标题：宜信大数据 Joyce Zhang：大数据金融怎么做？
时间：2014年5月20日 (下午1:11)
分类：消息汇
标签：Joyce Zhang, 大数据金融, 宜信大数据
作者：金融趋势

5 月 13 日，由 IDG 资本与创业邦携手举办的 IDG 校园创业大赛上海复旦大学宣讲会圆满落幕。本次校园创业大赛面对所有在校本科及研究生，旨在挖掘校园内的天才开发者和技术极客。宜信大数据创新中心总经理 Joyce Zhang 给大家分享了关于大数据金融方面的创业经历，并分析了应该怎样理解大数据 ?   以下是 Joyce Zhang 的演讲实录： Joyce Zhang： 我今天讲的是大数据金融。我自己是去年加入宜信的，加入之前我没有听说过这家公司。他是一家不折不扣的创业公司，现在在全国已经有 30000 多人。宜信 06 年从线下起家，包括我们做风控，现在互联网金融很火，很多团队几十万买一个软件就做互联网金融的公司，20 多个人做这么一个公司，宜信做风控的有多少人呢 ? 加起来将近 2000 人，我们 CEO 是唐宁，他总是说风控是互联网金融的一个根本。我今天来的主要目的是讲宜信做大数据金融是怎么做的。我会和大家分享在美国还没有上市但是即将上市的大数据的信息。 之前，我们总听到互联网金融这个词。但是，这个词已经落伍了，现在是大数据金融比较火。我去年加入宜信很多我的朋友都跟我，你真会踩点，大数据这么火金融也这么火。我做大数据做了很多年从来不知道大数据会变得这么火，去年最厉害的时候我有 100 多个群，很多人把我拉进各种群，群里面有各种各样大数据群的名字。 怎样理解大数据 ? 在座的我不知道有多少人学计算机出身的，你们对大数据的理解是什么样的 ? 现在很多文章都在讲这个。我团队里面有个同事，他之前是创业的，后来我来了之后他跟我加入这个团队，在新浪微博最火的时候有几千万粉丝，我这个同事刚刚开始火起来的时候他们做了什么事情呢 ? 他们七八个人全部都是做技术的，没有一个做销售的，加上一个做产品的，他们用爬虫把全中文网上的很多文章，各种各样的文章扒下来，做技术学习和分析，分析后做什么呢 ? 他们在新浪微博大概总共开了 3000 多个帐号，比如 facebook 那些事、冷笑话诸如此类各种各样不同的主题不同的帐号，它扒来之后而且还要做缩略，新浪微博只能是 140 个字，还得显得是人写的，不能是机器写的，里面有很多技术难点。通过这样一个自动的流程把这个东西喂到 3000 多个帐号里面，高峰时期 3000 个帐号去重以后 8000 多万粉丝，其中将近 10 个月的时间还赚了不少钱，后来新浪不让做了就把他们给封了，所以还是要自己创业，中国很多所谓做平台的公司，比如 BAT 包括新浪，其实长久来说都不见得很可信。这个地方实际上是一个非常典型的大数据的例子，里面用了很多大数据典型的例子，比如做爬虫，拿来了之后用语音的分析、关联、抽取，放到新浪微博上之后还要分析那些转发，分析之间的关系，还有动态的去调整这个发的频率，这里面一系列都是有很多技术手段的。 讲完这个例子之后，我给大家分享三个在美国做得非常好的几个大数据金融的例子： 一个是 Zestf Inance，它是一个做风控的。他们做了好几年了，拿了很多投资，他们做的是一件什么事情呢 ? 这也是我来宜信做这个东西的信条之一，我觉得一切数据都是信用数据。它会把所有的到它这个地方申请贷款，把所有的在网上的信息，所有触摸过的地方，如果它曾经有些小的网站，把这些全部拿过来去分析，举几个非常有意思的例子：比如说在美国，其实美国人很多人也挺土的，尤其是中西部的一些人，文化水平也不怎么高。在美国如果你写你的东西，尤其我们这样还受一定教育的，你 J 会大写，这个其实可能我们在座的很多人不觉得是什么，但是是体现了教育程度的。在美国中西部很多人上去写全是大写全是小写，从前在传统的银行业他们不会给这个东西很多的关注，说这个体现了你信用的加权，传统的银行业做风控就几十个变量，这样的变量在那个里面都是忽略不计的，大数据做金融，包括我们团队在做的东西，我所有的数据统统扔进去，让机器自己去学习，也许学出来是几万个变量或者几十万个变量，我自己在这个地方做自适应做调整。 另外一家公司叫 Kabbage，Kabbage 是只做这种小的网店的店主，像电商那样的，因为在美国很多这些网店的店主，他在 ebay 他在雅虎，他卖给谁了，好评差评，他就会去关联所有社交的数据，包括这个企业主，很多很小的网站，虽然在 ebay 上非常小，但是他们都在 facebook 和推特上有自己帐号的，他们会把所有的这些东西拿过来之后，这些小企业主如果有自己的网站，一起关联起来做分析。这就是 Kabbage，它号称是 7 分钟放款，我上个月刚刚回美国，他说因为各种各样的原因，所以很多时候他们还是不能做到 7 分钟放款，美国的银行并不比中国高效多少。 还有一个 Lending Club，做的是 P2P 贷款，它把这些人群拿过来，关联所有在网上的信息，不一定是网上的信息，Lending Club 做的一件事情是别的人没有特别去做的，他们关联很多线下的信息，美国的邮政、超市，那种渠道买回来的信息，线上线下都会做关联，评出风险等级，这个人决定要不要投的时候可以去关注风险等级，这是三个在美国做得非常典型的大数据金融的案例。 我的团队来宜信做什么 ? 这么多年我在微软的时候做的是精准广告 + 内容推荐，来宜信后我的想法就是我用同样的技术手段来宜信做风控，风控是互联网金融的根本。现在中国很多互联网公司的状况还不是那么地好，所以需要这么高的成本。我们很多 90 后在迅速地成长，互联网的状况是在好转，所以我们还是在互联网、移动手机上有很多数据的信息可以做。 我今天没有办法分享太多，因为现在在座很多反欺诈的东西是不能分享的，反欺诈从来都是道高一尺魔高一丈。我们可以分享的是在座大数据所谓的风控决策引擎，另外一个是利用大数据实时授信。基于关键词的搜索，我们宜信老说这是一个金融公司，但是内部我们说这是一个屌丝金融公司，这些人在网上的信息是非常少的，谷歌在做这个东西，我们也在做，我们做的是长尾的，我们会把所有网上的信息拿回来之后加上我们自己的信息关联，加上第三方渠道合作的信息，做客户的画像，还做客户关系的关联，得出这样一个知识图谱之后，我去做风控或者我做决策引擎或者反欺诈或者推荐引擎。在座不知道有人用 51 信用卡这样的 app 吗 ?51 信用卡在中国号称有几百万的活跃用户，有几千万的注册用户，因为我有信用卡的流水，之后做机器学习的模型加上点上购买的记录，加上所有的社交信息，我们在做这样一个贷款。
上一篇：廖理,周从意:余额宝的前世：贝宝货币市场基金与利率市场化
下一篇：欧美在线支付及金融服务监管规则