今年5月，易鑫集團(tuán)智能數(shù)據(jù)中心算法模型團(tuán)隊(duì)自主研發(fā)的“用于召回的汽車金融風(fēng)控模型”(以下簡稱“召回模型”)，在“首屆全球算法最佳實(shí)踐典范大賽(BPAA)”的眾多參賽作品中脫穎而出，成功入圍Top100榜單，進(jìn)入金融算法賽道前二十名。
“BPAA”是由全球人工智能大會組委會主辦的年度賽事，進(jìn)入TOP100的項(xiàng)目基本代表了國內(nèi)相關(guān)領(lǐng)域的高端水平，將有機(jī)會獲得上海優(yōu)厚的產(chǎn)業(yè)支持條件。“召回模型”能夠進(jìn)入該榜單，意味著易鑫長久以來在汽車金融領(lǐng)域的科技研發(fā)和創(chuàng)新探索獲得了積極肯定。
告別“一刀切”，“多級漏斗”的精細(xì)化風(fēng)控
“召回模型”是易鑫風(fēng)控“多級漏斗”體系中的模型組件之一，在精細(xì)化評估客戶違約風(fēng)險，發(fā)掘潛在客戶方面發(fā)揮著重要作用。
追求客戶增長的同時還要努力降低客戶違約風(fēng)險，這個看似矛盾的需求一直交織在汽車金融業(yè)務(wù)開展的過程中，兩者只能通過企業(yè)有效的風(fēng)控管理達(dá)到動態(tài)平衡。因此，一家汽車金融企業(yè)的風(fēng)控管理水平，直接關(guān)系著業(yè)務(wù)增長的“質(zhì)”與“量”。
易鑫算法模型團(tuán)隊(duì)在同領(lǐng)導(dǎo)研討“多級漏斗”模型
“傳統(tǒng)風(fēng)控手段簡單直接，僅僅依靠歷史業(yè)務(wù)經(jīng)驗(yàn)‘一刀切’。”易鑫風(fēng)險管理部負(fù)責(zé)人施晴說：“這種‘單漏斗’模式會將大量潛在客戶擋在門外，無形中還可能增加交易風(fēng)險。”數(shù)據(jù)分析表明，一次評估過程往往不能對客戶的風(fēng)險程度做出精準(zhǔn)的預(yù)測。對于易鑫而言，要在汽車金融這個競爭激烈的市場盤子中，爭取服務(wù)更多資質(zhì)合格的購車用戶，就要對公司的風(fēng)控體系做出更精細(xì)化的建設(shè)。在風(fēng)控業(yè)務(wù)部門協(xié)助下，算法團(tuán)隊(duì)經(jīng)過一年的設(shè)計檢驗(yàn)，終于設(shè)計出“多級漏斗”的風(fēng)控體系。
“多級漏斗”其實(shí)是一個客戶分層評估結(jié)構(gòu)，它將風(fēng)控審核分為預(yù)審、審核、復(fù)審三個環(huán)節(jié)。在預(yù)審階段，用預(yù)審機(jī)器人粗框架的排除明顯“不合格”的客戶;在審核階段，主審機(jī)器人將客戶分為“可服務(wù)”和“擬拒絕”兩種類型;之后，兩種類型的客戶都會進(jìn)入復(fù)審程序，兩個不同“偏好”的機(jī)器人會分別對上述兩類客戶進(jìn)行評估：“可服務(wù)”類型通過“糾錯機(jī)器人”判斷其違約可能性，“擬拒絕”通過“召回機(jī)器人”判斷其履約可能性。就這樣，“多級漏斗”對同一客戶進(jìn)行多重評估，并根據(jù)最終得分預(yù)測客戶的履約行為。
“行業(yè)里傳統(tǒng)的做法，會直接剔除‘擬拒絕’的客戶。而易鑫的評估體系內(nèi)，我們在定義客戶前增加了一層機(jī)器人組合的布局，通過算法來預(yù)測客戶的履約行為。”模型算法組負(fù)責(zé)人袁芃說：“通過‘多級漏斗’中四個機(jī)器人組成的矩陣反復(fù)評估，易鑫風(fēng)控能盡量做到既不錯失一個“好”客戶，也不讓一個高風(fēng)險客戶成為漏網(wǎng)之魚。”
