智能是個非常好的詞，因為足夠普適，什麼都可以跟這個詞組合。比如智能馬桶、智能汽車、智能筆記本、智能手錶，當然還包括智能信貸。讓我們這幫做依靠技術手段做風控的人着實傲嬌了一把，感謝哪些會起名字的人們，我等屌絲高大上了一回。
不考慮吹牛的需求，目前行業中宣傳智能信貸概念的公司，普遍向着用數據、算法、系統取代信貸業務中人工的部分的目標前進，持續的投入技術研發圍繞數據技術不斷提升信貸業務的自動化程度、精細化程度、個性化程度。通過數據、算法、系統相互促進，在整體業務流程中實現更豐富的數據採集點、實現更有節奏的風險管理、實現更優質的用户體驗。比如我們採集了大量的用户行為數據，在數據脱敏的情況下使用 RNN 實現類似於圍棋 AI 中的價值網絡來判斷用户整體的行為序列所可能產生的結果，來區分正常用户與非正常用户，保護正常用户的金融安全，從技術上講我們團隊產生了高昂的電費 - -!
之所以行業會朝這個方向前進，其內因在於業務本身就非常適合技術在其中發揮作用。信貸行業是數據驅動的，整個業務週期會採集大量數據，併產生大量新的數據。信貸行業是低門檻的，只要你有錢有技術一個人都可以做，比如高利貸。信貸行業是流動性強的，因為交易的載體是現金啊。
外因在於整個世界都在慢慢的變成技術驅動的。隨着互聯網行業的興起，近 10 年來人類生產數據的量超過了人類歷史的總和，海量的數據催生軟件、硬件、算法的性能不斷突破上線，便利的數據採集方式、廉價的計算環境、豐富的開源軟件支撐着技術能力高速增值。而“On line”的形式使得國家與國家之間的界限變得模糊，知識的獲取變得從未如此方便，為金融技術的進化提供了豐富的知識獲取渠道與大量的技術從業者，具有高度流動性的金融業務在“On line”的環境下也導致各家機構間的業務壁壘變得更加模糊。最後加上大量資本的湧入，為科技的發展增加加足了燃料，只要創業者的故事能夠支撐足夠的投資回報率，就可以獲得 10 年前想象不到的龐大資金，幫助建立技術、運營、產品紅利，最終創業者們又會反饋給資本高額的彙報，然後再次發生資本對於新的故事的支持。
這些原因使得信貸的業務的競爭從未像今天這樣有趣，從技術上講你所具有的技術別人一樣能夠具有，從客户上講你所能碰觸的客户別人也一樣能夠碰觸，從資金上我是窮鬼不適合講這個問題。於是每家機構都在圍繞場景通過技術、運營、產品手段共同構建系統性的競爭優勢。所以現在行業中的一些大神們提出，風險管理不是一門技術而是一門藝術。因為其需要緊密的鏈接信貸業務中每一個環節，包括客户挖掘、信貸評估、風險量化、運營管理，不良資產管理、宏觀政策以及市場風險、技術研發以及吹牛，從根本上決定一家信貸機構場景的豐富度、價格優勢、產品體驗、業績達成情況與合規，而各家的手段又千姿百態。比如：
1、 某農村信貸機構，派人跑去豬圈裏屬豬。來達到量化農民資產情況的目的。
2、 某消費金融公司，通過住店銷售人員採集貸款客户是否光頭、是否紋身以及用户在 APP 上填寫申請表單的每一個動作，結合自身算法進行欺詐管控和風險定價。
3、 眾多金融公司都鼓吹知識圖譜技術，實際上就是把客户的關係性數據進行關聯分析，然後發現異常點。(吐槽：這特麼跟知識圖譜最大的關係就是數據結構類似吧?)
4、 某大型電商公司，結合自身豐富的場景以及海量的用户數據，實現整體風控閉環。
5、 比如有些信貸機構新產品發佈時盲目放貸然後死掉了，比如有些機構引入了灰度發佈、灰度測試的機制把新產品發佈機制拉長到數月甚至一年，但卻穩紮穩打的逐步壯大。
6、 比如我們團隊，數據多到看不過來，通過窮盡方式程序化提取特徵，然後直接靠深度學習算法跑數據。
最後，風險管理是個嚴肅的系統性的問題。作為技術人員我更感興趣如何創造新的技術高度、如何寫篇高質量的 Paper，但作為風險從業人員我們深刻的理解不論是洋槍大炮深度學習，還是大刀長矛肉眼雷達，智能不是目的，賺錢才是硬道理。