0
| 本文作者： 周蕾 | 2019-09-06 14:04 |
雷鋒網AI金融評論消息，冰鑒科技今日宣布，已于近日完成3.35億元 Pre-C 輪融資，由上海國際集團旗下的國和投資領投，老股東云啟資本以不增加特殊權益superpro-rata方式跟投，其他老股東繼續跟投。本輪融資金額超過冰鑒之前3.15億元的融資總和。
創始人、董事長及CEO顧凌云表示，本輪融資將主要用于三個方面：擴展研發團隊，完善人工智能研究院、商務智能分析、大數據工程等團隊；大力擴展海外業務；以及對上下游進行投資并購，完善公司生態建設和業務版圖。
此前，冰鑒就已經在天使輪、PreA輪、A輪、B輪融資中獲得了來自峰瑞資本、云啟資本、創世伙伴資本、游族網絡等3.15億元的投資。
冰鑒科技創立于2015年初，以全自動化及半自動化方式智能地向銀行及大型金融機構提供風險解決方案為目標，不直接參與放貸；并運用大數據對小微企業進行360度的全方位信用評估。
目前，冰鑒科技基于人工智能技術，已為多家金融機構提供反欺詐、客戶準入、額度審批、監測預警、存量營銷等一整套全流程智能決策風控服務。
其產品線主要分為兩類，一是信用評分標準查詢產品體系，包括基于運營商強授權模型的明鑒分、基于三要素弱授權模型的火眸分等消費貸解決方案。另一類是面向銀行等金融機構輸出的系統產品，包括了決策引擎、數據集市、模型管理三個系統，分別用統一平臺管理企業不同的規則、數據和模型。
值得一提的是，冰鑒科技也正在發力海外市場。早在2016年，冰鑒美國洛杉磯子公司正式成立，主要服務于未被FICO和其他征信機構覆蓋的15%的次貸人群。另外，冰鑒已先后與新加坡華僑銀行（OCBC）、大華銀行（UOB）等多家東南亞開展了合作交流。
上個月，冰鑒科技CEO顧凌云在國際人工智能聯合會議（IJCAI）上接受了雷鋒網的專訪，就金融征信領域的前景、企業技術實力的評判標準、冰鑒科技的人才觀等問題一一作答。
以下為專訪全文。
雷鋒網：根據多年的從業經驗，您總結一下風控重點要解決哪些技術問題？
顧凌云：我這里舉幾個例子：
在訓練樣本有限的情況下，能不能把一個模型建好？
當數據已經足夠多的情況下，卻面臨背后物理含義不清晰時，你該如何對其特征變量進行清洗？
當所有變量都已經出現時，你如何確保一些在傳統變量選擇中未被選中的弱變量，通過變量整合與特征工程，將之變成一個強變量。
一個單一模型一旦效果不佳，你應該如何把模型給集連起來？
面對大量底層數據，該如何自動篩選出模型中的變量？
當你處理數據變得很慢時，該如何通過提高或者改變 cost function來提升收斂速度？
當所有的結構化數據都處理穩妥時，該如何處理半結構化數據或非結構化數據？
當所有數據都處理妥當時，該如何去擴展數據的更多邊界？
雷鋒網：在評價一個模型時，你們一般會使用哪些評判指標？
顧凌云：一個建模做得好不好，是可以直接由客觀標準去判別的，比如借助AUC、Gini score、Precision、Recall、KS的數字去衡量模型的最終效果。
雷鋒網：在你看來，技術與數據之間是一種什么樣的關系？
顧凌云：如果給二者之間求極限，一定是數據勝出，因為沒有數據，就什么都做不了。任一行業在早期發展時，都是從數據開始發展，然后慢慢演變成數據被濫用，侵犯了用戶隱私，然后監管機構開始進入，數據的開源由此受到約束。
所幸，中國開始慢慢從數據為王階段，慢慢開始過渡到技術為王階段。這是因為數據越來越難被獲得，或者說可獲得的數據正在變得越來越公開化。
這就是數據和技術二者之間的關系。
雷鋒網：冰鑒科技經常強調自己的“第三方”屬性，這個該如何理解？
顧凌云：我在美國生活這么些年，逐漸曉得“征信”與“增信”其實是兩碼事，前者屬于國家范疇，需要持有牌照且被嚴格監管；后者則應該以技術為主，讓更多科技企業參與進來。在過去這些年，相信并沒有太多企業能將兩者區分清楚。數據固然好，但我希望只把它當作建模的原材料，而不是去獲取、存儲這些原材料。
“第三方”這三個字的定位其實是非常清晰的，所以在過去幾年中，我們有三件事絕對不做：
買賣數據
碰業務端（借貸）
發數字貨幣
即使上述事情對我們來說其實游刃有余。
雷鋒網：你認為當下的中國征信領域面臨著哪些轉變趨勢？
顧凌云：在我看來，中國現在的這幾個趨勢是不會改變的：