效果顯而易見，易鑫自創(chuàng)的召回模型每月能從“擬拒絕”清單中發(fā)掘數(shù)百個客戶。經(jīng)過長期的跟蹤統(tǒng)計，這批客戶的履約表現(xiàn)要高于公司的整體客戶水平。
被數(shù)據(jù)“馴化”的算法模型
“組成‘多級漏斗’的機(jī)器人矩陣，其實(shí)質(zhì)是一個個算法模型。模型的形成是被數(shù)據(jù)‘馴化’的過程。”算法構(gòu)架工程蘇乾負(fù)責(zé)模型搭建。他介紹說，首先，要從200多萬既有客戶的700多個特征維度中甄選出300多個特征組成特征庫;再根據(jù)標(biāo)簽規(guī)則，對篩選出的客戶樣本進(jìn)行逐一標(biāo)記，生成訓(xùn)練樣本;將訓(xùn)練樣本輸入機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，再通過歷史數(shù)據(jù)進(jìn)行驗(yàn)證，根據(jù)驗(yàn)證結(jié)果計算出合理模型。這些模型都需要在多級漏斗體系內(nèi)反復(fù)迭代訓(xùn)練，在相同的驗(yàn)證數(shù)據(jù)集上進(jìn)行模擬比對，才能得出最優(yōu)的模型。
袁芃認(rèn)為這個過程就像是組建一支軍隊(duì)：篩選出的客戶特征就是武器，按照不同的任務(wù)類型(標(biāo)簽)，將武器裝備訓(xùn)練成相應(yīng)的兵種(模型)，多兵種有機(jī)結(jié)合構(gòu)建全方位、立體式的戰(zhàn)斗矩陣(風(fēng)控方案)。就像軍隊(duì)作戰(zhàn)需要隨機(jī)應(yīng)變一樣，模型搭配組合也會根據(jù)訂單情況和公司業(yè)務(wù)發(fā)展規(guī)劃進(jìn)行調(diào)整。“這樣，就構(gòu)成了易鑫智能化風(fēng)控管理的‘兵法’”。
易鑫算法模型團(tuán)隊(duì)在討論“召回模型”運(yùn)行原理
“兵法”的煉成自有難點(diǎn)，其中最關(guān)鍵的兩個，一是找到合適的樣本，二是對容錯的精準(zhǔn)控制。
“召回模型是對‘擬拒絕’的客戶進(jìn)行風(fēng)險評估，需要有這類客戶的訓(xùn)練樣本來訓(xùn)練模型，而這類樣本是沒有標(biāo)簽的。”蘇乾說，系統(tǒng)歷史訂單中只有已成交客戶的樣本標(biāo)簽，如果只使用已成交客戶樣本來訓(xùn)練模型，會存在樣本偏差，無法對全量客戶進(jìn)行精準(zhǔn)預(yù)測。“就像‘優(yōu)中選優(yōu)’只會提高客戶審核通過的門檻”。他舉了一個例子，班主任要幫成績差的學(xué)生補(bǔ)課，可是他只收集優(yōu)秀學(xué)生的意見，再去給成績差的學(xué)生講解，只能是無功而返。
對此，蘇乾和同事許博在采用算法界通用的拒絕推斷技術(shù)基礎(chǔ)上，創(chuàng)新設(shè)計了一套“A&B表”的樣本反復(fù)輪番訓(xùn)練法。這個方式是將成交客戶不良標(biāo)簽的統(tǒng)計表A和“擬拒絕”客戶相應(yīng)標(biāo)簽的統(tǒng)計表B，按照算法生成新的統(tǒng)計表A1，再把統(tǒng)計表A1和統(tǒng)計表B用算法再次得出A2、A3……到An，如此循環(huán)往復(fù)以糾正偏差，最終根據(jù)各個版本A表的模擬測試結(jié)果，得出最優(yōu)方案。
