百家風(fēng)控公司揭秘系列3｜京東系ZRobot公司及產(chǎn)品調(diào)研報(bào)告

調(diào)研了上百家從事風(fēng)控?cái)?shù)據(jù)業(yè)務(wù)的公司，有行業(yè)大牛也有各種低調(diào)開展業(yè)務(wù)的，在不會(huì)泄露各公司太敏感信息的前提，本著客觀的角度及學(xué)習(xí)的態(tài)度，逐一揭秘各家公司的征信風(fēng)控產(chǎn)品及數(shù)據(jù)源特色。

本期的目標(biāo)將是京東金融系的【ZRobot】

一、京東大數(shù)據(jù)布局情況

在調(diào)研ZRobot之前，我們先把其主要控股權(quán)股東-京東金融的大數(shù)據(jù)布局先扒下，這樣有利于從上往下加深京東金融大數(shù)據(jù)布局對(duì)ZRobot數(shù)據(jù)層級(jí)及產(chǎn)品層的理解。

1. 京東金融的大數(shù)據(jù)領(lǐng)域

京東金融于2015年6月戰(zhàn)略投資了1.5億元美國互聯(lián)網(wǎng)金融公司ZestFinance.據(jù)了解，ZestFinance?原名?ZestCash，2009?年9月成立于洛杉磯，創(chuàng)始人?DouglasMerrill?和?ShawnBudde分別曾是谷歌（Google）的前信息總監(jiān)和?CapitalOne的前信貸部高級(jí)主管（曾管理過收益超過10億美元的次級(jí)信貸業(yè)務(wù)）。

2013年7月，ZestFinance獲?PeterThiel領(lǐng)投的2000萬美元C輪融資，至此，該公司總?cè)谫Y額達(dá)1.12億美元。ZestFinance?的核心競爭力在于數(shù)據(jù)挖掘能力和模型開發(fā)能力。在其模型中，往往要用到?3500個(gè)數(shù)據(jù)項(xiàng)，從中提取?70,000個(gè)變量，利用10個(gè)預(yù)測(cè)分析模型，如欺詐模型、身份驗(yàn)證模型、預(yù)付能力模型、還款能力模型、還款意愿模型以及穩(wěn)定性模型，進(jìn)行集成學(xué)習(xí)或者多角度學(xué)習(xí)，并得到最終的消費(fèi)者信用評(píng)分。

ZestFinance主要面向兩類人群：一類是（?FICO評(píng)分接近或低于500）無法獲得基本的信貸需求的人群，解決他們的無信用評(píng)分借貸問題，另一類是信用分?jǐn)?shù)不高而借貸成本高的人群，利用大數(shù)據(jù)征信降低他們的信貸成本。

【獵人說】ZestFinance于2013年左右受國內(nèi)關(guān)注，源于當(dāng)年獲得當(dāng)時(shí)全球第三方支付平臺(tái)PayPal聯(lián)合創(chuàng)始人、美國知名投資人皮的蒂爾領(lǐng)投的2000萬融資事件。ZestFinance在2014年開始推出基于大數(shù)據(jù)分析的收債評(píng)分，實(shí)為場景類評(píng)分系統(tǒng)，覆蓋汽車金融、學(xué)生貸款、醫(yī)療貸款、信用卡及房屋貸款等方面。

這兩年，京東也是崛起時(shí)期，對(duì)標(biāo)阿里這個(gè)巨頭。京東當(dāng)時(shí)也積累了豐富的消費(fèi)數(shù)據(jù)，但如何使用，如何擴(kuò)展金融場景方面的運(yùn)用，特別是信貸產(chǎn)品的布局，應(yīng)該是推動(dòng)京東投資ZestFinance，快速獲取其相對(duì)成熟的風(fēng)控模型及數(shù)據(jù)應(yīng)用模型的主要?jiǎng)恿Α?/p>

ZestFinance當(dāng)時(shí)覆蓋的人數(shù)也只有10萬人，體量無法有更大突破，與京東合作，可以直接獲得1億左右的數(shù)據(jù)進(jìn)行模型優(yōu)化，是個(gè)雙贏的選擇。

