雷鋒網(wǎng)AI金融評(píng)論報(bào)道，6月1日，GIAC 全球互聯(lián)網(wǎng)架構(gòu)大會(huì)在深圳召開(kāi)。該會(huì)議是長(zhǎng)期關(guān)注互聯(lián)網(wǎng)技術(shù)與架構(gòu)的高可用架構(gòu)技術(shù)社區(qū)推出的、面向架構(gòu)師、技術(shù)負(fù)責(zé)人及高端技術(shù)從業(yè)人員的年度技術(shù)架構(gòu)大會(huì)，組委會(huì)從互聯(lián)網(wǎng)架構(gòu)最熱門(mén)系統(tǒng)架構(gòu)設(shè)計(jì)、工程效率、機(jī)器學(xué)習(xí)、未來(lái)的編程語(yǔ)言、分布式架構(gòu)等領(lǐng)域甄選前沿的有典型代表的技術(shù)創(chuàng)新及研發(fā)實(shí)踐的架構(gòu)案例，分享他們?cè)诒灸甓茸钪档玫目偨Y(jié)、盤(pán)點(diǎn)的實(shí)踐啟示，打造一個(gè)分享及討論平臺(tái)，改變未來(lái)一年的互聯(lián)網(wǎng)構(gòu)建方式。

大會(huì)更多的討論的是機(jī)構(gòu)方面的技術(shù)創(chuàng)新內(nèi)容，而在6月1日上午舉辦的Fintech分場(chǎng)上，小贏(yíng)科技理財(cái)研發(fā)中心負(fù)責(zé)人林實(shí)立結(jié)合小贏(yíng)科技的互聯(lián)網(wǎng)金融數(shù)據(jù)與應(yīng)用的演講則是為數(shù)不多的業(yè)務(wù)與數(shù)據(jù)運(yùn)用相結(jié)合的分享。據(jù)介紹，小贏(yíng)科技成立于14年，是一家快速發(fā)展的金融科技公司，累積交易千億，注冊(cè)用戶(hù)過(guò)千萬(wàn)，林實(shí)立主要負(fù)責(zé)P2P交易系統(tǒng)的設(shè)計(jì)研發(fā)工作。

據(jù)雷鋒網(wǎng)了解，小贏(yíng)科技所采用的數(shù)據(jù)架構(gòu)是基于經(jīng)典的Lambda架構(gòu)進(jìn)行選型的，Lambda架構(gòu)是Nathan Marz提出的一個(gè)實(shí)時(shí)大數(shù)據(jù)處理框架，其核心思路是將大數(shù)據(jù)系統(tǒng)架構(gòu)拆分為Batch Layer、Speed Layer和Serving Layer三部分，其中批處理層（Batch Layer）針對(duì)全量數(shù)據(jù)進(jìn)行處理，加速層（Speed Layer）針對(duì)實(shí)時(shí)的增量數(shù)據(jù)進(jìn)行處理，從而達(dá)到可以靈活應(yīng)對(duì)任意規(guī)模的數(shù)據(jù)處理需求。但據(jù)林實(shí)立介紹，目前小贏(yíng)科技的數(shù)據(jù)處理“主要還是在離線(xiàn)處理部分，增量處理還是在待建，并沒(méi)有用到很大數(shù)據(jù)的處理。”

那么，在P2P交易系統(tǒng)中數(shù)據(jù)是如何被使用的？林實(shí)立舉了兩個(gè)例子：

第一個(gè)例子是邀請(qǐng)網(wǎng)絡(luò)分析，是基于用戶(hù)生命周期前端的“獲客”行為的數(shù)據(jù)應(yīng)用。從業(yè)務(wù)層面，其希望解答的問(wèn)題是：邀請(qǐng)的營(yíng)銷(xiāo)費(fèi)用花在哪些人上最有效？邀請(qǐng)效果會(huì)不會(huì)隨時(shí)間衰減，具體情況又是什么樣的？

