“第一個吃螃蟹的人是很令人佩服的，不是勇士誰敢去吃它呢？ ——魯迅

如果是5年前，我們講到用數據在金融領域做風控，那不光是吃螃蟹，那簡直是有些癡心妄想。但如今，國內的每家銀行都幾乎已經有了自己的大數據合作公司了。

也許探索更多的應用方向，就正是當代數據人的歷史使命。

就當代數據人的歷史使命問題，36大數據提問了蔣韜：

“對于數據分析從業者來說，我覺得還是要保持一顆敬畏的心，同時要有很強的創新能力和學習能力，能夠不斷超越自己是最重要的。大數據其實是個概念，說白了就是數據分析，只是說數據的形態在變得越來越多，數據的量再變得越來越大，數據分析的實效要求在變得越來越高。現在數據的形態未來很可能會隨著硬件、物聯網的變化發生很大的變化。當下的任務或者說使命，還是應該以學習和探索為主。”

根據IDC資料顯示，IDC預測大數據和業務分析（BDA）收入到2017年將達到1508億美元，BDA開支增長最快的行業里，銀行復合年增長率為13.3%。

這是個驚人的數字，也是個合理的數字。信用是支持現代社會非現金流轉的重要手段，而今天我們恰恰有了大數據這門技術，使得對信用工具的使用得心應手。

反過來講，金融服務行業也同樣是大數據“變現”最直接的來源；也就說最能見到錢的行業，不避諱的講，金錢是一門新技術最好的溫床。而金融也沒有讓大數據失望，金融已經成了大數據技術應用最成熟的行業，且對大數據業務分析能力依賴性最強。

“構成金融服務板塊的三大領域，銀行、保險、證券和投資服務，這些都顯示出未來大數據和業務分析支出的巨大希望，這項技術可以運用于這些金融機構的關鍵用例中，從欺詐檢測和分享管理，到增強和優化客戶的體驗。”IDC客戶洞察和分析項目總監Jessica Goegpert這樣表示。

所以我們特地對同盾科技CEO蔣韜進行了專訪。

上榜人物：同盾科技CEO蔣韜

蔣韜，復旦大學碩士學位，后加入IBM全球化研究院，2006年加入美會軟件，2009年加入阿里巴巴，在阿里巴巴期間從事反欺詐和風險控制相關領域的研究和產品開發，是阿里眾多反欺詐產品的締造者，13年離開阿里創立杭州同盾科技。

2016年，我們在廣州、深圳和上海等地舉辦活動的時候，大數據風控、金融方面的朋友一直反復在說蔣韜。儼然，蔣韜成了這一行里的明星。

上榜理由：

1、大數據商業模式、變現模式的早期探索者；

2、不光在銀行、保險、理財基金、非銀行信貸、第三方支付等金融領域內，其技術被廣泛應用，在O2O、游戲、社交、電商、航旅領域也在進行積極探索。

3、整合了線上線下的相關數據源，打通了多家銀行、金融平臺之間的數據壁壘；

以下為采訪實錄：

36大數據：同盾金融風控背后的大數據架構師什么樣的？會用到哪些技術？這樣架構的意義和邏輯是什么？

蔣韜：同盾大數據平臺基于主流的開源技術搭建，并在此基礎上做了深度整合和二次開發，整個系統共分三大部分：

第一部分是數據存儲，包括數據采集、交換、清洗、存儲和建模，通過該鏈條完成從線上業務系統到大數據平臺的數據處理，給業務方提供加工清洗后基于業務視圖的數據；

第二部分是數據計算，包括統一的可視化操作界面、數據安全和權限管理、數據計算及任務調用管理等，實現大量離線任務的計算；

第三部分是平臺運維，包括服務器配置管理、擴縮容管理、服務器及業務監控報警以及安全控制等。通過該系統，實現海量的數據處理，高效地支撐數據分析、建模和運營等人員的日常工作，完成數據從線上到線下，再從線下到線上的閉環。

36大數據：目前大數據風控技術的在國內外應用的有什么區別嗎？國內的大數據風控應用從哪里起步，又走到哪一步了，具體落地的情況怎么樣？

蔣韜：“大數據風控其實沒有特別神奇的地方，其和傳統的風控技術的區別在于前者在風控的各個環節里利用了云端數據的力量。我們只是將原來一些在本地的風險分析工作放到了云端，而且放大了在云端做數據分析的優勢，可以做交叉驗證和異常點分析，從而更加有效地發現風險所在。

國內這塊的理念從2013年起步，由同盾提出“跨行業聯防聯控”的理念，一開始挺艱難的，好在現在國內越來越多的金融機構接受了這個理念，解決了數據孤島的問題，讓人工智能能夠真正落地。目前這塊在國內已經有一些工作在起步做工作了，相信會更加有效的幫助金融機構防范欺詐和信用風險。”

