数据去噪是特别具有技术挑战的难题，不只对我们是难题，对所有的从业者都是难题。我们要花很大的精力去做数据的去噪。除了技术手段要高，机器学习的能力要比别人强，还有一个关键的方面，就是要用多个数据源去交叉验证。有些时候，在技术不完全能解决的情况下，就要线上线下相结合，进行验证。

金融云能力拆解

《21世纪》：你将宜信在大数据金融上的探索方向描述为“金融云平台”，其具体含义是什么？

张小沛：宜信做了8年多的金融，对金融风控、反欺诈等还是有很多深刻的理解，所以我们在搭建基础技术、框架的过程中，把这些理解抽象出来，形成金融层面的一种核心能力。再把这种能力做到云计算的平台上去，这就是金融云。

进一步说，金融云平台拥有一般云平台的特点：分布式存储、分布式计算框架、虚拟化环境，但与一般的云平台的差别在于，这是一个基于金融业务的云平台，其中包含着特定的业务逻辑。

宜信将风控、反欺诈、获客能力等核心的金融逻辑抽象出来，作为金融云平台的内核。我们希望把这种金融能力向生态系统的合作伙伴去分享，打造一个共赢的生态体系。

2014年，我们在生态体系内做了很多尝试与合作，比如我们与eBay的合作。eBay上有很多的外贸电商从业者，在国内华东、华南地区大约有几十万商家。这些商户有非常强的融资诉求，如果他们授权宜信访问其在eBay上的相关经营数据，那么我们就能通过分析其网店的历史数据从而对他们进行实时授信。

eBay是我们第一个合作伙伴，到目前为止，我们还有几十个其他类型的合作伙伴，有物流平台、仓储平台、软件供应商平台，还有很多不同的O2O平台等等。

《21世纪》：能不能举个具体的例子，宜信是如何通过数据分析用户的信用的？

张小沛：金融云的金融能力分为好几大块，eBay这个例子我们称之为实时授信。金融云还有许多其他的能力，比如反欺诈、贷中贷后的管理、金融获客，还有个性化产品的定制和推荐，以及跟理财相关的资产配置等，这些都是金融云的能力。

举例来说，一个网店有好几年的交易历史，它有很多交易的流水数据，也有很多品类的数据。那么它的顾客群体是什么样的，客单价是多少，这些顾客是怎么分布的，有多少男性，多少女性，多少是回头客，诸如此类的数据我们都会去看。一个卖衣服的网店和一个卖手机的网店处于不同的垂直行业中，那么我们除了看这家店过去的历史交易情况，还要看其在垂直行业中所处的位置。

在此基础上，我们会关注在不同的社交媒体上，别人是如何评价这些个人和商家的，这些数据我们都会放到模型里面。我们的后台有一堆非常复杂的模型，只要是数据统统都扔进去，通过分析最后形成对他的认知，决定给不给他贷款，额度是多少，费率是多少等。

《21世纪》：在此基础上，你们是否会对用户进行分类或“画像”？具体是如何画像的？

张小沛：在做了那么多模型和分析后，最终的目的就是要对用户做画像，去做认知。在金融云中，我们提出一个概念比“用户画像”更前进了一步，叫做知识图谱。这是金融云上一个非常重要的基石。

原来做用户画像时，画像之间是彼此独立的，但这并不符合现实生活中的场景：人并不是独立存在的，人与环境中的万物都是有关联的。因此，我们特别强调实体间的关系。如果说每个人是知识图谱中的节点，那么人与环境所形成的关系就是两点间的线。当把点和线综合起来分析时，我们对个人的性格特征、信用状况、财富属性都会有更深层、更全面的理解。

我们时时刻刻都在将不同的数据拿过来做解读，不停地往这个图谱中做添加和修正。我们为什么能做实时授信，就是因为很多东西之前已经在图谱中计算过了。加上用户当时给我的那些数据，我只要在原来的基础上做叠加就可以了。因此，不是所有的东西都是当时算出来的，那个难度还是非常大的，我们的逻辑是提前算和当时算相结合。

分享