调研 | 卢施宇 唐靖茹 高禹

撰写 | 高禹

从金融领域切入 向多元场景扩展

近年来金融科技公司如雨后春笋般涌现，以科技赋能金融成为流行，而量化派则在2014年创办之时便定位数据驱动的科技公司，在金融业务中发挥数据和前沿技术的作用，在纵向深耕金融科技基础上，横向布局多元场景的科技应用。

量化派富有科技基因，有多位世界知名高校毕业的博士，创始团队曾在Capital One、Google、贝莱德、阳光保险等担任高管，技术能力深厚，金融背景扎实。

依靠团队在金融和大数据风控领域的经验，量化派首先将数据科学应用于互联网金融中，帮助金融机构实现科技转型，随后逐步开放其技术能力，向B2B2C业务扩展。

创业初期，量化派面向未能通过传统金融机构充分满足需求的线上人群，以电商、旅行、租房等为目标场景，提供定制化的资金解决方案服务覆盖超过3000万C端用户。

通过三年在金融领域的科技应用实践和经验，量化派证明了自身的科技能力，并于2017年底加强在更多场景入口的布局。

由于积累了较多的C端用户及资金端、场景端的合作伙伴，量化派在多元场景入口的布局有了充分的行业资源和客户基础，且针对多元客群、场景有丰富的获客、风控技术经验。

量化派的技术服务业务以金融机构和场景端为目标客群，将获客、风控、贷后管理能力开放给资金端，为消费场景对接资金端、提供消费金融及分期业务的全流程技术支持。

量化派核心技术产品为系统平台“量子魔方”，该平台包括三大板块：大数据风控平台“量智算”、精准营销与获客平台“量智产”、客户管理平台“量智管”。

在输出形式上，根据不同合作伙伴的需求，量化派既可以做一站式全流程技术服务，也可以分模块进行输出，既可以对接量化派的云端服务，也可以帮助合作伙伴实现本地化部署。

借助技术、资源与团队优势，量化派帮助合作伙伴实现科技转型主要模式是利用大数据、人工智能、机器学习等技术，与合作伙伴针对某一目标细分客群共同设计创新金融产品，联合进行风控建模。

根据产品上线后的客户转化率和风险表现，适时产品策略和风控策略。在产品表现稳定后，再进一步拓展人群、周期和产品类型，走多元化、多模态发展路线。

近期，爱分析对量化派的创始人兼CEO周灏进行了访谈。周灏是北京大学物理学士、莱斯大学物理学博士，曾任Capital One总部资深统计师、巴克莱银行全球精英中心副总裁、摩根史丹利总部量化分析师。

访谈中周灏就行业发展趋势及量化派的业务、战略进行了阐述，摘选部分内容如下。

市场趋向理性 精细化科技服务需求提升

爱分析：2017年行业调整以来，金融科技涌现哪些新机会?

周灏：首先，金融机构的科技转型需求变得越来越强。从2017年底以来，很多金融机构主动找到我们，希望我们能帮它们快速落地。

其次，业内的技术水平在逐渐成熟，技术更新速度很快，在利用新技术方面我们也看到了很多机会。我们目前非常看好智能语音，这在未来会是非常广泛和高频应用的技术，但量化派会更关注垂直领域的细分需求。因为我们希望能够把技术真正落地到场景中去解决问题。

目前我们的智能语音技术已经应用在金融贷后管理和客户服务，有效提升催回率，提升用户体验，降低贷后管理的人力成本和时间成本。

此外，我们认为针对用户和场景也有一些新的机会点在慢慢浮现。

爱分析：在消费金融领域，金融机构有哪些新的需求?

周灏：一方面，金融机构有深入挖掘现有客户的强烈需求，最开始它们可能觉得新方法不一定管用，但是经过几年时间，它们也慢慢开放起来，发现如果运用一些新的数据、手段、方法，完全可以把现有用户好好利用起来。

第二方面，机构对互联网化的场景、风控手段有很多诉求。

第三方面则是创新需求，有的金融机构希望有新的业务增长点、新的模式，但并不知道具体该做些什么，那我们可以一起来探讨，分析各自有什么资源，商讨出新的商业模式来，这部分需求比较多样化，并不趋同。

爱分析：量化派为何从金融领域切入做科技业务?

