一些金融科技公司一強調“純線上化”運營，銀行就發笑。大數據、人工智能為什么在一定情況下不能完全取代人工面審，局限在哪？人臉識別不夠精準、數據風控模型缺乏預見性、無法識別偽造數據可能都是缺陷。

　　數據崇拜時代閉口不提人工？

　　“很多金融科技公司在外宣傳純數據驅動就可以完成整個信審流程，事實上也是這么做的，專做小額貸款，高利率覆蓋高風險。但KYC（了解你的客戶）其實是需要數據驅動輔之以人工的，我們心知肚明，但也不宣傳這個理念，因為說多了反而會顯得‘不夠科技’?！币患胰A北地區金融科技公司人士如此感嘆，“這是個數據崇拜的時代?！?/P>

　　不可否認的是，如果借款金額僅為幾千上萬的情況下，從BATJ等互聯網巨頭開始，互聯網金融公司陸續搭建一套風控系統，確定幾百上千個數據維度，將各方面獲取的用戶數據直接在模型中“跑一跑”，甚至能做到一小時放款。銀行方面，先是互聯網銀行“嘗鮮”，隨后國有大行、股份行、城商行、農商行也陸續關注用戶的大數據，來降低貸款損失率，據部分銀行講，的確有奇效。

　　一家股份制銀行個貸部門負責人透露，在應用大數據風控之前，2016年該行因為欺詐的信貸損失是2000萬元，2017年急劇減少到200萬，今年又進行了算法升級優化，今年到10月產生此類信貸損失僅為100萬。

　　但在金額稍大的借款上，很多銀行和貸款公司也不能完全依賴數據模型。一位華南地區互聯網金融公司信貸員就對記者表示，之所以該公司沒有隨大流完全砍掉門店，改成純線上化運營，是因為該公司著眼的還是小微企業主5萬-20萬元的貸款，人工面審更安心。

　　這位信貸員舉出兩個案例可以證明大數據、人工智能的局限。一是線上審核通過的情況下，下午來門店做面審的是名義上的借款人的孿生弟弟，信貸員通過聊天觀察細微的表情變化，最終孿生弟弟露出破綻：因自己貸款過多上了很多互金公司的黑名單，因此冒用哥哥的身份來試試能不能借到錢。另外一個案例是一個企業員工在面審員對其借款需求的多次盤問中，透露是因為老板資不抵債，銀行借不到錢，指使員工四處向互聯網金融公司借錢還債。這種非自主意愿借款行為，AI當然是識別不出的。

　　大數據缺陷何在

　　其實監管部門早就識破了大數據、人工智能在信貸領域的局限，在2017年12月互聯網金融風險專項整治工作領導小組辦公室下發的《關于規范整頓“現金貸“業務的通知》中，有一句話并不顯眼——“謹慎使用數據驅動的風控模型”，這句話的上下文是“各類機構應當遵守‘了解你的客戶’（KYC）原則，充分保護金融消費者權益，不得以任何方式誘使借款人過度舉債，陷入債務陷阱?！?/P>

　　人人貸母公司友信金服CTO藍晏翔表示，純數據驅動的模式存在三個缺陷。

　　首先是風險在時間上的滯后性導致大數據失效。利用大數據衡量的是個人在貸前的風險，但貸款周期是之后的三個月、半年、一年甚至三五年，大數據沒法預見到借款人未來的生活環境和現金流情況，因此也無法預測借款人未來的還款能力。

　　其次，風險具有外部性，而純數據驅動判斷的只是個體的還款意愿，只見樹葉不見森林。金融風險在各個相關行業之間傳導，而大數據風控對廣泛復雜的社會經濟活動的數據采集和建模還處在初期階段，數據遠遠不夠，無法識別其他行業風險是如何傳染給借款人的。

　　最后，大數據經常能證明相關性，比如某個渠道的客戶質量較高，風險較低，但無法解釋原因。此時如果不通過人工調研舉證，很可能就遇上欺詐風險。比如有些非知名的培訓機構資產質量數據非常好，如果僅憑大數據風控，應該會在下一個借款周期加大授信額度，但是調查后才發現在這個渠道對用戶做了包裝美化，美好的信貸數據背后是風險的暗流涌動。

　　對于大部分非互聯網基因的銀行來說，人工面審和大數據本來就是結合的，但他們憂慮的是大數據會不會搶走員工的飯碗，影響內部穩定。一位剛剛從澳大利亞調研回國的銀行人士對21世紀經濟報道記者感慨道，澳大利亞部分銀行已經激進到取消柜臺，大舉改造數字化網點，5萬個員工直接裁員了6500人，又新招聘了2000人。其中，裁員裁的是運營崗，招人招的是IT崗。

　　“我們國內的銀行是不能這么激進的，必須要考慮到人的問題?！鄙鲜鲢y行人士稱。但他也坦言，“其實我們銀行這兩年也減少了上千人，一部分舊有的崗位離職或退休后不再新招，自然淘汰，另外把部分員工轉成前臺營銷崗，投入回報比是提升的?！?/P>

　　數據風控模型如何搭建方面，上述銀行人士表示，主要以硅谷金融科技為底層，銀行自己搭建數據庫和模型，開發工作量很大。而國內的金融科技公司輸出的產品他們銀行很少用到，至多是科大訊飛一類的語音識別工具和互聯網巨頭的導流渠道。

　　“全世界最好的金融科技底層技術的創新還是在硅谷，說中國金融科技領銜全球，我覺得是誤解 ?！痹撱y行人士表示。

責任編輯：曉麗