第一、獨有數據今后只有兩條路，第一條由于灰色且非法，最后一定會被關停；第二條由于允許數據曝光在在陽光底下，這也意味著最后一定全部變成市場化、透明化。
第二、從借貸角度來講，所有機構最后一定會變得兩極化，一方是以流量為側重點的借貸機構；另一方則依然以銀行體系內自有資金作為優勢來取得競爭優勢。
第三、獨立第三方技術平臺會變得越來越有優勢，各自的定位將變得越來越清晰——做流量的專心做流量、主攻資金成本也會變成一件極其專注的事情。
雷鋒網：您認為優秀的技術公司應該具有哪些特點？
顧凌云：要想判斷是否是真正的技術企業，只要看這幾個指標，就可以判斷得出來：
算法是不是自己原創的？所謂原創，不是說一定要做一個跟教科書上完全不同的算法，而是能不能從底層開源開始，就自己寫代碼，然后可以任意調整其中的收斂函數、cost function，以及對于數據變量的處理等。
公司有沒有足夠比例的科技人員？一家說自己是高科技公司的企業，結果銷售占了員工總數的80%，而研發人員只占10%，研發經費連3%都不到，那就肯定不是一家真正的技術公司。
能否在任一技術領域做到“常戰常新”。也就是說在戰斗過程中，保持對于科研第一線的敏銳觸覺。今天別人正在做的事情并不重要，重要的是現在正在被研發，處于萌芽階段的算法，你能否第一時間快速地了解，并應用到自己的工程當中。
只有滿足這些條件，我才覺得這是一家真正意義上的科技公司。
放眼中國來看，稱得上“科技公司”的企業其實是不多的。
雷鋒網：您認為一家技術公司有沒有可能存在技術上的絕對壁壘？
顧凌云：其實上，每隔十年，能有一個算法思路取得突破性進展，就已經相當不錯了?；氐秸餍蓬I域，能在保證隱私獲得保護、數據使用得當的前提下，在反欺詐、貸前貸中貸后的客戶沉睡 & 喚醒以及在前端精準營銷等幾個方向上都做好，其實已經是一件相當不容易的事情。
很多人會問，既然你是一家科技公司，那有沒有可能做到降維打擊，僅憑一個算法就輕松擊敗其他企業？這是一件不可能的事情。
我一直強調，這是一個自由競爭的社會，它的流動性是很明顯的。人員的流動、思想的碰撞、學術交流，最后會慢慢把你科技中的領先部分慢慢給抹平。
雷鋒網：既然您強調“常戰常新”，那么在研發與產業的結合方面往往會存在一個矛盾點，你們是通過什么樣的一個機制去平衡這件事情的？
顧凌云：我們有一個AI實驗室，主要起到一個承前啟后的作用。我要求里面供職的必須全是博士，而且在選人過程中還有相應標準：
第一、留美畢業的博士。
第二、我們希望不要博士一畢業就直接就回到中國來，最好在美國能有一到兩年的工作經驗，但也不要時間過長。
第三，最好從美國有過一兩年工作經驗后回到中國，還能在其他家公司干過半年到一年時間，再到我們這里來。
這其實是一種理想狀態，但招到的人基本上都會符合其中的幾點標準。然后我們會要求他們：
第一，需要能夠聽懂大型頂會的內容，而且能自己發文章。
第二，對于每一場頂會中的best paper，我們會有專門的人員去對文章做出復述——我們所謂的復述，是需要對算法進行復現的，來判斷在我們自己的領域中這個算法的效果。
只有把這些全部做完后，我們才會讓工程團隊進駐，進而判斷這些算法可以被運用在在哪些場景里頭。
雷鋒網：冰鑒科技目前一共有多少技術人員？
顧凌云：我們300人不到，科技人員大概占到240-250人左右的比例。
雷鋒網：冰鑒科技目前主要缺哪一方面的人才？
顧凌云：我們的數據科學家崗位全年都在招人，而且這個位置是不設限的。只要是對我們公司或者所處行業感興趣的數據科學家們，我們都歡迎。尤其是對于算法相對比較了解，或者對于Python、R這些數據處理工具使用得比較熟練的。
第二是BusinessAnalyst的人才，主要涉及模型的后續的分析。比如模型出來以后，他要分析具體怎么去應用。比如我的cut-off放在什么地方？我的季節性分析應該是怎么樣的？定額定價模型具體應該怎么做等等。這部分崗位對專業不做限制，我們更看重Brain power，只要你聰明，同時對于新領域能夠保持足夠的觸覺就可以。
第三是純粹的IT，包括對于大數據平臺、Java、C、Spark等這些相對來說比較熟悉的人。
這些都是我們正在尋找的人才。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
