中国IDC圈7月20日报道，7月20日，“2017中国行业云计算峰会—金融云”（C9峰会）在北京国贸大酒店（国贸三期）隆重召开。本次大会由中国信息通信研究院指导，云计算发展与政策论坛、数据中心联盟、云计算开源产业联盟主办，云计算发展与政策论坛用户委员会承办，CloudBest、中国IDC圈、网贷之家协办，并受到诸多媒体的大力支持。

“2017中国行业云计算峰会—金融云”作为国内金融与云计算领域最具影响力的大会，引来现场人员爆满，大会全面覆盖云计算、金融、人工智能、区块链、大数据等多个领域。

会上，凡普金科集团、爱钱进首席运营官（COO）龚翊升出席本次大会并发表主题为《金融科技风控领域》的演讲。

凡普金科集团、爱钱进首席运营官（COO） 龚翊升

以下是演讲实录：

大家好，首先我和在座的大部分嘉宾，可能在职业上有一点区别，因为我来了才发现大部分嘉宾其实都是在IT部门和做技术的。我不是纯做技术的人，我是主要做业务，今天我想和大家分享的事情和在座的各位还是有关系，整个的互联网金融或者金融科技的行业在中国的发展，很大程度上是受到技术的驱动。而且在可以预见的将来，互联网金融会越来越多的用到各种各样的科技，包括云。所以我等会儿如果有时间，我也愿意和在座的很多嘉宾有一些沟通，共同把我们的互联网金融再做的更好。

今天我讲的主要内容，互联网金融，科技金融在中国，对比起全世界任何一个国家其实都发展的非常快，但是行业里面的人都知道这个行业其实真正开始发力或者说出现应该是在2013年，2014年到2015年会有一个井喷，2016年因为管制的原因，又开始洗牌的过程。

直到现在我们还是可以说在金融科技这个领域，中国毫无疑问是第一位，第二位都不知道在哪里，很远很远，为什么会有这样一个情况呢？我跟大家介绍一下中国科技金融的后发优势。

我再给大家介绍一下我的背景，我是在2000年去的美国，2014年回到中国，所以整个在美国待了整整14年的时间，这14年里面，虽然说我还是不断的通过网络和国内保持了一定的信息的分享。但是说实话变化还是非常非常的大，举个例子我2000年离开中国之前，玉米还是一种食物，钢丝还是一种工具。2000年的时候，当有男孩子出生的时候很多孩子愿意给他起个名字叫翔，我的意思就是变化非常的大。互联网金融只是这么多变化当中的一部分。

我的内容的第一页，我是想跟大家介绍一下，所谓的后发优势是什么？其实在整个经济的领域里面后发优势这个概念其实是很多，后发优势定义一下，是后发进入者由于较晚进入这个行业而获得了较先进者不具有的优势，国内很多行业都有这种后发优势，甚至在整个经济发展的过程当中有很多的经济学家认为中国是有后发优势的。但是在2016年的时候，有过一个很大的争论，我当时记得是北大的林毅夫，他认为中国在经济的发展上是有后发优势，然而另一位教授认为经济上是有后发的劣势。

今天，我先和大家分享的不是和经济体制有关的，而是只是和这个行业有关，看到这个行业，其实毋庸置疑，3G，2008年的3G在中国的覆盖是一个非常典型的后发优势。因为中国比起欧洲和美国来说，当时还是处于非常落后的一个状态。由于没有一些框架的干扰，中国突然之间采用一个新的技术，3G的技术，从而在那一年，立刻在我们的移动互联网的通讯上就超过了很多的国家。

网络支付也是如此，我这里说的网络支付其实就是指支付宝，我在2012年的时候，碰到阿里巴巴支付宝的副总裁，他当时问我一个问题，他挑战我，因为我是做信用卡出身的，当时在美国，他说假设你再来做一次信用卡，你还会再搭建一个系统吗？比如说像VISA，或者像支付系统，我想半天说应该还是会吧，否则我怎么办呢？他跟我说不用，因为有了互联网，有了互联网很多的支付的信息交换，就不需要像过去六七十年代在美国那样要通过一个私有的网络进行，你只要有足够好的加密技术，完全可以通过互联网来进行。所以支付宝，它就是一个很典型的后发优势，或者说在中国的支付行业这是一个很典型的后发优势。