從具體業(yè)務(wù)場(chǎng)景看，該分析主要研究邀請(qǐng)人與與受邀人注冊(cè)時(shí)間上的間隔關(guān)系，以及邀請(qǐng)層次與邀請(qǐng)效果的關(guān)系。通過(guò)對(duì)數(shù)據(jù)的分析，用于指導(dǎo)P2P平臺(tái)在用戶(hù)注冊(cè)多長(zhǎng)時(shí)間后發(fā)起補(bǔ)貼最為合適、針對(duì)哪些用戶(hù)進(jìn)行補(bǔ)貼最為合適，以及預(yù)測(cè)一輪邀請(qǐng)補(bǔ)貼在一定的時(shí)間內(nèi)帶來(lái)多少新用戶(hù)。

小贏(yíng)科技在對(duì)數(shù)據(jù)分析中發(fā)現(xiàn)：對(duì)于普通邀請(qǐng)人（一般用戶(hù)）和非普通邀請(qǐng)人（自媒體，大V等），在邀請(qǐng)與注冊(cè)的間隔時(shí)間、衰減效應(yīng)、邀請(qǐng)層次與邀請(qǐng)效果的關(guān)系有著比較大的區(qū)別。具體來(lái)說(shuō)，普通邀請(qǐng)人的邀請(qǐng)衰減效應(yīng)較為明顯，而非普通邀請(qǐng)人的衰減效應(yīng)相對(duì)沒(méi)有那么明顯，往往還會(huì)出現(xiàn)二次或三次的峰值；如果再進(jìn)一步量化，普通邀請(qǐng)?jiān)诎l(fā)出邀請(qǐng)后到達(dá)預(yù)期被邀請(qǐng)比例（例如50%）的時(shí)間要更短一些，非普通邀請(qǐng)到達(dá)預(yù)期效果的時(shí)間則更長(zhǎng)一些。通過(guò)經(jīng)過(guò)數(shù)據(jù)分析得到邀請(qǐng)的事實(shí)關(guān)系表，可以大致了解到不同邀請(qǐng)人的再邀請(qǐng)傳播系數(shù)，以及在什么時(shí)間激發(fā)、激發(fā)哪些用戶(hù)、通過(guò)什么渠道激發(fā)等指標(biāo)，從而可以指導(dǎo)促銷(xiāo)的投放。

第二個(gè)例子則是高凈值聚類(lèi)分析。其背景則是，客服部門(mén)在人力有限的情況下，如何對(duì)高凈值用戶(hù)進(jìn)行更有效的發(fā)展和維護(hù)？在具體的分析過(guò)程中，技術(shù)部門(mén)則根據(jù)業(yè)務(wù)部門(mén)定義高凈值用戶(hù)范圍，以及高凈值用戶(hù)的分類(lèi)，采用RFM模型進(jìn)行了分析。

（雷鋒網(wǎng)按：RFM模型是在用戶(hù)關(guān)系管理中被廣泛應(yīng)用的模型，按照最近一次消費(fèi)(Recency)、消費(fèi)頻率(Frequency)、消費(fèi)金額(Monetary)三個(gè)維度，對(duì)用戶(hù)進(jìn)行細(xì)分，根據(jù)不同的用戶(hù)等級(jí)分類(lèi)，采取不同的營(yíng)銷(xiāo)策略，并為客戶(hù)管理提供依據(jù)。）

小贏(yíng)科技將RFM三個(gè)指數(shù)進(jìn)行量化：

R：最近一次消費(fèi)，最近一次投資離現(xiàn)在的天數(shù)

F：消費(fèi)頻率，最近30天的投資次數(shù)

M：消費(fèi)金額，最近30天的投資金額

在聚類(lèi)方法選擇中采取等記錄數(shù)和等總數(shù)兩種分類(lèi)劃分方法，其中R采取等記錄數(shù)分類(lèi)，越小分?jǐn)?shù)越高；F采取等記錄數(shù)分類(lèi)，投資頻率越高分?jǐn)?shù)越高；M采取等總數(shù)分類(lèi)，投資金額越高分?jǐn)?shù)越高，并分為5類(lèi)按1-5進(jìn)行評(píng)分，在實(shí)際業(yè)務(wù)中，平臺(tái)可以根據(jù)對(duì)于參數(shù)的重要程度給予不同的權(quán)重，最終加權(quán)得出RFM分?jǐn)?shù)，根據(jù)分?jǐn)?shù)劃分不同的用戶(hù)類(lèi)別。

