百度的AI技术基因正不断注入百度金融，经过自营业务的打磨和沉淀，百度金融将日益成熟的金融科技能力对外输出。无论是数据、技术，还是对业务场景的理解，百度金融科技都居于行业领先地位。
调研
张扬李喆
撰写
刘馥亮
年12月14日，百度整合既有金融业务组成金融服务事业群组（FSG），由高级副总裁朱光全面负责，并上升为百度战略级位置，致力于成为最受信赖的金融服务公司。
自成立以来，百度金融全面发力消费金融、理财资管、互联网银行、互联网保险、钱包支付等多个业务领域。除了自营金融业务，百度金融率先提出“智能金融”，围绕人工智能等技术创新不断深入研究，拓宽金融服务场景，持续对外输出金融科技，赋能金融机构。
截至目前，百度金融已经为农业银行、招商银行、南京银行、浦发银行等近家金融机构提供智能金融服务。
以身份识别和大数据风控为先导的AIFintech百度金融在AIFintech领域已完成七大布局：金融云、区块链、智能获客、身份识别、大数据风控、智能投顾和智能客服。
在金融科技的运用方向上，从身份识别和大数据风控切入，具有多重优势。
首先，身份识别和大数据风控在金融领域具有通用性。借贷、保险和第三方支付等领域都需要风控能力。其次，风控是金融业务的核心、刚需。
此外，由于身份识别和大数据风控门槛高，对于金融科技输出方的要求也随之更高。对于金融机构来讲，身份识别和大数据风控是业务根基，因此金融机构会采取审慎态度选取厂商，建立信任的周期长。
建立信任周期长，一旦建立，客户黏性也更大，容易与金融机构建立长期合作关系，并具备较强的延展性，有机会切入到其他应用场景，发展空间更大。
百度和百度金融选择从身份识别和大数据风控切入，是基于自身深厚的技术积累。身份识别包含人脸识别、OCR识别、声纹识别等，以人脸识别为例，年百度世界大会上，李彦宏介绍百度人脸识别的准确率达到99.7%。
大数据风控上，百度金融有反欺诈产品(风险名单、关联黑产分、多头防控分)和信用类产品等。百度拥有超8.6亿个账号和每日数十亿次的搜索行为数据，依托全网数据建立用户画像，通过风险名单、多头防控分和关联黑产分和信息核验、信用分等输出信用反欺诈和交易反欺诈能力。
输出行业解决方案,提升自身品牌影响力百度金融科技主要客群包括银行（如农业银行、招商银行卡中心等）、持牌消费金融机构、持牌小贷公司、保险公司以及互金公司等，为客户提供身份识别、反欺诈、信息核验、信用分等系列产品能力及一体化解决方案，解决客户面临的身份伪冒、欺诈风险、虚假材料、信用风险等痛点问题。
百度金融科技与机构客户的合作基本可分为两类：
一类是业内常用方式，百度金融科技将能力开放给合作伙伴，后者根据自身业务有选择地对接。直接通过API或SDK调用，可实现快速接入，具有便捷、安全的特点，比如身份识别、反欺诈产品（风险名单、多头防空分、关联黑产分）、信息核验、信用分等产品，都可以通过该种方式输出。此外，百金融科技产品既可以输出单点能力，又可以输出整体解决方案。
另一类是全方位战略合作，代表客户是农业银行，覆盖信用卡业务、个贷业务、网络金融业务等各个部门的业务需求。除了在系统层面，农业银行可以直接调用百度金融科技的成熟产品之外，双方还共建农行金融大脑平台。目前，百度金融大脑已经通过联合实验室模式赋能给农业银行，感知引擎提升用户体验，思维引擎提升决策效率，降低运营成本，控制风险。
与农业银行的深度合作，将在百度自营金融业务之外，帮助百度金融科技加深对更多复杂金融场景的业务理解能力，进而提升金融科技能力对业务的增益效果。同时，从国有大行到股份制银行，再到城商行，服务大银行的基础，增强了百度金融科技解决方案的可复制性。
未来，百度金融科技也将以一体机的方式赋能给更多合作伙伴，不仅可以支持多方数据加工整合，而且可以将机器学习模型融合，支撑分析预测与精准营销和控制风险，通过更加便捷的软件，为合作伙伴提供软硬一体的综合解决方案。
数据量大、算力强、算法领先且形成闭环反馈，数据金融属性不断增强人工智能核心比拼数据、算力和算法，百度金融科技在这三方面都处于行业领先。
数据方面，数据量大且标签丰富。百度每天拥有数十亿级的搜索数据、百亿级的定位数据和图像视频数据，形成了一张亿个顶点、亿条边的关联网络，可以有效识别骗贷团伙。同时，自营金融业务可沉淀金融数据，据百度金融大数据风控产品负责人介绍，百度金融科技的数据维度达到多个。