在規(guī)劃金融大數(shù)據(jù)布局的過程，京東算很有效率的了?；蛟S也是因?yàn)?015年1月阿里、騰訊都列入8家備案征信公司試點(diǎn)，刺激了京東。因此2015年4月，在投資ZestFinance，前2個(gè)月就投資了誠數(shù)信息（以下按品牌名簡稱“聚信立”），一家與Zestfinance類似的公司——利用機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析的方式，采用社會(huì)網(wǎng)絡(luò)、電子商務(wù)等大量消費(fèi)者在互聯(lián)網(wǎng)上的信息來評(píng)估個(gè)人信用資質(zhì)。

（京東布局大數(shù)據(jù)時(shí)間分布）

在投資ZestFinance的京東，緊接就籌劃著建立屬于自己的大數(shù)據(jù)應(yīng)用公司-ZRobot,盤活旗下1.4億的用戶數(shù)據(jù)，開發(fā)相關(guān)數(shù)據(jù)應(yīng)用產(chǎn)品進(jìn)行變現(xiàn)。

下圖屬于京東大數(shù)據(jù)版塊的布局，京東萬象作為批發(fā)導(dǎo)流平臺(tái)也于2015年底上線。全方位布局?jǐn)?shù)據(jù)來源體系，包括體系內(nèi)的數(shù)據(jù)、體系外的數(shù)據(jù)及行業(yè)內(nèi)的數(shù)據(jù)行情。

（京東金融布局大數(shù)據(jù)股權(quán)架構(gòu)）

民間征信行業(yè)的核心是數(shù)據(jù)，特別是細(xì)分場景后的數(shù)據(jù)。

須知京東早在2014年就上線了京東白條這款分期類產(chǎn)品，其積累的分期用戶還款數(shù)據(jù)+京東體系內(nèi)的消費(fèi)數(shù)據(jù)，均屬于特有數(shù)據(jù)，屬于數(shù)據(jù)壁壘，需要有專門的公司進(jìn)行運(yùn)作及應(yīng)用。因此通過投資ZestFinance獲得成熟的模型，在與體系內(nèi)數(shù)據(jù)進(jìn)行磨合的時(shí)間段，也需要引入體系外的數(shù)據(jù)（也就是別人家的數(shù)據(jù)），擁有社交數(shù)據(jù)分析經(jīng)驗(yàn)及準(zhǔn)備布局用戶授權(quán)爬取的聚信立也順理成章被納入投資版塊。

剛起步的大數(shù)據(jù)產(chǎn)品布局規(guī)劃，如何獲得行業(yè)內(nèi)各類數(shù)據(jù)接口的類型及商戶需求，利用自身的用戶基數(shù)建立起了數(shù)據(jù)接口導(dǎo)流平臺(tái)-京東萬象。

京東萬象成為其流量變現(xiàn)，數(shù)據(jù)需求調(diào)研，數(shù)據(jù)價(jià)格調(diào)研、同業(yè)競爭公司調(diào)研四維一體的使命。

（京東大數(shù)據(jù)三大版塊業(yè)務(wù)布局）

?二、ZRobot公司背景

ZRobot為京東金融與ZestFinance合資成立。

早在2015年，京東金融曾宣布投資ZestFinance，投資金額未披露。ZestFinance創(chuàng)立于2009年，創(chuàng)始人為兩位谷歌前高管。

此次雙方合資成立的ZRobot，其官網(wǎng)顯示的運(yùn)營主體為北京至上澤思信息技術(shù)有限公司（以下簡稱至上澤思），后者工商備案信息顯示，至上澤思2016年4月15日成立，為外資企業(yè)（盛譽(yù)光年信息科技有限公司）獨(dú)資公司。至上澤思最初法人代表為劉強(qiáng)東，2016年7月7日變更為劉強(qiáng)東助理張雱。