互聯(lián)網(wǎng)金融行業(yè)中，如何發(fā)揮數(shù)據(jù)的最大價(jià)值？

或許是為了“留一手”，在分享中所舉的兩個(gè)例子都比較簡(jiǎn)單，也沒(méi)有涉及到諸如“利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行大數(shù)據(jù)挖掘”的內(nèi)容。但這實(shí)際也引發(fā)了一個(gè)問(wèn)題的討論：在互聯(lián)網(wǎng)金融行業(yè)中，如何發(fā)揮數(shù)據(jù)的最大價(jià)值？

相比起傳統(tǒng)金融服務(wù)，互聯(lián)網(wǎng)金融將金融服務(wù)的渠道從線(xiàn)下轉(zhuǎn)移到了線(xiàn)上，借助用戶(hù)流量紅利，互聯(lián)網(wǎng)金融在短時(shí)間內(nèi)發(fā)展出了P2P、眾籌、網(wǎng)貸等創(chuàng)新模式，幫助金融行業(yè)提高了獲客的手段，從而得到了快速發(fā)展。然而在互聯(lián)網(wǎng)金融發(fā)展的早期，互聯(lián)網(wǎng)金融公司的主要利潤(rùn)來(lái)源是“去掉中間環(huán)節(jié)”和流量變現(xiàn)，在基于業(yè)務(wù)本身的理解和對(duì)基于數(shù)據(jù)的精細(xì)運(yùn)營(yíng)上做得并不夠。

隨著2015年對(duì)互聯(lián)網(wǎng)金融合規(guī)整頓的展開(kāi)、2016年的平臺(tái)大混戰(zhàn)、2017年的重新洗牌之后，“金融科技”的提法開(kāi)始逐步抬頭。從“互聯(lián)網(wǎng)金融”到“金融科技”，當(dāng)中的區(qū)別不僅僅是名字上的改變，而是在業(yè)務(wù)理解模式和經(jīng)營(yíng)思路上的轉(zhuǎn)變，基于數(shù)據(jù)分析的基礎(chǔ)上，利用機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、區(qū)塊鏈、云計(jì)算等創(chuàng)新技術(shù)手段的金融創(chuàng)新活動(dòng)。在互聯(lián)網(wǎng)金融業(yè)務(wù)的的資金運(yùn)營(yíng)、投資分析、用戶(hù)分析、營(yíng)銷(xiāo)、風(fēng)控等各環(huán)節(jié)，金融科技都在發(fā)揮著重要的作用。

據(jù)雷鋒網(wǎng)了解，互聯(lián)網(wǎng)金融企業(yè)面臨的主要風(fēng)險(xiǎn)為惡意欺詐，70%左右的信貸損失來(lái)自于借款人惡意欺詐，每年互金行業(yè)因欺詐所導(dǎo)致的損失在數(shù)百億元級(jí)別。因此，風(fēng)控也成為了互聯(lián)網(wǎng)金融創(chuàng)新的重地，幾乎每家轉(zhuǎn)型的互金公司都在稱(chēng)“我們的核心競(jìng)爭(zhēng)力是大數(shù)據(jù)風(fēng)控”，在對(duì)外的宣傳資料中，這些大數(shù)據(jù)風(fēng)控模型往往具有幾千個(gè)甚至上萬(wàn)個(gè)變量，以“凸顯”其技術(shù)實(shí)力。

然而在會(huì)場(chǎng)，一位不愿意透露姓名的從業(yè)人士告訴雷鋒網(wǎng)，大數(shù)據(jù)并不能完全解決風(fēng)控的問(wèn)題。在他看來(lái)，目前成千上萬(wàn)個(gè)參數(shù)的風(fēng)控模型過(guò)于復(fù)雜，并不一定能完全反應(yīng)實(shí)際的風(fēng)險(xiǎn)情況，甚至由于需要考慮的東西太多，可能會(huì)影響結(jié)果，而且同一套風(fēng)控體系，換了一個(gè)環(huán)境效果就會(huì)大不相同。