周灏：我们最开始做科技公司，选择从金融领域切入来做，一方面是因为金融是基础建设，连接各行各业，我们能够通过金融行业触达到多元场景和多元人群;

另一方面，金融天然具备数字属性，市场需求空间巨大，金融业的科技转型是大势所趋，我们能够通过金融行业更快地证明自己的科技能力，我们从最开始就是科技公司的定位和心态。

2017年监管下来对我们非常有利，因为监管推一把，提升了行业门槛，引导行业健康规范发展，才把很多市场空间带出来。

在这个过程中我们的位置摆得比较正，就是帮助各类机构做业务的一方，在这个过程中帮客户形成比较好的商业模式、满足它们的诉求，是非常共赢的模式。

2018年我们在收入结构上有所调整，把更多科技能力开放给合作伙伴，让它们可以穿透到资产、对资产有把握。同时，机构其实也在反向逼迫我们提高能力，做出更多能够满足精细化诉求的东西。

通过合作和开放，我们能专注在我们最核心的科技能力板块上。2018年我们在更尽心地做一些精细化的服务。

爱分析：精细化服务指哪些方面?

周灏：我们不仅希望帮金融机构设计某一类型的产品、风控策略和获取某一类型的客户，我们希望能够深入理解金融机构不能做某个业务的原因，了解它在各环节所欠缺的能力，我们甚至可以精细到帮忙推荐它所需要的合适的合作伙伴。

以这种精细化的服务，我们和机构可以合作得很深入，真正意义上让金融机构、科技公司、场景各做自己该做的事情，构建一个长期持久的良好生态。

爱分析：要深入了解金融机构的需求，对我们的能力有提出哪些要求?

周灏：我们主要是在整个思维模式上有一个比较大的提升，要坚持科技公司的定位，结合金融机构的思维和环境，寻找融合的平衡点。

公司整体的定位、收入结构、商业模式、服务人员、沟通模式，包括公司内部的架构、系统全方位的都要做调整，要能够快速适应金融机构的节奏，也要让金融机构能够快速理解和接受科技。这实际上是一件很难的事情。

爱分析：量化派在与场景端、资金端的合作形式上有明显区别吗?

周灏：场景端合作伙伴想对接金融机构，我们可以基于大数据技术，根据不同场景的用户画像进行细分，帮助场景匹配到合适的金融机构，也可以根据不同场景的消费需求，设计消费金融产品。

跟金融机构合作，除了帮忙精准获取线上资产，还需要把一些线上获客和风控的能力给到它们，让它们提升风控效率，能够把控底层资产，这里面需要做很多工作。

爱分析：金融机构与合作公司一般是独家合作吗?

周灏：每家形式不一样，没办法标准化，与金融机构的大小、风格等关系很大。各类合作我们都有经历过，对机构而言有时候我们就是单独一家，有时候会有好几家一起做，甚至有的机构光是在数据方面合作都会找好几家来做。

爱分析：是做标准化输出还是定制化服务?

周灏：金融机构的需求可能会有很多种，我们能够提供一站式全流程服务，但还是可以针对这些需求做相对标准的模块输出的。我们会有服务类别的一个大概主线，但合作初期会更倾向于一些相对模块化的输出。

目前，我们有智能数据科技系统平台量子魔方体系，里面包含了大数据风控平台“量智算”、精准营销与获客平台“量智产”、客户管理平台“量智管”。

去年我们花了很多时间精力把各个环节、功能拆得更散，做了很多小模块，可以由此做一些模块化的组合，来满足金融机构多元化的诉求。

此外，我们也会有一些定制服务，这部分我们花了大量精力找到了一些优质的合作伙伴，它们会帮我们做一些更加定制化的工作，这样我们就能够把精力集中在用户需求挖掘、商业模式设计以及模块化的输出。这是我们一种比较特别的组合打法。

爱分析：在定制服务中合作伙伴会分担哪些工作?

周灏：合作伙伴完成比较偏底层、偏人工的事务，包括IT系统的搭建和一部分模块、模型的调优工作。依靠他们的帮助，我们可以把精力集中在理解用户需求、设计商业模式上。

全流程技术服务为主 兼具标准化模块产品

爱分析：量子魔方三个板块在输出时有侧重吗?

周灏：三个板块我们都有输出，客户可以根据需求选择想要选用的模块，没有针对哪一个板块的合作更深入，不同板块满足了不同机构的不同诉求和需求。

我们不会去定义服务了哪个板块，我们更希望提供客户一个土壤，让它们能找到需要的东西。

爱分析：量子魔方主要面向哪些客户?

