在大會之前，中生代技術特邀專家記者王公仆對陳磊總做了會前訪談
陳總您好，首先感謝您花費寶貴的時間來參加ArchData峰會，給大家分享拍拍信業務中的AI技術話題，正式會議前，我這裏有一些問題想請教您
王公仆：之前在杭州地鐵上看到過拍拍貸的廣告，能簡單介紹下拍拍信公司，目標客戶和主營業務嗎？
陳磊：拍拍信數據服務（上海）有限公司成立於2016年3月8日，始終秉承著“專注，服務，創新”的態度，以“數據定義未來，信用改變中國”的理念，致力於幫助客戶解決數據應用和風險控製問題，並不斷優化迭代我們的技術與服務，為客戶帶來更好體驗。目前客戶主要分布於金融行業，如互聯網金融平台和消費金融持牌機構，主營業務包含但不限於信貸評分、定製化模型、信貸全流程解決方案和係統、反欺詐知識圖譜。
王公仆：請您簡單介紹下在拍拍信內部，AI技術被用在了哪些產品或業務中，效果如何？
陳磊：目前AI技術主要被用於以下幾個方麵：
信貸模型：基於深度學習的特征提取，相對於傳統的專家經驗提高了自動化和可擴展性，同時使得高階特征的提取成為可能，最終模型性能有大幅提升；
圖像識別：身份證信息提取和銀行卡識別，幫助客戶實現風控流程的自動化；
知識圖譜：複雜網絡的識別和挖掘，已被應用於欺詐團夥的識別。
王公仆：作為金融行業的信貸公司，請問你們是怎樣進行信用建模的呢，原始數據從哪裏獲取呢？
陳磊：我們目前的定位是有深厚金融業積累的數據服務公司：
拍拍信可以提供客戶標準化的信貸評分，也可以根據客戶的需求來定製化信貸評分；
整個的模型周期基本包含數據收集, 數據清洗, 特征工程, 模型訓練, 模型驗證與迭代，模型上線後的自學習也是我們的一大特色；
數據來源主要包含：
a.自有積累數據
b.合作方的授權數據
c.有定製化需求客戶提供的脫敏數據
王公仆：在金融信貸領域，風險控製需要做哪些工作呢？
陳磊：風控覆蓋用戶的整個生命周期貸前/貸中/貸後：
貸前的審核和授信；
貸中的異常監控；
貸後可能的催收。
王公仆：在線上的信貸業務，會遇到哪些信貸方麵的挑戰和業務機遇？
陳磊：
風險相對於線下增大，線下信貸客戶真實性可控；
數據維度更多，但稀疏；
用戶體驗需求高，進件規模大，對自動化的要求高。
王公仆：在金融特別是風控的數據建模/數據研發方麵貴公司是如何利用機器學習和大數據進行創新的呢？
陳磊：
先進算法的應用，如Boosting、Deep Learning；
大數據平台的建設，Spark集群，打通數據流和工作流。
王公仆：在大數據方麵，貴公司擁有的數據量級是多大呢，一般是用哪種技術存儲和計算的呢？
陳磊：目前數據在百億級，約100T。用HDFS/Hbase存儲，及Hive/Impala/Spark進行計算。
王公仆：在數據可視化方麵，貴公司是如何做技術選型的呢？
陳磊：前端以E-chart為主考慮到公司處於創業初期，所以選擇開源技術，再加上一部分自主研發。
比如報表係統我們使用Pentaho，多維分析使用Kylin+Saiku，然後自主研發的數據門戶網站等。
王公仆：最後請問在數據安全領域，貴公司是如何保障客戶數據隱私安全的呢？
陳磊：會從多個層麵來保證數據安全，比如係統隔離、數據加密及脫敏。
王公仆：最後感謝您接受采訪，謝謝。
原文發布時間為：2017-09-01
本文作者：王公仆
本文來自雲棲社區合作夥伴“中生代技術”，了解相關信息可以關注“中生代技術”微信公眾號
最後更新：2017-09-01 15:02:36