“比如說(shuō)支付寶的個(gè)人信貸業(yè)務(wù)做得很好，我們看到的可能是基于芝麻信用成千上萬(wàn)個(gè)參數(shù)的風(fēng)控，但實(shí)際上可能是因?yàn)?，如果一個(gè)人在支付寶借錢(qián)不還，他可能就沒(méi)法使用相關(guān)業(yè)務(wù)，沒(méi)法在淘寶上買(mǎi)想要的東西，而這是數(shù)據(jù)上看不出來(lái)的?！彼屠卒h網(wǎng)舉例道。

在機(jī)器學(xué)習(xí)領(lǐng)域，過(guò)多的無(wú)關(guān)參數(shù)帶來(lái)的噪音干擾被稱(chēng)為“過(guò)擬合”。關(guān)于參數(shù)的一個(gè)經(jīng)典故事是費(fèi)米曾經(jīng)說(shuō)過(guò)，“我的朋友馮·諾依曼用四個(gè)參數(shù)就可以擬合出一頭大象，用五個(gè)參數(shù)可以讓它的鼻子擺動(dòng)。”引入更多的參數(shù)，可能會(huì)增加模型的精確程度，但如果選擇了不恰當(dāng)?shù)膮?shù)，則有可能會(huì)反過(guò)來(lái)干擾結(jié)果。

而在實(shí)際業(yè)務(wù)中，基于大數(shù)據(jù)分析也有著不小的難度。金融業(yè)務(wù)屬于業(yè)務(wù)復(fù)雜的強(qiáng)監(jiān)管業(yè)務(wù)，存在建模困難的問(wèn)題；同時(shí)可利用的數(shù)據(jù)多元化，但評(píng)價(jià)往往是有限的。成千上萬(wàn)的變量，如何將這些多維數(shù)據(jù)變?yōu)槟芊窠杩?、可以借多少的一維數(shù)據(jù)，不同風(fēng)控系統(tǒng)會(huì)有不同評(píng)價(jià)，這也是最具挑戰(zhàn)性的地方。

而且這樣的問(wèn)題，并不一定能通過(guò)“開(kāi)放數(shù)據(jù)”的方式得到解決。面對(duì)同一個(gè)征信系統(tǒng)，各家銀行的效率、風(fēng)險(xiǎn)控制、定價(jià)能力并不一樣，面對(duì)數(shù)據(jù)開(kāi)放后透明的數(shù)據(jù)，即便有許多可以提供解決方案的金融科技公司輸出技術(shù)，但真正決定大數(shù)據(jù)的效果的，還在于使用大數(shù)據(jù)這把“屠龍刀”的人。

如林實(shí)立在分享中的觀(guān)點(diǎn)：數(shù)據(jù)的運(yùn)營(yíng)不在與多復(fù)雜，而是有沒(méi)有應(yīng)用的意識(shí)，在產(chǎn)品、開(kāi)發(fā)、測(cè)試鏈條里對(duì)建模流程，有一個(gè)清晰的認(rèn)識(shí)，才能有很好的配合，起到實(shí)際的指導(dǎo)作用。

但真正做好這一點(diǎn)并不容易，想要在成千上萬(wàn)個(gè)參數(shù)中找到對(duì)業(yè)務(wù)起關(guān)鍵作用的參數(shù)，不同的人群、不同的環(huán)境、不同的業(yè)務(wù)，起決定作用的參數(shù)可能各不相同，這對(duì)金融公司來(lái)說(shuō)無(wú)異于摸著石頭過(guò)河，即便碰巧找對(duì)了參數(shù)，也可能只是“煉金巫師的煉金術(shù)”。

“風(fēng)控靠大數(shù)據(jù)模型，盈利靠高息貸款”，這也是整個(gè)P2P乃至整個(gè)互聯(lián)網(wǎng)金融目前存在的問(wèn)題。毫無(wú)疑問(wèn)，大數(shù)據(jù)的使用可以?xún)?yōu)化管理，提高風(fēng)控效率，降低風(fēng)控成本，但從目前的應(yīng)用來(lái)看，還是有很長(zhǎng)的路要走。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。