周灏：客户包含银行、消费金融、小贷公司、互金平台在内的金融机构，以及电商、社交、教育、汽车、旅游、医美等场景平台。我们近期跟头部的城商行、农商行、小贷联盟建立了深度的战略合作,用科技帮助他们拓展线上客群，倾听他们的诉求是我们今年的一项工作重点，我认为我们有帮助它们转型、升级的能力，能够帮他们发现新的市场机会。

爱分析：是否有客户类别的偏好?

周灏：与机构合作的过程实际上是双方需求对接的过程。我们不会特别偏重某一类机构，面向任何一类机构都可以有很大的发展，我们现在很开放、希望跟大家都能合作。

但是目前从结果来看，我们的金融类合作机构中确实传统金融占比相对会高一些，这不是我们有意而为的。我们也很看好其他各行业的场景方的合作伙伴。

积累多方数据 善用AI技术

爱分析：现在的数据源主要有哪些?

周灏：基本上有三部分，用户提供的数据、第三方数据源、我们自己多年积累的数据。

爱分析：有哪些有特色的数据吗?

周灏：我们自有数据很多，包括我们接的一些场景可能合作机构很少，从它们哪里我们可能可以拿到的一些相对比较特殊的数据。

爱分析：自有数据将如何持续更新?

周灏：科技业务其实本身是共享用户的模式，但是如果是我们提供的用户，用户还会是通过我们这边来做、还属于我们，所以这个时候我们还会通过用户来自己积累。

爱分析：客户反馈回来的数据主要是信贷服务哪些环节的数据?

周灏：主流上，客户会从前到后用到比较多的模块，这样反馈给我们的数据就相对比较完整，有一些客户可能只需要我们提供某一个模块，反馈的数据就会少一些。但是我觉得个性化定制需要比较长的时间才会成熟，在现阶段进展不会特别快。

爱分析：目前风控数据的刷新频率是怎样的?

周灏：频率是Daily刷新。

爱分析：在信贷领域，主要有哪些可用的AI技术?

周灏：其实现在大家看得都比较清晰，语音和视觉这两块目前机会比较大，所以我们也有做相应的布局。

相比而言，我觉得图像识别有很多企业在做，而且图像本身比较标准化，所以我们在语音部分花了更多的时间。

我们现在已经开始输出语音，比如应用在量智管客户管理板块上，帮助合作伙伴大幅提升了效率，在跟用户的交互上也非常有价值、有特点，我觉得这会是一个有前景的板块。

爱分析：输出AI语音在贷后环节能为客户提升多少效率?

周灏：每个客户情况不一样，但一般至少能节省30-40%。

爱分析：在为客户做智能语音贷后服务时要做哪些前期准备?

周灏：如果只输出语音技术，事先会和客户对接，去训练数据、调试模型。

我们也可以为客户提供标准化的服务，就是说我甚至帮客户找好后面的服务方，我们提供一个最终服务，比如直接提供整套的贷后管理，直接帮客户节省成本。

爱分析：在风控中AI有哪些应用?

周灏：首先NLP可以转化为定价中的一部分，其中，文字很重要，这里既包括语音识别环节的文字，也包含用户提供的、合作方提供的和我们自己积累的文字，这些文字在贷前、贷中、贷后都可以产生价值。

此外是复杂网络，复杂网络板块本身的复杂度比较大，随着数据量上升带来的挑战也比较大不一定是指对算法的调整，它对整个底层的挑战都会比较大。

我们现在还比较关注用户的交互，这部分目前在尝试阶段。

爱分析：风控过程中更看重弱特征变量还是强特征变量?

周灏：我们现阶段，除非是针对一些特别特殊的人群或合作伙伴，基本上是采用大量的弱变量，最终有产生比较好的风控结果，目前我们几千个变量里很少有某一个变量的权重贡献特别大。

爱分析：现在B端客户有多少?

周灏：今年新拓展的有几十家，这不算之前的场景方等。

爱分析：在C端服务了多少客户?

周灏：到目前为止整体有3000-4000万。

爱分析：目前团队规模如何?

周灏：现在不到200人，其中技术加算法占了大概70-80%了。

爱分析：今年的战略方向是什么?

周灏：主要是做多元化以及相关能力的全面拓展，包括智能场景和智能产品的拓展。