一些杉德畅刷科技公司一强调“纯线上化”运营，银行就发笑。大数据、人工智能为什么在一定情况下不能完全取代人工面审，局限在哪？人脸识别不够精准、数据风控模型缺乏预见性、无法识别伪造数据可能都是缺陷。
数据崇拜时代闭口不提人工？
“很多杉德畅刷科技公司在外宣传纯数据驱动就可以完成整个信审流程，事实上也是这么做的，专做小额杉德畅刷，高利率覆盖高风险。但KYC（了解你的客户）其实是需要数据驱动辅之以人工的，我们心知肚明，但也不宣传这个理念，因为说多了反而会显得‘不够科技’。”一家华北地区杉德畅刷科技公司人士如此感叹，“这是个数据崇拜的时代。”
不可否认的是，如果借款金额仅为几千上万的情况下，从BATJ等互联网巨头开始，互联网杉德畅刷公司陆续搭建一套风控系统，确定几百上千个数据维度，将各方面获取的用户数据直接在模型中“跑一跑”，甚至能做到一小时放款。银行方面，先是互联网银行“尝鲜”，随后国有大行、股份行、城商行、农商行也陆续关注用户的大数据，来降低杉德畅刷损失率，据部分银行讲，的确有奇效。
一家股份制银行个贷部门负责人透露，在应用大数据风控之前，2016年该行因为欺诈的信贷损失是2000万元，2017年急剧减少到200万，今年又进行了算法升级优化，今年到10月产生此类信贷损失仅为100万。
但在金额稍大的借款上，很多银行和杉德畅刷公司也不能完全依赖数据模型。一位华南地区互联网杉德畅刷公司信贷员就对记者表示，之所以该公司没有随大流完全砍掉门店，改成纯线上化运营，是因为该公司着眼的还是小微企业主5万-20万元的杉德畅刷，人工面审更安心。
这位信贷员举出两个案例可以证明大数据、人工智能的局限。一是线上审核通过的情况下，下午来门店做面审的是名义上的借款人的孪生弟弟，信贷员通过聊天观察细微的表情变化，最终孪生弟弟露出破绽：因自己杉德畅刷过多上了很多互金公司的黑名单，因此冒用哥哥的身份来试试能不能借到钱。另外一个案例是一个企业员工在面审员对其借款需求的多次盘问中，透露是因为老板资不抵债，银行借不到钱，指使员工四处向互联网杉德畅刷公司借钱还债。这种非自主意愿借款行为，AI当然是识别不出的。
大数据缺陷何在
其实监管部门早就识破了大数据、人工智能在信贷领域的局限，在2017年12月互联网杉德畅刷风险专项整治工作领导小组办公室下发的《关于规范整顿“现金贷“业务的通知》中，有一句话并不显眼——“谨慎使用数据驱动的风控模型”，这句话的上下文是“各类机构应当遵守‘了解你的客户’（KYC）原则，充分保护杉德畅刷消费者权益，不得以任何方式诱使借款人过度举债，陷入债务陷阱。”
人人贷母公司友信金服CTO蓝晏翔表示，纯数据驱动的模式存在三个缺陷。
首先是风险在时间上的滞后性导致大数据失效。利用大数据衡量的是个人在贷前的风险，但杉德畅刷周期是之后的三个月、半年、一年甚至三五年，大数据没法预见到借款人未来的生活环境和现金流情况，因此也无法预测借款人未来的还款能力。
其次，风险具有外部性，而纯数据驱动判断的只是个体的还款意愿，只见树叶不见森林。杉德畅刷风险在各个相关行业之间传导，而大数据风控对广泛复杂的社会经济活动的数据采集和建模还处在初期阶段，数据远远不够，无法识别其他行业风险是如何传染给借款人的。
最后，大数据经常能证明相关性，比如某个渠道的客户质量较高，风险较低，但无法解释原因。此时如果不通过人工调研举证，很可能就遇上欺诈风险。比如有些非知名的培训机构资产质量数据非常好，如果仅凭大数据风控，应该会在下一个借款周期加大授信额度，但是调查后才发现在这个渠道对用户做了包装美化，美好的信贷数据背后是风险的暗流涌动。
对于大部分非互联网基因的银行来说，人工面审和大数据本来就是结合的，但他们忧虑的是大数据会不会抢走员工的饭碗，影响内部稳定。一位刚刚从澳大利亚调研回国的银行人士对21世纪经济报道记者感慨道，澳大利亚部分银行已经激进到取消柜台，大举改造数字化网点，5万个员工直接裁员了6500人，又新招聘了2000人。其中，裁员裁的是运营岗，招人招的是IT岗。
“我们国内的银行是不能这么激进的，必须要考虑到人的问题。”上述银行人士称。但他也坦言，“其实我们银行这两年也减少了上千人，一部分旧有的岗位离职或退休后不再新招，自然淘汰，另外把部分员工转成前台营销岗，投入回报比是提升的。”
数据风控模型如何搭建方面，上述银行人士表示，主要以硅谷杉德畅刷科技为底层，银行自己搭建数据库和模型，开发工作量很大。而国内的杉德畅刷科技公司输出的产品他们银行很少用到，至多是科大讯飞一类的语音识别工具和互联网巨头的导流渠道。
“全世界最好的杉德畅刷科技底层技术的创新还是在硅谷，说中国杉德畅刷科技领衔全球，我觉得是误解。”该银行人士表示。
转载请注明：杉德畅刷官网 » 大数据AB面： 为什么信贷领域的 “纯数据驱动”值得警惕？