專訪陳磊：拍拍信與金融資料AI

。

陳磊：

拍拍信（ppcredit）資料科學副總裁, 上海交通大學ee碩士，曾任職ebay分析經理，opera solutions分析總監。作為資料行業老兵，擁有超過十年的資料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資料分析和産品解決方案，在資料+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，如何實作風險可控、差異化定價、快速審批。幸而大資料和ai技術使得這一切變為可能，拍拍信一直在做這方面的探索，旨在整合資料資源、充分發掘資料潛在價值，幫助金融機構夥伴搭建和優化風控系統，我們将在會上分享相關的實踐經驗和落地案例

archdata技術峰會将于9月9日上海徐彙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，我這裡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，目标客戶和主營業務嗎？

陳磊：拍拍信資料服務（上海）有限公司成立于2016年3月8日，始終秉承着“專注，服務，創新”的态度，以“資料定義未來，信用改變中國”的理念，緻力于幫助客戶解決資料應用和風險控制問題，并不斷優化疊代我們的技術與服務，為客戶帶來更好體驗。目前客戶主要分布于金融行業，如網際網路金融平台和消費金融持牌機構，主營業務包含但不限于信貸評分、定制化模型、信貸全流程解決方案和系統、反欺詐知識圖譜。

王公仆：請您簡單介紹下在拍拍信内部，ai技術被用在了哪些産品或業務中，效果如何？

陳磊：目前ai技術主要被用于以下幾個方面：

信貸模型：基于深度學習的特征提取，相對于傳統的專家經驗提高了自動化和可擴充性，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；

圖像識别：身份證資訊提取和銀行卡識别，幫助客戶實作風控流程的自動化；

知識圖譜：複雜網絡的識别和挖掘，已被應用于欺詐團夥的識别。

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模組化的呢，原始資料從哪裡擷取呢？

陳磊：我們目前的定位是有深厚金融業積累的資料服務公司：

拍拍信可以提供客戶标準化的信貸評分，也可以根據客戶的需求來定制化信貸評分；

整個的模型周期基本包含資料收集, 資料清洗, 特征工程, 模型訓練, 模型驗證與疊代，模型上線後的自學習也是我們的一大特色；

資料來源主要包含：

a.自有積累資料

b.合作方的授權資料

c.有定制化需求客戶提供的脫敏資料

王公仆：在金融信貸領域，風險控制需要做哪些工作呢？

陳磊：風控覆寫使用者的整個生命周期貸前/貸中/貸後：

貸前的稽核和授信；

貸中的異常監控；

貸後可能的催收。

王公仆：線上上的信貸業務，會遇到哪些信貸方面的挑戰和業務機遇？

風險相對于線下增大，線下信貸客戶真實性可控；

資料次元更多，但稀疏；

使用者體驗需求高，進件規模大，對自動化的要求高。

王公仆：在金融特别是風控的資料模組化/資料研發方面貴公司是如何利用機器學習和大資料進行創新的呢？

先進算法的應用，如boosting、deep learning；

大資料平台的建設，spark叢集，打通資料流和工作流。

王公仆：在大資料方面，貴公司擁有的資料量級是多大呢，一般是用哪種技術存儲和計算的呢？

陳磊：目前資料在百億級，約100t。用hdfs/hbase存儲，及hive/impala/spark進行計算。

王公仆：在資料可視化方面，貴公司是如何做技術選型的呢？

陳磊：前端以e-chart為主考慮到公司處于創業初期，是以選擇開源技術，再加上一部分自主研發。

比如報表系統我們使用pentaho，多元分析使用kylin+saiku，然後自主研發的資料門戶網站等。

王公仆：最後請問在資料安全領域，貴公司是如何保障客戶資料隐私安全的呢？

陳磊：會從多個層面來保證資料安全，比如系統隔離、資料加密及脫敏。

王公仆：最後感謝您接受采訪，謝謝。

原文釋出時間為：2017-09-01

本文作者：王公仆

本文來自雲栖社群合作夥伴“中生代技術”，了解相關資訊可以關注“中生代技術”微信公衆号