文｜小饭桌记者王艳

　　4月25日上午，刚刚完成B轮融资的氪信举办了第一期氪信“大氪堂”活动，创始人朱明杰、COO孙楠、金融副总裁高强首次跟媒体见面，详细介绍了氪信的业务并回答记者提问。

　　氪信是一个用大数据提供金融风控服务的科技公司，旗下产品CreditX为国内大型银行、物流金融、普惠金融公司搭建了大数据风险定价和控制系统，支持千亿级信贷资产；同时运营线下到线上融合的大数据云服务平台，为多个金融业务场景提供有效的风险云服务。

　　2015年，朱明杰带领10人的创始团队创立氪信，且团队全部是来自一线互联网公司的技术骨干，具有5到8年的工作经验。这样一个“高龄”创业团队创立氪信时，正好踩准了人工智能和互联网金融两个风口，利用人工智能做金融风控。

　　COO孙楠介绍，氪信的风险决策引擎叫非或然引擎，意思是当一件事越不可能的时候，它能够爆发的能量越大。这样的灵感来自于一本叫做《银河系漫游指南》的科幻书，孙楠说，“氪信做的金融风控这件事跟科幻小说很像，谁是好人，谁是坏人，答案就在那里，但你要反推出原因，根据一个答案寻找它的计算过程，再利用计算过程再次答那些没有解答的问题。”对于氪信来说，就是利用这个非或然引擎，降低金融风险。

　　朱明杰说，对于做技术的人来说，他做的事情有几个条件一定要满足：首先做机器学习技术，需要有很大的数据量；同时单条数据的价值必须很高，如果数据不值钱，再怎么挖掘也没有用处。而金融行业恰好符合所有要求：首先金融行业本身就是数据，产生的数据量很大且是它的核心，因此更适合往工业化方向发展。

　　如今人工智能的发展有这几个必备条件：一是移动互联网产生了大量数据；二是模型能力和计算能力的提升；另外，大家的行为都可以通过数字化来表现，以后就可以用机器来预测未来解决问题，而不是靠人来排规则。

　　中国不是一个金融社会，国内只有不到2亿人拥有信用卡。所以，虽然每个人会产生大量数据，但是央行的征信中心只能覆盖很少一部分，金融的授信数据远远不够。但是在未来，微量、非结构化数据将占到80%。

　　而现在中国金融业的现状是，靠的专家经验或者结构化数据这样一套规则来决定是否能够得到金融服务，直播，但是在未来80%的因素将由非结构化的数据来决定。这是一个狭义的征信，它靠机器学习会通过大量的数据和行为来描绘或者预测用户的金融需求。

　　CreditX氪信做的事情，是把人和专家一个一个服务的能力用机器实现。未来的借贷服务、保险、证券投资等都可以实现数据化和智能化。

　　过去大数据征信公司或者做保险的公司，一般的做法就是多收集一些数据的维度，但是真正能落地的很少。

　　总结起来，可以从机器学习的三个维度来考量：

　　首先是信息完备度：如果数据不够，是无法准确做出预测的。拿到的数据不同，得到的结论也千差万别。

　　第二是模型学习能力：从FICO公式评分卡到现在互联网里被海量的数据越过的模型和系统的能力，如果再用评分卡做是不可能的。比如消费金融公司的信贷，一般的普通模型是解决不了这些问题的，必须需要更深度的学习自动加工。

　　模型学习能力一定需要有非常强的数据支撑，但从数据源的角度来看，必须要有很好的加工能力。

　　第三是学习目标，这一点往往被大家忽略。用人工智能解决问题，一定要有足够的学习目标。有了数据，有了模型，更要知道它要来解决什么问题，这是非常高的技术壁垒。一个技术团队如果没有机会跟金融机构合作，把金融数据作为一个学习目标，是做不了任何事的。

　　氪信最开始就跟非常优秀的金融机构合作，他们有大量的金融数据，合作以后才能把大量数据跟金融目标挂钩，才能预测出来目标用户是不是好的信贷对象，是否有可能购买理财产品。

　　所以，能够完成这三件事对于AI+金融的落地非常重要。

　　朱明杰介绍，对于氪信来说，最核心的技术就是模型学习的能力，把过去非结构化的数据关联到金融的风险特征上来。