信用宝：大数据+人工智能的应用，让“信用白户”更有信用

“信用白户”，在传统金融机构里没有征信、没有抵押物、没有数据，所以他们的个人信贷需求无法被传统金融机构满足。

据不完全统计，目前，中国有“信用白户”近5亿人。客观而言，这5亿“信用白户”当中，有些人信用良好、有些人信用极差;有些人还款能力强、有些人还款能力差……

“如何用高效的方式从‘信用白户’中甄选优秀的借款人、然后用低成本去解决这部分人群的金融需求，这是我们信用宝成立的初衷，让中国人更有信用的愿景，更确切地说，是让‘信用白户’更有信用!”信用宝创始人涂志云博士坦言。

据介绍，信用宝创立伊始，便积极在消费金融领域谋篇布局，避开了竞争白热化的一二线市场，深入三四线城市，将服务对象锁定为小的事业单位、小白领、女性消费类人群，借款金额平均在5000~50000元，这样可以覆盖更广泛的普惠人群。

从公开披露的信息可看到，信用宝自2013年上线以来，截止到2018年4月底，经过四年多的稳健运营，累计借贷金额近62亿元，共实现近10万笔借款交易，服务逾9万4千个“信用白户”(借款人)。

“小额分散是我们信用宝的优势所在，也完全符合目前监管政策的要求，虽然机遇总是伴随着挑战，但是我们深度融合了大数据和人工智能(AI)技术，在底层资产风险控制方面取得了阶段性成果。”信用宝南创总经理周颖表示。

具体来说，信用宝大数据+人工智能在风控方面的应用主要体现在三个方面，分别是人脸识别、信用评分和反团伙欺诈。

事实上，人脸识别技术目前在金融、网贷行业应用得非常普遍，通过“刷脸”这一简单的动作，便可收集人面部的一些关键点形成一份独特的数据，最后通过核心算法进行计算分析，进行“信用白户”身份核实。

相对于人脸识别技术，对“信用白户”进行信用评分要难得多、复杂得多，因为没有现成的系统可用，这就要求首先就得针对他们量身定制一套征信系统，然后再评分。

毫不夸张地说，在个人征信系统模型建立上，信用宝似乎更具有无法比拟的优势。信用宝创始人涂志云博士曾为世界三大洲的5家信用局开发了作为行业标准的个人信用管理评分，参与开发了美国个人信用风险评级的行业标准——FICO信用局评分，凭借过往丰富的经验，涂志云博士和团队开发出了独具特色的“中国版FICO信用评分”——信用宝个人信用评分系统：融合美国FICO系统的基础架构，并在美国FICO评分系统的基础五要素之上，延伸至15个变量。

信用宝在获取海量的“信用白户”的行为数据、社交数据后，通过个人信用评分系统、云计算给每个用户得出信用宝对他风险的评估，得分高、优质的用户让他借款多点而利率低点，得分居中资质一般的用户让他借款少点而利率高点，对于实在不靠谱的用户就果断拒绝。

除了对单个人的信用进行评分之外，信用宝还会做一个基于关联人的评估，这样虽然会花费非常多的精力和资源，但对预防团伙欺诈却有明显的效果，能避免一个人拉几十上百号人来平台借钱不还(骗钱)对平台和出借人带来的伤害。在这方面，信用宝凭借人物通联关系，依据已知的信用用户、欺诈用户，计算出其它人的信用指数，通过丰富的图算法计算出通联关系中每个人是欺诈用户的概率。

让“信用白户”更有信用，把他们从“金融沙漠”摆渡到“金融绿洲”，信用宝一直在路上，并一直在不懈努力。