IT思维

文| 铅笔道 记者 贾民将

►导语

“国内银行的贷款人都经过严格筛选，信用记录稍有瑕疵就不能通过贷前审核，可坏账率仍然居高不下，年利率也只能做到8%。同样是小微企业贷款，美国富国银行却可以实现很好的盈利。”

审批流程严格复杂、人力成本高、耗时长……传统信贷申请问题重重，却一直没有好的解决办法。

朱明杰的“氪信”便基于此痛点，利用互联网大数据技术，来解决金融领域的信用风险问题。其业务模式为 B2B，服务对象包括银行、P2P 平台、小贷公司和消费金融等金融机构，这些机构为小微企业或者个人提供贷款，氪信帮助他们对客户进行风险评判和定价。”

◆  氪信产品关系图

“氪信”2015年12月成立，创始之初便获真格领投的700万天使融资。目前，它深入供应链、小微企业、商户贷、房产、物流等多个金融场景，提供大数据风控解决方案，已与民生银行、证通、小赢理财、爱屋吉屋等10几家机构达成合作。

注：朱明杰已确认文中数据真实无误，铅笔道愿与他一起为内容真实性背书。

毕业于中国科学技术大学少年班，拥有微软亚洲研究院博士学位，曾在德国马克思普朗克研究院从事大规模数据挖掘工作，在雅虎研究院，eBay搜索部门等有过10多年的数据挖掘、机器学习工作经验…….谈起自己履历，他经常觉得有些不好意思，大概是“科学家下海”还没适应新身份。

创业的想法，他酝酿已久。由于自身大数据、机器学习等技术背景，他一直在寻求一个以数据技术驱动产业革新的切入点。最终，他选定了金融信用风控领域。“金融信用风控是一个典型以数据为驱动的领域。”

在他看来，国内的金融风控还处于技术发展初级状态。“国内互联网金融的创新大多是业务形态方面的创新，如P2P服务、学生分期、互联网保险等。但真正深入利用互联网的核心技术、运营效率的提升等，并没有体现出来。”

问题明显：互联网的发展确实带来了大量的信息和数据，但由于征信和金融机构的技术能力所限，现有客户数据价值没有被深入挖掘，导致他们难以准确描画借款方信用状况。

2~3年前开始，便有诸多金融机构（银行、P2P 平台、小贷公司、担保公司和消费金融公司）纷纷转型，有些找到朱，请求其帮忙升级自身金融系统，以达到提升风控目的。

“我一直有个理念，技术都是需求逼出来的。”朱感觉到机会到了，他产生一个最初想法：基于大数据技术，解决金融领域的信用风险问题。

夏天余热未退，朱和自己之前同事、同学针对创业可行性，讨论许久。15年9月份，国内一家股份制银行找到朱，委托他对银行的小微企业信贷模型大数据升级。他痛快地接下此事。

没花多少力气，朱就召集出一个7~8人的精干团队。朱打趣道：“人品也是信用，在我之前的每段经历里，这帮志同道合的伙伴对我认可有加。”

这帮伙伴大多出自bing搜索、雅虎、ebay、阿里、携程……“比如COO孙楠，就是位传奇女神，她在新加坡工作几年后，又去欧洲、印度、泰国工作，回国后负责携程的国际网站。后来知道我们要做这件事时，她颇感兴趣，每次开会都会烤些蛋糕或点心来。”

这家银行总部在北京顺义，痛点明晰。“国内银行的贷款人都经过严格筛选，信用记录稍有瑕疵就不能通过贷前审核，可坏账率仍然居高不下，年利率也只能做到8%。同样是小微企业贷款，美国富国银行却可以实现很好的盈利。”

随即朱跟团队来到北京，住下，此时的他除了忐忑，更多的是兴奋。

到了之后，团队一边摸索，一边对其系统模型进行更新，加入各维度的数据。更像把互联网里做搜索、推荐的系统搬到金融机构里，用在新的应用场景中。

“传统金融往往采用大量人工特征处理和筛选的逻辑回归模型，但在海量数据场景下, 这种方法就会遇到瓶颈。而互联网大数据技术的核心恰恰是对海量特征数据的处理能力。作为Bing、Yahoo和eBay搜索等“大脑”，先进的集成机器学习模型（比如GBM，Gradient boosting machine）应用到金融信用风险的预测模型中后，效果会大大提升。”