一般来说，后发优势有这么几个原因，新的技术、没有沉默成本、市场。有关于中国的科技金融，我们讲科技金融为什么会有这种后发优势呢？这是我自己的一个体会，当中我可以跟大家再分享不同的想法。我觉得中国的科技金融或者互联网金融的后发优势主要是有这四个方面造成的，第一个是数据；第二个是互联网渗透；第三计算技术；第四监管。我们接下来一个一个的讲。

第一个数据。讲到数据，我刚回国的时候也是一把辛酸泪，左边这张图是美国和中国的典型的金融征信报告的字段数，拿到美国的字段，随便拿一份报告，几千个字，而中国呢？大家如果在座的有哪位同事拿到自己央行出的征信报告，估计就这么几十个字而已，讲个人的经历，有点好笑。我2014年回国第一站是重庆，在当时一个小贷公司，当时重庆的金融办说，凡是你们的小贷公司请的高管必须把他的征信报告拿过来，他要看，当时我们对接的同事就说，你就把你的征信报告拿给我们，我们交上去。我一想我刚回中国，我的征信报告是美国的征信报告，他说行，我就从美国的三大征信局把我自己的征信报告拿出来，打印出来大概有这么厚，我让同事交过去，当时金融办说不行你这是英文的，你得翻，翻成中文的。然后他们就开始翻译。结果等到我一天以后离职他们还没有翻译完。我不是说这是好事，我的意思是说信息量的差别是非常巨大的。

讲到辛酸泪，因为我们做金融的第一反映，如果你要判断一个客户他的风险，他的还款能力，我们当然希望有更多的和征信有关和金融有关的数据，就这么少你怎么办呢？就逼着大家走一些不寻常的路。

比如说我们使用购物习惯的数据，我们使用通讯的数据，我们使用他出行的数据，所有的数据，如果中国的过去几年征信报告的数据像美国这么多的话，中国的金融科技或者互联网金融是不会走出那条路的，因为人都是有思维定式，因为这个优势，所以中国的金融行业独辟蹊径，金融风险可以通过这么多的其他的数据来获取，来评判，来做出决策。

所以这个有点像一个哲学上的问题，当你没有路的时候，你就只能自己去走，而且你自己走出来的那条路，很有可能比原来很多人走的路更快。

第二个后发优势是一个互联网渗透，具体我说的是什么呢？大家看一下左边的两个数据，第一个是2012年，美国和中国对比，桌面电脑的渗透率，那是5年前了，5年前美国的家庭的桌面渗透率远远高于中国，这是第一个。大家看下面第二个，同样是2012年，这个报告是我从每年一度的互联网报告里面直接拿过来的，所以没有中文版，同样是2012年，这么多，在一百个中国的互联网用户里面，有百分之多少是通过手机上网的呢？是70%左右。这意味着什么？这两张图告诉我们一个什么故事呢？这个故事就是说在中国的互联网的渗透，它其实主力不是靠个人电脑，而靠的是手机。而我相信这条红线，如果有2014年，2015年，2016年，2017年一直会往上走，中国互联网的发展，可以说在某种意义上是跳过了桌面PC的时代，跳过PC时代，其实是有一些问题的，问题是什么？我们现在大家应该都有一个痛点，当你的手机丢了的时候，你的银行的这些帐号你怎么办？对大家来说这是极大的痛点，在美国其实没有这个问题。

正是因为我们跳过了PC的时代以后，对个人信息记录是通过电话号码进行的，美国没有跳过这个时代，很多的个人信息通过电子邮件来完成的，在美国丢了手机，虽然我也有银行的IP，但是我可以通过我的桌面登录我的邮箱，换一个还可以登录APP，发一个验证码去PC电脑上登录你的邮箱，你拿到那个验证码就没问题了，但是在中国并不是。这是一个劣势。

正因为这个劣势，所以当我们的科技金融在发展的过程当中，大家思考的方式就不一样，从第一天开始，我们的获客，我以凡普金科为例，我们的获客完全是按照，通过手机的方式，获客和触动客户的。我在美国的时候在一家银行里面工作，当时我们很多在2007年的时候就开始了从线上往线下走的过程，所有的思路就是说我们先要做一个很好看的PC页面，一个网站，大家在上面可以很舒服的做各种各样的事情。

