黃爽：我在傳統金融工作了10多年，大概是三年多以前去了陸金所，一年多以前去了百度，我想結合自己傳統金融的一些工作經驗，特別是在百度這樣一個工作實踐，今天可能時間有限，15分鐘的時間，所以很難給大家做一個完整的體系性的介紹。更多的可能是我們在工作中摸索的一些實例，來講講在今天我們這個新的時代，當我們面臨更高質量發展的時候，智能金融能給大家做些什么。

    應主辦方的要求，由于是講講痛點，我覺得這個主題還是非常一致的，可能我講市場面多一些。整個經濟結構的調整可能是過去幾年的一個大基調，當經濟的結構在調整的時候，很多傳統的智慧可能并不能很快告訴你好資產是長什么樣子的，很多傳統的信息也不能夠用于評估這個資產的收益和風險。我們也發現其實在大消費、大健康整個消費升級的概念下，金融也是同時共振的，個人業務在金融整體的占比是逐步提高的。新金融這一方面在產生一些沖擊，但是沖擊剛剛來臨的時候，可能也會出現一些初步的亂象，這也就迎來了一些新的監管，這些可能都是痛點。

    當個人業務比重逐漸增加的時候，我們怎么能夠回歸本源，更加有序、健康的把這一塊做起來。現在看起來，在去發展這個過程當中，也是有就個人業務本身產生的痛點的。比如說個人在中國有一個非常有利的現象是中國的移動占有率非常高，中國的客戶可能比世界上任何一個國家的客戶，包括美國的客戶在手機上沉淀的數據要更多一些。但是這些數據有沒有非常完整和有效的運用到我們的金融布局當中。

    另外我想特別講一下金融需求的問題，很多亂象其實和金融的真實性有非常大的關系。比如金融，你每天都要消費，每天都要注重健康，可是大家不會每天都去買理財產品，也不會每天都去借錢。那就出現一個問題，你可能要抓住這個人需求的時機，讓這個需求的滿足更加有效。另外是你可能對他的定價和他是不是真的需要這個東西還是受你的“蒙蔽”去做了這個東西，做很準確的評估。很多高利貸是在哄騙客戶的情況下產生的，所以金融風險的評估和金融本身的評估是同樣重要的，我想這也是新金融可能會給大家帶來一些促進的地方。最終我想做金融的都關心的就是一個風險定價的問題，所以我可能更多的是從這幾個方面去看待我們今天的痛點。

    我們提出了一個智能金融的概念，其實這也是在整個百度對人工智能進行一個非常大的投入這么一個大前提下，剛好今天我們Robin的帥照也上了《時代周刊》的封面，好像上一期是習大大。他主要講的是說，中國在人工智能上的投入和創新已經給美國的硅谷造成了一些沖擊，因為剛好我們前一陣子做了中國無人車的技術在硅谷的演練，所以可能也造成了一定的科技界的影響。

    在這樣一個大背景下，我們怎么能把人工智能應用到金融界？所以我們提出了智能金融的這樣一個概念。智能金融我覺得它可能具備兩大系列的特點：第一個特點是它就是在一個數據極大的豐富、算法到了一定的水平、算力到了一定水平的時候，以至于這些數據可以用在這樣一個金融產品的設計和金融業務的模式里面，這是數據、算法、算力的問題；第二個特點，人工智能有很多類別，最先能夠影響到，或者最先能夠商業化的類別，其實很多時候是對傳統產業的一個改造，也是對我們傳統產業全鏈條的改造，不僅僅影響到我們從資產到資金各個環節的。實際上很可能把這些環節分割的更細一些，今天可能我不做全面的闡述，重點講一下獲客和風控這兩個方面。

    獲客其實剛才也提到了一個需求的評估，不僅僅是獲客成本的問題，也和我講的畫像前置和金融產品本身的設計有關系。另外這樣一個風控其實是我們講的具體的風險評估的應用，以及反欺詐的一些方法，這是講一個智能金融的概念。

    其實很多互聯網公司都會講人群畫像，你去阿里，他會給你講人群畫像在營銷上的應用，很多互金公司會講人群畫像在風險上的應用。我個人認為，人群畫像本身對風險的評估是比較有限的。但是人群畫像其實是對金融產品的設計，對金融產品的本身會不會滿足這個人的需求是有非常大的借鑒意義的。人群怎么畫像？或者他怎么改變了一些傳統的東西。首先講講我們有什么，對于百度來說，他可能有60億的日搜索的請求，14款上億用戶的APP，10個億移動設備的行為。剛才講的所謂的智能金融，首先要建立在數據夠多的情況下。當然了，你要有算法去處理，抽取出這些數據里面隱含的東西。抽取出什么？最早很多人說百度不能做金融，不能提煉對金融有意義的事情上。可以在過去一年半里面，很多的時間是花在提取對于金融有意義的標簽上的，比如關系數據，誰和誰是朋友，誰和誰互相關注了，照片上可能有互相的熟人，或者在貼吧上其實是在一個吧里面的。身份信息，大部分時候還是實名的，或者和一個設備串在一起，其實很多時候，我們是把人、設備和信息串在一起。設備號本身能夠代表的這種信息串起來的這種能力，其實可能比手機號還要重要一些。還有一些金融屬性，比如說有沒有車，經常出現在什么地方，LBS的一些數據，這些都能夠幫助我們形成一些金融數據的標簽。