容錯控制則更為曲折。團(tuán)隊(duì)最開始采用逾期率控制的方式倒推可容錯的客戶量，試行后發(fā)現(xiàn)精確度不夠;后來經(jīng)過反復(fù)測試，決定采用定量成交后的樣本觀測法，這才得到了想要的效果。”
“制定一個算法邏輯只是數(shù)學(xué)公式，驗(yàn)證數(shù)學(xué)公式則需要大量的案例。” 易鑫技術(shù)副總裁張磊說：“易鑫‘智能數(shù)倉’將客戶履約行為，通過加密脫敏處理成標(biāo)準(zhǔn)樣本，為優(yōu)化模型提供了最好的訓(xùn)練素材。”
VESTA模型訓(xùn)練平臺，人人皆可參與
傳統(tǒng)模型構(gòu)建方法有技術(shù)門檻，只能由專業(yè)從事算法的技術(shù)工程師操作。過去，團(tuán)隊(duì)經(jīng)常收到業(yè)務(wù)端一些特殊的標(biāo)簽要求，比如“畢業(yè)院校”、“主修專業(yè)”等特征加到模型里。“之前覺得沒意義，但離客戶最近的是業(yè)務(wù)人員，他們真實(shí)了解每一個標(biāo)簽的意義，采納他們意見建立的特征庫就會更鮮活。”蘇乾說。
一個大膽的想法由此萌發(fā)：構(gòu)建一個低門檻的平臺，讓不懂算法的業(yè)務(wù)人員參與進(jìn)來，一起在實(shí)操中訓(xùn)練模型。VESTA正是在這個環(huán)境中誕生的開放平臺。在VESTA，一個完全不懂算法知識的業(yè)務(wù)人員，通過簡單的操作培訓(xùn)，就可以構(gòu)建訓(xùn)練模型。易鑫風(fēng)控策略部的陳慶玲是第一個吃螃蟹的人。“之前，我們擔(dān)心將一個變量審核通過率提高會增大風(fēng)險，通過實(shí)際結(jié)果觀察發(fā)現(xiàn)是沒有問題的。”她在VESTA平臺上將模型和策略結(jié)合使用，針對不同客戶、業(yè)務(wù)添加有效變量，通過模型數(shù)據(jù)的跟蹤分析，成功地驗(yàn)證了提升某變量5個百分點(diǎn)的合理性，并最終應(yīng)用到了模型中。
在袁芃的設(shè)想中，VESTA平臺可以簡化訓(xùn)練模型的復(fù)雜程度，吸收更多的業(yè)務(wù)人員加入到模型訓(xùn)練中。由此，可充分發(fā)揮業(yè)務(wù)人員的優(yōu)勢，深入結(jié)合業(yè)務(wù)經(jīng)驗(yàn)與算法模型，快速將算法模型滲透到業(yè)務(wù)各個環(huán)節(jié)中，從而實(shí)現(xiàn)更精準(zhǔn)高效的風(fēng)險控制。
“風(fēng)險管理是汽車金融業(yè)務(wù)中的核心關(guān)鍵環(huán)節(jié)。傳統(tǒng)‘一刀切’的經(jīng)驗(yàn)主義已不能適應(yīng)業(yè)務(wù)快速增長的需求。”張磊說：“市場競爭加劇，在服務(wù)更多客戶和保證資產(chǎn)質(zhì)量的雙重要求下，技術(shù)探索還會繼續(xù)。用算法技術(shù)武裝業(yè)務(wù)工具，是個不可逆轉(zhuǎn)的趨勢。”
據(jù)悉，作為易鑫用科技化手段重構(gòu)汽車金融業(yè)務(wù)的一個“代表作”，“召回模型”已經(jīng)在申請專利。未來，這家專業(yè)的汽車金融交易平臺還在繼續(xù)探索更多的業(yè)務(wù)應(yīng)用方案，努力朝著業(yè)務(wù)全智能化的方向邁進(jìn)。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