但是在国内，我看到很多做的比较成功的互联网金融公司，第一时间就是通过手机，这一点有点像微信，大家知道微信从一开始就是一个手机的通讯的工具，而不是基于PC。

手机和PC区别在哪里呢？手机，虽然说学名叫移动电话，但是手机，当然移动是一个功能，但是在社会意义上来说，它和原来传统的工具最大的区别，它其实是一个个人化的工具。比如说，在没有手机之前，每一个家庭有一个电话，所以这个电话，它是一个所有家庭成员共同使用的，但是有了手机以外，比如我和我老婆每人有一个手机，所以我们上面的信息完全可以定制化到个人，这跟我们触达客户和客户的互动就带来一个非常大的优势。这是第一个。

第二个场景化，手机可以在各种各样的场景里面出现的，比如说你要买东西，或者你在玩游戏等等，如果我们想要切分一部分客户，通过场景切分客户的话，手机要比PC好的太多。

接下来服务，手机它是一个多感知的工具，它可以有摄像头、有声音、还可以拍照，如果你想触达客户，从客户那里收集各种各样的信息，手机在这一点上也是PC所无法比较的，更不要提接下来要跟客户的一些互动，短信，给他发红包等等，正因为有了手机的出现，所以我们互联网金融才有可能在这么短的时间里面，通过科技的发展，如果按照我现在看到的数字，把几亿没有被原来银行所服务到的客户服务起来。

第三个是计算技术。我讲这个之前我举一个例子，原来我在美国的银行里面，曾经推行过一个新的算法，随机森林，在2007年的时候，在这之前这家银行做风险模型都是用的传统的回归，但是做传统回归的大概有上百个模型分析师。结果随机森林刚刚一推出来的时候，受到巨大的挑战，为什么？我自己其实并不是做这个 东西，但是我知道为什么会有这么多人来挑战它，因为他们害怕，随机森林这样一个算法，可以把原来需要10个人做这个事情，用了这个算法，可能需要一到两个人就够了，而且最后得出来的效果不差。首先是人的挑战。

后来我们CEO 很坚信一定要做，做了以后又发现有问题，原来实时决策系统的能力太差，因为随机森林行数特别的多，上万，他的计算能力做不到实时的决策，这下打脸了，所以当时原来的那些人很开心，告诉你这个技术是不行的。当时这个随机森林只能停止，但是了解情况的人都知道，这个算法它是具有无法比拟的优势，而计算能力，根据摩尔定律一年半就会翻倍。

所以到了2010年的时候随机森林被再一次拿到议事日程，最后顺利实施下去。当时我想三年的时间就这么浪费了。但是在中国其实不是这样的，中国我刚才讲的是第二个，不存在碍手碍脚的旧锤子，英文里面有句话，翻到中文里就是对一个手里拿着锤子的人，每一个问题看上去都像是一个钉子，意思就是当你有一个固化的思维的时候，你解决问题，你第一反应就是用你原来的方式思维。

在美国，因为金融行业发展的时间很长，科技金融发展的时间又短，所以要推科技化的金融，往往就会受制于原来的人的固有的思维。在中国就不是，我回国三年，我发现中国在金融科技行业在使用新技术上，心态和速度都是超乎我的想象。

另外，我们中国拥抱开源，比较便宜的软件都是非常的迅速，直到现在美国的大银行还是用SAS，用TERADATA，这两个软件有多贵大家知道吗？但是功能性很好，想要很快，比较小的投入来服务更多的人群的过程当中，这些其实不合适的。在国内，R，Python，渗透率是非常的高。在我见到的应用的场景里面事实证明他们的效果是不差的。

像我刚才说的随机森林，在国内应用的广度和深度，比起在美国的银行里面，也是具备非常的广度和深度的。

更不要说知识图谱和自然语言处理，知识图谱是2013年谷歌刚推出来的工具，我回国之后发现中国好多人在做，幸好我先回国了，否则的话我离这个技术前沿太远了。

所有的这些，我们现在都会要放到云上去，跟今天这个会议，更契合主题一下，放到云上去第一便宜，第二高效，它可以做并发在单机板我们无法最好的运用到这些数据和算法，所以我也非常看好云在科技金融里面的实现。