36大數據：征信在中國是個大工程，在業務開拓的過程中，遇到過哪些棘手的問題？有什么難點嗎？方便的話，請為36大數據的網友們講一講具體案例：

蔣韜：征信和風險分析還是兩個層面上的概念，征信更偏基礎設施，而風險分析更偏上層，在國家信用體系和大框架還在逐步穩定推進的情況下，如何切實地解決客戶的痛點和難題，利用專業化工具及分析建模幫助金融機構提升自動審批率、及降低欺詐和信用違約導致的壞賬損失，是大數據征信當前的目標。

我們的做法是將傳統本地化的風險分析的工作放到云端去做，解決了過往很多解決不了的難題，同時也需要客戶對于同盾極大的信任，如何建立這個信任感，是我們目前的挑戰。

同盾所做的：

1） 保持業務中立性，不參與金融業務本身，哪怕是再掙錢，只收分析服務的費用

2） 不斷提升專業能力，用專業能力贏得信任

講到具體案例，在美國硅谷就有不少專門做這事的公司，有的規模還挺大，美國許多支付機構、大型電商、金融機構都接入云端分析技術做欺詐風險的分析和預防。但客戶數和場景也在不斷增多，做這類工作其實是很不容易的，是個需要長期堅持的事情。

36大數據：未來個人征信的市場會怎么樣？蔣總怎么看個人征信，未來會有發展嗎？會從哪里開始呢？

蔣韜：未來個人征信的市場在中國會非常大，應該隨著消費信貸的體量增大，個人征信的總體量至少會達到千億級別。

這個市場里不會只有一家征信公司，圍繞著征信公司還會有各類專業化公司，比如做風險建模分析的、做個人信用管理的、做數據交易和中轉的、還會有專門的為企業做評分和評級的公司、還會有專門做反欺詐的公司。所有這些各類公司會形成一個大的體系，在這個體系中各類公司都應該是相互協作，并且可以生存地很好的。

36大數據：蔣總看好Fin tech 嗎？為什么？和同盾相比如何？

蔣韜：我很看好Fin tech 在中國的發展，從某種方面上講，我們就是一家典型的Fin tech 的公司，用科技力量幫助降低金融欺詐和信用風險。中國的金融科技其實已經走在了世界的前列，我希望我們能在中國的金融科技行業的前列。

36大數據：蔣總怎么看待Zest Finance？Zest Finance的發展對同盾有過哪些值得借鑒的地方，和不值得參考的地方。

蔣韜：Zest Finance 是一家很不錯的公司，利用大數據及社交行為去評估個人的信用，同盾在一些特定的場景下也借鑒了Zest Finance 的一些不錯的做法，也在用機器學習和深度學習去提升模型的精度和運算力。

36大數據：現在同盾科技使用的主要風控技術有哪些，其領先性體現在哪里？

蔣韜：同盾的領先性并不僅僅體現在某項技術上，大數據需要三個要素：

1）場景深入的了解

2）優質的數據

3）合理的算法

當然這三個方面要做的好，需要有很深厚的功底，比如優質的數據怎么來，同樣是在app上允許去部署一段 sdk 獲取行為數據，技術能力強的可以獲得更加優質的數據，并且有能力去摒除哪些惡意和干擾性的數據，同時對于場景深入的了解，可以知道具體去獲取哪些數據，才可以獲得更好的結果。這些都需要經驗，有時候看上去簡單的事情，做得好做得不好的差距就是五年甚至十年，這些是急不來的，需要一種工匠精神。

現在我們也在嘗試著研究區塊鏈技術，和北美區塊鏈聯盟達成了合作，目前還在探索階段。

36大數據：如何有效地鏈接技術與市場需求，讓技術更符合商業目標？

蔣韜：技術再牛，也是為市場服務的，好的公司要有洞察市場的能力，要有提前預判市場方向的能力，要愿意把手弄臟、把臉貼地，去為客戶創造價值。不能為客戶創造價值，就不要去收費。

36大數據：對于那些正在實施大數據戰略的公司，您有什么建議給他們？有哪些誤區是可以避免的？

蔣韜：我的建議是，大數據看上去很美好，但是其實是一個很苦的行業，需要長期的堅持努力，要做好三年不掙錢的打算，此外，要避免只做數據、或者只做算法，需要有合適的應用場景，并能夠應用好數據和算法，去解決的問題。

End.

轉載請注明來自36大數據（36dsj.com)： 36大數據 ? 【數據封神榜】 同盾科技CEO蔣韜：大數據行業需要工匠 中國金融科技已走在世界前列