    在標簽的基礎上，我們再去跟人群畫像，這個畫像其實未見得是百分之百準確的，但是如果你想他是90%準確的時候，對你金融產品的設計和營銷其實已經是非常大的促進了。我比較喜歡用的一個例子，可能大家都能明白，就是講一個500強的員工，以前你可能要問他要張名片，現在你可能只需要他每天開車是不是去這個地方，還有他用的Wi-Fi。你知道這個人是不是一個500強企業的員工，在一個新金融的環境里面你不需要見到他，就可以給他一個金融產品的設計，要容易得多。

    需求的評估，我們常常說搜索是一個人需求非常真實的表達，你朋友圈發的是不是真實的自己我們不知道，但是你搜的東西通常是你最真實的需求的表達。關于這個人需要什么，比如他是有貸款的需求，有旅游，有各類的消費需求，包括他可能在什么樣的渠道或者什么樣的一個App上跟我們有一個更好的互動，這些其實都會直接影響到他想要什么東西，以及他有多想要這個東西。

    剛才講到，金融產品畢竟是一個低頻的東西，所以及時性和延時性也是很重要的。就是有些東西的決策周期是很短的，比如說你因為租房需要錢，你租房的決定估計兩三天就決定了，等你真正查租房這件事的時候，你就需要住了。當一個人開始考慮裝修到裝修結束幾個月，第一天跟他講裝修借錢的事一點用都沒有。所以你深度分析這些數據的時候，你會形成一些及時響應的模型和延時響應的模型，可能對他們的展業會產生很大的作用。可以幫助我們設計更好的金融產品，滿足他們的需求。這已經實際應用到了我們的資金端和產業端，從資金端角度來說，可以降低獲客成本，你找到一個合適的顧客，找到一個合適的時機，能夠讓他有效的對你響應。所以理財金用戶的獲客成本一般是我們的常規渠道，大概是1/10到1/30。而我們信貸的用戶，其實也是最高的20%和最低的20%，大概相差10%。如果最高的1%和最低的1%，可能是相差90%，如果我們做一個所謂的需求評估模型，是有非常大的區分度的。

    剛才講了一個需求的評估，現在講一個更加傳統的信用風險的評估。信用風險的評估我想講的是，也作為一個傳統金融的從業者，我們其實一方面是在用很多的百度數據，一方面我們認為，數據本身，或者也不是全部，還是要集合很多其他的信息，還要進行信息的厚度對用戶進行分層。現在看起來，這個分層也是有效的，時間有限，我就不多說了。

    企業其實也是一個有同樣的應用，企業的應用比如說一個商圈的人流或者車流，一個商店的人流和車流，一個城市的開發區人流和車流，本身可能并不能完整的評估什么。可是剛才我們講缺少一定的透明度，至少是可以呈現一個檢驗的驗真或者補充的作用，不管從保護投資者，還是對這種財務風險進行一個有效的參考，都是具有實踐意義的。

    這一張雖然是講的反欺詐，其實我想講的更大的一個意義在于這是一個線上的能力應用到線下。這是什么東西？我們內部把這個叫“癌癥圖”。第一個就是線下有一個機構，它是一個正常的機構，每天正常的作業，我正常的跟他合作進行一個信貸的服務。第二個是一個騙貸的機構，你就會發現，所有的人流里面，人和人的相關性突然變大了。就是如果有相關的會變顏色，但是如果你把所有的機構加在一起，以前所有騙貸的人，逾期人員都放在一個同樣的關聯網絡里面，就會發現，同樣一個機構就會長成第三張圖那個樣子，也就是說，當我掌握了一定的騙貸數據以后，他每天都可以告訴我，我面對的這個線下的機構是健康的，線下的機構這個客群和來申請我金融產品的客群是不是健康的，如果是健康的，應該長得像一個正常的細胞，如果是不健康的，他長的更像一個癌癥的細胞。我想這也代表一種趨勢，越來越多的線上能力，其實可以應用于傳統的線下機構。

    剛才講的是第二個特點，貫穿在整個業務鏈條里面。實際上我們在整個鏈條里面也是有非常多的實踐和輸出，左邊的這種大型金融機構是整體的解決方案，我們跟農行在做一些金融實驗室，不僅僅是從模型的角度，還有從具體的一些感知方面的引擎，像柜面的文字，在線的一些東西，包括我們有很多遠程授信，還有一些營銷的場景，比較全面的一些應用。中小型的機構，可能更多的是一種菜單型的東西，還包括我們的區塊鏈也都已經應用到我們自己發行的證券化的產品里面，這樣我們在律所、信托公司資產方之間和投資人之間，都會形成一些智能的合約。

    如果總結一下今天的發言，還是在講隨著人工智能的發展，我們在業務里面，不管是從資金端還是資產端都有更多的實踐。這些產生的解決方案，其實是能夠幫助我們解決剛才講的需求真實的評估，線上的數據更廣泛的應用，能夠增加資產的透明度，包括資金資產更多的匹配。我想即使百度是一個數據大咖，但是我想它的數據畢竟是有限的。我們常常對無真性人群百度的數據有很好的評估能力，對于有真性人群是一個有益的補充。所以很多時候，我相信如果是一個共建生態的概念，我覺得智能金融也可以走得更遠。

    我就介紹到這里，謝謝大家！