百凌金科邓玉良：产业互联网化升级，数字科技扮演的是什么角色？

百凌金科与蛋壳财经联合打造的的“七问之谈”，试图通过7个问题的直面问答，探寻百凌金科成长路上的成功密码与经验得到。作为to B 金融服务中的重要一环，大数据风控扮演的什么样的角色?百凌金科是如何适配不同垂直场景中的大数据风控需求的?未来百凌金科的大数据风控还将如何迭代升级?本期嘉宾百凌金科CDO邓玉良将会一一解答。

本期讨论话题：

1、to B服务中，金融科技平台扮演的是怎样的角色?

2、大数据技术是如何嵌入百凌金科的产品中的?

3、不同行业的垂直场景，风控逻辑是否有共性?

4、百凌金科跟合作场景方的风控合作机制是怎样构建的?

5、百凌金科的风控优势体现在哪些方面?

6、说到赋能产业，赋予的能力涵盖哪些方面?

7、未来，百凌金科的大数据风控还将如何发展?

带着这些问题，蛋壳财经对百凌金科CDO邓玉良进行了独家专题采访。以下为此次专访的谈话内容。

Q1 蛋壳财经：to B服务中，金融科技平台扮演的是怎样的角色?

邓玉良：提到to B服务，就不能不提产业互联网。产业互联网的本质就是推动企业主体利用数字化技术提升效率和优化配置。在这一过程中，企业实现自身降本增效、完成数字化转型。

在这一层面，金融科技平台应该扮演的是连接器这样的角色，做底层的东西，用大数据、AI等这些基础设施来帮助客户，用科技缩短用户和金融服务的距离。

自成立之日起，百凌金科就专注于大数据处理和金融科技研发，为金融机构和场景端提供整合型的金融科技解决方案，我们的合作伙伴是主角，而百凌金科扮演的是助力的角色。

Q2 蛋壳财经：大数据技术是如何嵌入百凌金科的产品中的?表现在哪些方面?

邓玉良：随着越来越多的金融机构开始拥抱大数据风控，不少人认为大数据与技术可以强化风险评估能力，提升通过率。然而，这是一种认知误区。

金融科技并不能让高风险变成低风险，而是让不同等级的风险更加直白透明地展示在金融机构面前，可以让他们更加容易依据各自的风险容忍度来决定是否批核。

再好的量化风控模型也只是告诉金融机构各个风险等级的违约概率分布。对于两个极端好与坏的违约概率区用户，金融机构可以非常容易地做出评估决策，而对于分布的“中间地带”(即好坏人群较难区分地带)，金融机构则可以通过保险机制来分散风险，锁定违约概率。

同时，金融机构还可以在特定的违约率下，沉淀积累这类长尾用户画像的风险表现，进而迭代优化更细分客群的风控模型。

在数据源同质化很高的情况下，做大数据风控重要的不是数据本身，而是对数据的深刻地理解和高效的利用。以我们平台为例，我们会使用合作方提供的用户成长轨迹、经营规模、资金回流概况等基本数据，结合外部三方数据，去构建用户的各种能力模型，如消费能力、用户成长度、信用能力、欺诈系数等模型，通过这些能力模型，就能够在借前授信、借款审批、借后还款跟进等阶段进行有效的介入。

Q3 蛋壳财经：不同行业的垂直场景，风控逻辑是否有共性?

邓玉良：与C端服务一味地追求标准化、以追求用户适配最大化的目标不同，to B服务更加强调“定制化”。

传统单纯的金融服务外包商更像是一个标准化的齿轮，如果强行将齿轮放置在一个链条上，带动的效果可能是很差的。这就需要根据各个垂直场景的用户特性进行产品适配，“定制化”打造产品，最大限度的贴合场景端用户需求。

当然，定制化不是每一个项目都从头做起，比如风控能力肯定是有经过不断优化迭代、反复打磨的基础模型，但如何针对客户的特殊需求快速地实现落地，这个就非常考验产品设计能力了。

对不同的垂直场景来说，用户特性、合作需求、采购周期、资金需求量等条件不尽相同，产品也要进行相应调整。但底层的风控逻辑是基本一致的。

Q4 蛋壳财经：百凌金科跟合作场景方的风控合作机制是怎样构建的?后续如何迭代?

邓玉良：百凌金科跟合作场景方的风控合作，主要是在贷前和贷后两个阶段介入。

从贷前层面看：前面讲过，我们会使用合作方提供的用户成长轨迹、经营规模、资金回流概况等基本数据，结合外部三方数据，去构建用户的各种能力模型，如消费能力、用户成长度、信用能力、欺诈系数等模型，通过这些能力模型，把符合模型要求的用户注入用户池。

根据合作场景业务的发展变化，持续挖掘业务的知识能力，把这些能力转化成用户刻画能力的变量;同时，随着金融业务的开展，根据样本的不断变化，持续优化大数据模型。

贷后层面看：百凌金科会跟合作平台启用内部信息共享机制，双方保持高效的响应速度，对不同用户采取贷后差异化管理，保证双方贷后管理工作稳健推进。

Q5 蛋壳财经：百凌金科的风控优势体现在哪些方面?

邓玉良：目前，百凌金科拥有三个核心能力：知识体系能力、数据体系能力、决策体系能力，整个业务闭环都在持续优化这三个能力。集合这三项能力，形成柔性智能决策系统。