除了数据量和数据丰富，百度金融科技的数据可形成闭环反馈。首先，自营金融业务可提供事实结果数据；其次，合作的金融机构也可以给予一定反馈。数据闭环有助于百度金融科技不断修正、迭代大数据风控产品。
由于百度金融科技的数据主要来源于百度体系内部或合作金融机构，数据源丰富且数据的金融属性不断增强。
算力层面，百度有中国最大的GPU集群，在GPU性能和规模上成本优势明显。强大的计算能力为大规模计算和及时响应业务、提升客户满意度奠定基础。
算法上，大数据风控平台拥有百度独有的数据特征和算法。百度的梯度增强决策树可以聚合大数据高维特征，可以实现高维数据降维、增加风险区分度；百度的深度学习，将特征嵌入，利用关联挖掘等解决数据稀疏问题。从+降维至维，可将行为的风险区分度有效提升5%+；而基于百度数亿级用户数据，通过图计算，可将信用标签传递，丰富信贷样本。
百度过去几年重金吸引全球顶级AI人才，持续多年的大规模研发投入是算法领先的保证。百度金融科技除了内部几百人研发团队，还将共享百度体系内的AI技术研发成果。在上万研发团队的支撑下，百度金融科技有着大量的技术储备，为金融科技产品的不断迭代、完善和升级奠定扎实基础。
依托于百度的庞大数据量和在AI领域的技术积累，百度金融科技以身份识别和大数据风控为切入点，从风控环节延伸到机构客户的获客、营销和资金等方面，未来将形成全流程的解决方案。
爱分析从数据、技术与产品、客群、获客、场景理解能力等五个维度评价百度金融科技。
数据：百度体系内生数据量庞大，数据维度丰富，且通过自营金融业务和合作伙伴能形成丰富的数据生态。
技术与产品：百度在AI领域重金投入多年，技术实力雄厚，将百度AI技术不断注入金融业务，在通过自营业务验证和沉淀后对外输出成熟产品能力，既有通用性产品，也可提供定制化解决方案。
客群：以银行、保险公司和持牌消费金融机构等大客户为主，且从标杆客户深度合作做起，从大客户往下做客群下探，产品和解决方案的可复制性强。
获客：依托百度自身的流量优势及对于人群画像的精准优势，能够帮助客户解决其面临的痛点问题，半年内合作金融机构近家，获客能力强。
场景理解能力：自年开始探索互联网金融业务，有多年业务经验，目前覆盖信贷、理财、支付、银行、保险等各领域金融业务，覆盖范围广，通过自营业务积累了对诸多业务场景的理解能力；与农行深度合作，在服务大型国有银行和近家金融机构的过程中，进一步加深对业务场景的理解能力。
(注：场景理解能力指金融科技服务商对金融场景、业务运作和客户需求痛点的理解能力。)
近期，爱分析专访百度金融大数据风控产品负责人，节选部分内容分享如下。
反复打磨技术，百度人工智能注重业务落地爱分析：百度金融科技对外输出的产品如何产生？
BAIDUFINTECH：整个架构的最底层是数据层，往上是技术层，包括机器学习、图关联等算法层面的东西，再往上是远程身份认证、大数据风控等产品功能。基于我们自己的理财和信贷业务，运用数据和技术，沉淀、抽象出一些特定的产品功能，对外去输出。
爱分析：技术团队如何划分？
BAIDUFINTECH：基本按产品功能、分模块，比如风险名单，黑产关联，多头借贷，活体人脸识别比对，OCR卡证等，都是一个个独立的团队，基本是根据一个一个垂类的场景划分。
有部分底层通用的技术，比如人脸识别，是放在整个百度体系去研发；而与金融强相关的技术，比如风控，则是放在金融科技去做。
爱分析：一个新技术应用到业务场景中，会经历哪些流程？
BAIDUFINTECH：有4个步骤，首先会有一个离线的基本测试，基于这个测试做数据分析，如果效果符合预期会进入产品Demo工程化，开发出来后给到业务团队，做线上的数据测试，测试完进行评估，如果评估结果是能给业务带来正向增益效果，最后全量上线。
爱分析：机器学习在反欺诈领域会用到一些聚类和图计算相关的技术，信用类产品（比如信用分）中有用到机器学习相关的技术吗？
BAIDUFINTECH：都会用到，反欺诈类相关产品，比如风险名单、多头借贷等样本，更多是用到监督机器学习；信用分类用户分层产品，更多则是用到无监督机器学习。
其实不存在哪种技术就更好，更多是服务于业务场景，需要解决什么问题，就应用相关的技术。