3个月内，经过银行内部数百万小微企业样本的验证，相比传统的逻辑回归模型， GBM模型的KS值提升了52%。

“在北京的那段日子我总是记忆犹新，我们四五个人挤在一套租来的房子里，非但不觉得苦逼，反倒觉得特别开心和充实。”回忆起创业初期，朱充满感慨。

2015年底，团队完成项目，他印证了自己当初的判断，公司也正式设立起来，定名为“氪信“。

公司注册后不久的一天上午，朱见到了真格的刘元，讨论了30分钟后，刘元表示没问题，回去稍微讨论下就可敲定。在去见下一家投资机构路上时，刘元打电话过来，说徐小平老师很看好“氪信”，邀请朱到徐老师家里当面讨论。

徐老师说起话来，有种让人难以拒绝的力量。聊了20分钟，朱就签了TS。于是，“氪信”获700万天使投资，真格领投。

谈话间，徐老师对朱说：“你一个技术出身的人，需要找哈佛商学院或者沃顿商学院的合伙人，这样企业才能做得更大。”

朱腼腆说道：“如果我的合伙人在场，您就不要提哈佛商学院的事儿啦，她是芝加哥Booth商学院的。”

1月份，“氪信”已成熟，产品分为两部分：非或然引擎、Xcloud。

“非或然引擎是智能决策系统，就好像做一道好菜需要原材料也需要厨房，做大数据风控这道菜，也需要利用强大的智能决策系统（厨房），来挖掘金融场景内自有数据（原材料）的价值，通过机器学习建模进行风险定价。而XCloud收集并融合外部数据源，让非或然引擎提供适用于多个金融场景的用户信用风险画像，就好像厨房做菜所必须的自来水和天然气。”

 以“氪信”正在研究的商户POS贷场景为例，放贷方需要对商户进行信用和风险评判，贷款给更优质的商户，然而传统白名单的方法很难在放贷量和坏账率中找到一个平衡。

“氪信”采用非或然引擎直接对接银联内部数据系统，提取商户的销售频次、金额、分布等一系列可以表征其经营状况的有效特征，基于GBM模型构建出一套完整的授信定价策略，给出对每个商户贷款额度的初步建议。

同时“氪信”利用Xcloud上整合的互联网数据，映射至商户和经营者个人，过滤其恶意欺诈、黑名单记录、多头借贷等风险，再将单一的商户经营状况画像拓展至全面的风险刻画和信用评估，在原始的授信策略上做合理的调整优化，最终对接POS贷线上业务系统。

“氪信”POS贷风控解决方案上线之后，以前长达几个星期的信贷决策过程，现在几分钟内即可完成，并且坏账率得到全面降低。

氪信的非或然引擎和XCloud风控云，如同大数据金融风控的左右手，缺一不可。非或然引擎是一套嵌入型风控系统，通过深入垂直金融场景的定制化的模型，深度挖掘行业和机构内部数据，并转化为具有金融价值的用户画像。XCloud是一个DAAS服务平台，对接各类金融场景部署的非或然引擎，通过互联网运营方式横向扩展、逐步迭代，让场景内的金融画像融会贯通。

氪信的XCloud上线之初，特意找了行业领先的P2P公司来测试。测试结果相比业内其它产品，XCloud的KS值（准确率、召回率）高出一倍。

有了一次成功案例，说服第二家金融机构就容易许多。产品上线3月以来， “氪信”立足物流、供应链、小微企业、商户贷、房产等多个金融领域，已与民生银行、证通、小赢理财、爱屋吉屋等10几家机构达成合作。

读完文章，求报道的创业者请加微信号Michael001；

文章原创，如需转载，请加微信号meera003；