最后是监管，我不知道今天有没有监管的领导在，其实这是好话，我觉得美国发展的好，发展的快，其实和监管有很大的关系，中国的P2P监管是比较松的。主要体现在两个方面，第一方面是中国从来没有把P2P当成是一个像证券一样去管，但是在美国不是这样的，大家知道美国的P2P，是受ICC监管，是美国的证券监督委员会，任何事情一到ICC监管那就非常可怕了，它会对合规的文件、信息的报送以及定期的检查要求非常的多，任何一个小公司如果想要做这个事情是做不了的，这也是为什么到目前为止美国的互联网金融大概只有四五家。因为新进入的是没法在这么严格的监管环境下面存活下来的。

第二点，我们的优势是对合法或者数据使用限制比较少，首先这个数据是合法，一旦你合法的获得数据之后，国内对你怎么使用，基本上没有太大的限制。但是在美国就不一样了。我们以前在美国银行里面看到有些很有用，你明知道这些数据都非常有用，比如说邮政编码，轻易是不能用的，因为邮政编码在监管者看来，是给出了一个人的，很有可能是他的种族，他的受教育程度，而种族是一个千万不能碰的一条高压线，因为在美国，黑人、白人住的地方泾渭分明。比如像年龄、性别、婚姻状况等等，其实现在明显可以帮助我们来分辨申请人或者客户的风险高低的数据。即使是100%合法获得，在美国是不能用的，而在中国都是可以用的。第二点，可以让中国的科技金融使用非常规的数据，比如说交易数据，来探索我们的风控，我这里讲的交易大家可以猜到是什么，社交其实大家也可以猜到是什么。知识图谱本身就是一个社交的信息。知识图谱在分辨欺诈团伙上是非常有用的。

因为这些原因，所以我们凡普金科集团，我应该说是很紧密的抓住了这些特点，我们分别在数据、计算技术以及风控模式上，进行充分地利用了，或者说充分地抓住了这些风口，以及把我们现有的这些红利都拿到了。

比如说我们经过客户授权合法地获取很多的数据，并且我们对所有潜在目标客户进行了精准的营销，以及通过手机建立互动。同时我们通过机器学习和人工智能，我们做了很多的自动的建模和不断的对风控的分辨从而进行很快的迭代。我们的算法在各个业务环节都很有用。最后我们的风控模式和社会关系有非常大的联系，用到了新的算法，用到了云，现在很多情况下我们都用的是私有云。

所以，我相信，不光是我们凡普金科，包括我们整个行业里面，大部分的想要有所作为的金融科技的公司，都会越来越多的和大家一起来推动技术改变金融，技术推进金融，甚至金融对技术进行革命的事情的。

这主要就是我想跟大家分享的一些事情，不知道有没有问题？

提问：我想听一下你刚才介绍的SAS、R和Python的区别。

龚翊升：SAS的功能很多，计算能力也非常的强；R也是一个统计的软件，它的功能广度非常的广，因为它是开源软件，所以它有非常多的软件包，它可以在网上公开获取，合法的获取。当你的数据有上亿条的时候，单机版SAS性能远远优于单机版R的，R是免费的，SAS非常贵。R比SAS的优势在于，R的软件包更新非常快，有些新的算法出来的话，如果你是用SAS必须要等SAS的厂商，他要发布一个新版本，把这个软件加进去，但是R基本上新的算法出来一个月之内就会有软件包出来，所以你可以非常快的进行你自己的技术迭代。Python其实也是一个数据处理，不单可以做传统的统计的数据处理，它可以放到云上进行分布式的数据处理的工具。除了价格以外，Python还有另外一个巨大的优势，它容易部署，对于后台的管理容易很多，Python又可以做数据，又可以做统计分析，它的软件还具备机器学习、深度学习的能力。所以区别主要是在这儿。

提问：以后会不会横向布局在这里？

龚翊升：我觉得SAS和Python现在工业界用的很多，但是它是没有未来的。