爱分析：技术在应用过程中，会碰到哪些挑战？是技术本身要继续提高，还是在数据层面继续改进？
BAIDUFINTECH：更多是如何将现有数据和技术应用起来的问题。算法越复杂，可解释性就越差。偏传统一些的算法，对业务的增益效果和算法的可解释性都足够用，从产品的角度评价，并不一味推崇最前沿、最顶尖的技术，更具决定性的还是看对业务的增益效果，讲究达到技术与业务实际增益的平衡最优。
以风控切入，从单点服务到全流程解决方案爱分析：最近一年，客户对大数据风控的需求是否有变化？
BAIDUFINTECH：我们观察到客户对多头共债和活体识别的需求在增加。因为政策要求以及机构获客手段的丰富（如很多机构通过移动端获客），H5活体识别的市场需求变大了。
爱分析：银行客户是服务信用卡中心，还是会包括车贷、房贷和其它业务？
BAIDUFINTECH：银行的需求还是比较多元的，卡中心在各个银行都走得比较前列，整体的产品和技术相对成熟。但银行个贷业务类部门和网金业务类部门也都会有相关需求，主要看合作方式。如果是战略合作，那就是全方位地调用百度金融科技的能力。
爱分析：受监管影响，总的客户量在减少，服务方向是往持牌机构去努力，产品上的应对策略是什么？
BAIDUFINTECH：我觉得是两种思路，一种是把相对比较集中的客户服务得更好，从单点服务能力变成系统化解决方案，全流程去服务。风控切入之后，如何去满足资金、获客等更多维度的需求，比如与持牌金融机构合作，在人群下沉过程中合理定价、提供可持续的金融服务，都是应该探索的。
另一方面是两三千家非持牌机构，面对监管高压需要调整自身业务，百度金融作为一家平台，如何从合规的角度和他们一起探索持续发展，也是我们要考虑的。
爱分析：金融机构是否有可能找一个总包商，提供单点解决方案的公司成为总包商的供应商？
BAIDUFINTECH：目前，金融机构还是一个一个去对接各模块的能力，比如远程身份认证，可能会找face++或商汤，大数据风控可能会找百融、同盾。
如果有一家公司想做总包商，取决于金融机构如何看待，总包商如何与金融机构内部的IT团队有分工和互补，而且必须对金融机构有非常明确的业务增益，这些问题都明确，才会有总包商的出现。
爱分析：客群往下沉，比如系统和基础设施可能不太完善的银行类金融机构，如何切入？
BAIDUFINTECH：系统是一个层面，如果是有相应的IT团队和系统能力的客户，百度金融提供系统层面的对接，直接调用就行。
AI想要落地，一定要去适应行业。对于没有系统能力的银行，若把大数据风控能力做得简单易用，且对银行业务有增益，银行客户会逐步去接受和适应外部的技术输入。
客群下探我们是在探索的，比如城商行可能业务会有差异、需求也有差异，我们更多是看现有的能力如何去满足他们的需求。
爱分析热文新龙榜
新龙榜TOP
新金融
互联网金融TOP
互联网金融TOP50
互联网保险TOP35
消费金融TOP25
财富管理TOP42
投资机构TOP30
互联网支付TOP20
虎鲸榜TOP50
互联网保险TOP25
互金概念股TOP30
创富人物榜TOP50
影响力50人
企业服务
企业服务TOP
企业服务TOP50
大数据TOP72
B2B电商TOP50
云服务TOP50
网络安全TOP30
大数据影响力50人
B2B电商影响力50人
其它
出行服务TOP50
人工智能TOP50
教育科技TOP50
语言教育TOP20
移动医疗TOP30
汽配维修TOP20
家居家装TOP36
汽车创新TOP64
新零售TOP
汽车金融TOP25
蚂蚁金服
陆金所
陆金所（二）
联合健康
京东金融
微众银行
趣店
FICO
易鑫集团
捷信
借贷宝
宜人贷
拉卡拉
诺亚财富
金融
网信理财
泰康在线
乐信调研肖文杰访谈
点融网
微贷网姚宏访谈
宜信财富
人人友信
泛华金控
钜派
百融金服张韶峰访谈
OscarHealth
投哪网
马上金融
美利金融刘雁南访谈
Elevate
信而富
金蛋科技
银客网
宜信博诚
大数金融漆瑾声访谈
买单侠
量化派
金斧子
小虎金融
小雨伞
网金社
群星金融
米么金服
LPL
CapitalOne
大道金服
卡卡贷
会分期
省呗
中腾信
鑫合汇
点牛金融
邓白氏
飞贷
惠金所杨冀川访谈
预览时标签不可点收录于话题#个上一篇下一篇
