信用寶：大數據+人工智能的應用，讓“信用白戶”更有信用

“信用白戶”，在傳統金融機構里沒有征信、沒有抵押物、沒有數據，所以他們的個人信貸需求無法被傳統金融機構滿足。

據不完全統計，目前，中國有“信用白戶”近5億人。客觀而言，這5億“信用白戶”當中，有些人信用良好、有些人信用極差;有些人還款能力強、有些人還款能力差……

“如何用高效的方式從‘信用白戶’中甄選優秀的借款人、然后用低成本去解決這部分人群的金融需求，這是我們信用寶成立的初衷，讓中國人更有信用的愿景，更確切地說，是讓‘信用白戶’更有信用!”信用寶創始人涂志云博士坦言。

據介紹，信用寶創立伊始，便積極在消費金融領域謀篇布局，避開了競爭白熱化的一二線市場，深入三四線城市，將服務對象鎖定為小的事業單位、小白領、女性消費類人群，借款金額平均在5000~50000元，這樣可以覆蓋更廣泛的普惠人群。

從公開披露的信息可看到，信用寶自2013年上線以來，截止到2018年4月底，經過四年多的穩健運營，累計借貸金額近62億元，共實現近10萬筆借款交易，服務逾9萬4千個“信用白戶”(借款人)。

“小額分散是我們信用寶的優勢所在，也完全符合目前監管政策的要求，雖然機遇總是伴隨著挑戰，但是我們深度融合了大數據和人工智能(AI)技術，在底層資產風險控制方面取得了階段性成果。”信用寶南創總經理周穎表示。

具體來說，信用寶大數據+人工智能在風控方面的應用主要體現在三個方面，分別是人臉識別、信用評分和反團伙欺詐。

事實上，人臉識別技術目前在金融、網貸行業應用得非常普遍，通過“刷臉”這一簡單的動作，便可收集人面部的一些關鍵點形成一份獨特的數據，最后通過核心算法進行計算分析，進行“信用白戶”身份核實。

相對于人臉識別技術，對“信用白戶”進行信用評分要難得多、復雜得多，因為沒有現成的系統可用，這就要求首先就得針對他們量身定制一套征信系統，然后再評分。

毫不夸張地說，在個人征信系統模型建立上，信用寶似乎更具有無法比擬的優勢。信用寶創始人涂志云博士曾為世界三大洲的5家信用局開發了作為行業標準的個人信用管理評分，參與開發了美國個人信用風險評級的行業標準——FICO信用局評分，憑借過往豐富的經驗，涂志云博士和團隊開發出了獨具特色的“中國版FICO信用評分”——信用寶個人信用評分系統：融合美國FICO系統的基礎架構，并在美國FICO評分系統的基礎五要素之上，延伸至15個變量。

信用寶在獲取海量的“信用白戶”的行為數據、社交數據后，通過個人信用評分系統、云計算給每個用戶得出信用寶對他風險的評估，得分高、優質的用戶讓他借款多點而利率低點，得分居中資質一般的用戶讓他借款少點而利率高點，對于實在不靠譜的用戶就果斷拒絕。

除了對單個人的信用進行評分之外，信用寶還會做一個基于關聯人的評估，這樣雖然會花費非常多的精力和資源，但對預防團伙欺詐卻有明顯的效果，能避免一個人拉幾十上百號人來平臺借錢不還(騙錢)對平臺和出借人帶來的傷害。在這方面，信用寶憑借人物通聯關系，依據已知的信用用戶、欺詐用戶，計算出其它人的信用指數，通過豐富的圖算法計算出通聯關系中每個人是欺詐用戶的概率。

讓“信用白戶”更有信用，把他們從“金融沙漠”擺渡到“金融綠洲”，信用寶一直在路上，并一直在不懈努力。