隨著我國消費市場的不斷發(fā)展，消費信貸、網(wǎng)貸行業(yè)的崛起，產(chǎn)生了巨大的個人征信需求。共享產(chǎn)品免押金、信用支付、酒店免押金、快速借貸等信用生活特權享受，都源自于個人征信價值的體現(xiàn)。

9月19日，技術驅(qū)動型互聯(lián)網(wǎng)金融信息服務公司小贏科技，在紐交所敲鐘上市(股票代碼:XYF)，以每股9.5美元發(fā)行1100萬股美國存托股票（以下簡稱“ADS”），每股ADS相當于公司兩股A類普通股。在承銷商不行使超額配售權的情況下，本次募資總額預計為1.045億美元。在此次發(fā)售中，德意志銀行、摩根士丹利、招商證券（香港）、光大證券（國際）、尚乘任承銷商。

招股書顯示，小贏科技2016年、2017年、2018年上半年的總收入分別為2.3億元、17.9億元、18.5億元，Non-GAAP凈利潤為-1.2億元、3.4億元、4.4億元。能扭虧為盈主要來自于小贏科技依托互聯(lián)網(wǎng)技術以及大數(shù)據(jù)應用，自主開發(fā)的高度自動化風控系統(tǒng)WinSAFE。自動化、標準化、不斷降低的邊際成本、足夠大的市場，是成為互聯(lián)網(wǎng)爆款指數(shù)型爆發(fā)增長的基本要素，從小贏科技招股書相關介紹以及其財務數(shù)據(jù)中，可以看出WinSAFE已經(jīng)得到了市場驗證，而成功敲鐘上市，也代表其得到資本市場的認可。高度自動化風控系統(tǒng)WinSAFE

大數(shù)據(jù)正逐步應用在生活的方方面面，逐漸顯現(xiàn)出大能量，而大數(shù)據(jù)風控的最終效果如何，在國內(nèi)市場中則難見真章。

小贏科技上市后，各項數(shù)據(jù)曝光，使得投資者看到了其領先的數(shù)據(jù)建模能力，以及應用結(jié)果。小贏科技的風控決策，是以數(shù)據(jù)為基礎，結(jié)合業(yè)務場景和客群特征做出的科學結(jié)論。獨立的風控體系、“數(shù)據(jù)驅(qū)動決策”的風控理念，確保了風控政策制定的嚴謹性和落地的有效性。

小贏科技高級風控模型總監(jiān)吳曉春曾展示過小贏科技的建模方案和應用實例，包括邏輯回歸，機器學習算法，復雜網(wǎng)絡等，實現(xiàn)貸前、貸中、貸后整個信貸周期全流程的大數(shù)據(jù)風控。

吳曉春認為，邏輯回歸模型建模過程直觀、含義明確、易于推廣；而機器學習模型能提取高維體征、自動化程度高。

據(jù)介紹，WinSAFE風控體系涵蓋反欺詐模塊、數(shù)據(jù)引擎、決策引擎、審批系統(tǒng)、JANUS業(yè)務報表系統(tǒng)、大數(shù)據(jù)Hadoop平臺、AI機器學習平臺等；隨著業(yè)務的發(fā)展，內(nèi)容還在不斷擴充。

據(jù)小贏科技招股書數(shù)據(jù)顯示，在風控系統(tǒng)第一道風險評估中，僅有20%的申請通過，進行后面的信用評分，第二道風險控制等級評估中，有90%的申請進入到風險定價環(huán)節(jié)，最終得出信用風險等級和定價，ABCD四個等級，分別占比為24.7%、47.6%、10.7%、17.0%；其中，前10%的信用等級平均有23000元的借款額度，底部10-20%的信用等級平均有2000元借款額度。

吳曉春提到，目前個人征信分數(shù)，主要通過評級模型和數(shù)學公式，將來自不同渠道征信大數(shù)據(jù)，匯總并用分數(shù)的形式表示出來。對平臺來講，數(shù)據(jù)的涵蓋的范圍，信息記錄信息的全面，以及時效性是首要重點。反欺詐

當大數(shù)據(jù)模型用于風控，大幅提高審批效率和審批質(zhì)量的同時，欺詐的惡性影響也將隨之擴大，因此反欺詐就是十分重要的第一道防線。

據(jù)介紹，用戶向小贏科技申請借款、提交基礎信息后，風控系統(tǒng)首先要啟動“反欺詐”機制，通過攝像頭、身份認證等手段，把機器人和虛假申請先篩選出去；其次，是要核實用戶的還款意愿，通過調(diào)取信用卡額度、違約記錄、歷史問題等，對用戶做出評估；然后，會在用戶授權的情況下，調(diào)取運營商通話記錄，因為物以類聚、人以群分，小贏科技掌握了一個龐大的欺詐黑名單，如果申請人與黑名單上的人聯(lián)系密切，則被認為很可能存在問題。

在這幾步篩選通過后，剩下的用戶就比較優(yōu)質(zhì)了。風控系統(tǒng)會通過大數(shù)據(jù)分析，做進一步排查。比如觀察用戶的申請時間，在深夜和中午的標簽定級差距較大；比如觀察申請使用的手機是否越獄，是否有可能安裝了模擬定位、短信的欺詐軟件等。目前，小贏科技已經(jīng)積累了兩三千個標簽和字段，幫助系統(tǒng)篩選出問題用戶，根據(jù)新增的數(shù)據(jù)和放貸記錄，進而優(yōu)化模型。