由 dawei 大家好！我是氪信杨玢玢，负责氪信产品研发。氪信的全称是氪信信息技术有限公司（CreditX），最近刚刚完成了B轮融资。团队的核心人员均来自于雅虎、微软、携程、eBay、央行等世界知名公司和机构，在人工智能领域有超过10年的积累。
在氪信创立之初，我们主要思考这样一个问题：AI应用在金融领域里，如何能够在商业上有所突破？李开复老师也针对这个问题说过他的观点：想要有所突破，需要几个必要因素，一个是要有数据，毕竟AI归根究底还是数据的技术；另外要有处理数据的能力，其次还要有商业变现的场景。技术单独存在不能产生价值，一定要放在一个对技术有需求的场景里面。
我们认为，把AI技术应用于金融领域是一个突破点，而且金融本身是数据化非常完善的场景。同时，金融领域还具备以下几个要素：
第一，市场本身快速发展。在国内目前征信体系不是很完善的情况下，很多有金融需求的人得不到相应的金融服务。氪信通过对数据的搜集和加工，为符合要求的用户提供金融服务。
第二，数据端非常成熟。如今，大家花在手机上的时间特别多，互联网行为就是一个非常好的数据。关键在于如何把它和金融、信用相结合，怎么去拟合他们之间的关系。而这种信任评估是氪信比较擅长的。
从我们决定把AI的技术应用于金融风控，至今已有一年半的时间，在这段实践过程中，我们看到在技术层面、业务层面和战略层面都存在很多痛点，概括来说，就是业务本身对技术提出了需求。比如2016年蓬勃发展的小额现金贷业务，本身就是一个欺诈频发的行业，且没有强数据做支撑，因此，很多从业十几年的金融风控专家在面对新业务形态时，显得有些束手无策。
没有强数据不代表没有数据，事实上，企业还是能够拿到一些所谓的“弱数据”，比如手机上的数据，设备类的数据，或者一些消费类的数据。拿到数据之后去想怎么把这些数据用好，最后再决定要不要给这个人授信。至于授信多少，就需要用到AI技术了。
接下来分享一下氪信的做法和取得的成果。简单来讲风控分为两个部分：一个是反欺诈，一个是授信。
在实践过程中，我们发现区别于传统征信，互联网征信存在几个核心的点： 第一，在反欺诈的阶段，传统征信很难捕捉到一些不是很明显的、由于社交关系和其它关系对自己产生的潜在风险，例如一些团贷、群体欺诈的问题。但是这些问题通过挖掘网络数据价值就可以得到很好的解决。
第二，了解AI的人都清楚，我们在做数据加工的时候，主要还是做特征和建模。在加工的过程中，除了运用专家的方法之外，深度学习也被验证效果突出。建模阶段相比较传统的浅层模型，比如说逻辑回归等等模式，我们采用的是复杂的集成模型方式，因为不同维度的数据具有不同的特点，需要使用不同的建模方法，集成学习框架可以支持不同类型模型算法作为子模型，高效、准确的处理稀疏、超高维、非线性数据建模。
接下来我会分别讲一下我们公司的做法：
第一是底层，我们需要把能够拿到的数据定义为网络需要的关系，底层做一个数据的整合；第二层我们会到一些复杂的网络构建基础，里面有一些信息挖掘和算法；再往上我们会有一些模型，从网络里面拿到隐含的特征，去进行模型的构建；最终来识别比如说一些虚假的申请，或者是一些特殊地域的团贷等。