ZRobot定位于數(shù)據(jù)技術(shù)公司，專注于提供包括數(shù)據(jù)建模、信用評(píng)分、資產(chǎn)定價(jià)、欺詐識(shí)別、精準(zhǔn)營銷等能力在內(nèi)的數(shù)據(jù)增值與技術(shù)應(yīng)用服務(wù)，幫助企業(yè)提升商業(yè)決策效率是京東在中國市場面向銀行、汽車金融、消費(fèi)金融、小貸公司等金融及非金機(jī)構(gòu)，提供信用評(píng)分、風(fēng)險(xiǎn)定價(jià)、欺詐識(shí)別、精準(zhǔn)營銷等服務(wù)的布局成果，也是是打通京東體系內(nèi)外數(shù)據(jù)和各類應(yīng)用場景的橋梁。

三、ZRobot主打產(chǎn)品及數(shù)據(jù)底層組成

據(jù)了解ZRobot有5類產(chǎn)品

• A類：ZRobot信用分、涉黑分?jǐn)?shù)、黑名單、客戶畫像標(biāo)簽、貸后管理模型
• B類：漫網(wǎng)體系、反欺詐系統(tǒng)、平臺(tái)輿情風(fēng)險(xiǎn)監(jiān)控、風(fēng)控云平臺(tái)
• C類：債務(wù)標(biāo)的量化評(píng)估、逾期轉(zhuǎn)移預(yù)測(cè)、ABS資產(chǎn)定價(jià)
• D類：用戶洞察系統(tǒng)、模型試驗(yàn)室、推薦系統(tǒng)、客戶生命周期管理
• E類：大數(shù)據(jù)模型定制、部署策略指導(dǎo)

產(chǎn)品規(guī)劃覆蓋了風(fēng)控全流程，包括：

• 客戶引流：通過識(shí)別分期借貸意愿進(jìn)行精準(zhǔn)營銷
• 貸前審核：通過反欺詐（多維黑名單、關(guān)系驗(yàn)證、身份識(shí)別等）、信用評(píng)估、客戶風(fēng)險(xiǎn)&價(jià)值洞察標(biāo)簽識(shí)別及結(jié)合已有數(shù)據(jù)進(jìn)行的風(fēng)險(xiǎn)定價(jià)實(shí)現(xiàn)貸前風(fēng)險(xiǎn)識(shí)別及防控
• 貸中監(jiān)控：將通過貸前審核的用戶群進(jìn)行實(shí)時(shí)行為監(jiān)控，實(shí)現(xiàn)異常預(yù)警，并形成相應(yīng)的行為評(píng)分
• 貸后催收：通過還款意愿預(yù)測(cè)，合理設(shè)計(jì)催收策略，配合失聯(lián)修復(fù)提高觸達(dá)幾率，以提高催收成功率為第一準(zhǔn)則

【獵人說】

獲客引流?重點(diǎn)在于用戶基數(shù)及標(biāo)簽維度是否豐富，這樣有利于細(xì)分行業(yè)定位客群；獲客引流的方式是將定位好的用戶數(shù)據(jù)通過選擇好的渠道媒介觸達(dá)用戶，一般有短信、電呼、網(wǎng)絡(luò)定制廣告、移動(dòng)廣告等方式。但由于政策原因?qū)е露绦偶半姾魳I(yè)務(wù)緊縮，效果原因+成本原因短信和電呼在做精準(zhǔn)營銷的性價(jià)比逐漸減弱。

貸前?審核的數(shù)據(jù)底層需要大量的黑名單、風(fēng)險(xiǎn)名單（公檢法公布名單）等，如果能進(jìn)行關(guān)系圖譜識(shí)別相對(duì)更有效。貸前審核審核方式一般包括人機(jī)驗(yàn)證、身份驗(yàn)證、個(gè)人信息校驗(yàn)、黑名單匹配，驗(yàn)證都通過后就是進(jìn)行貸前額度測(cè)算評(píng)估及風(fēng)險(xiǎn)利率確認(rèn)。

貸中考驗(yàn)的是一家公司是否擁有實(shí)時(shí)數(shù)據(jù)來源的，如果無實(shí)時(shí)來源，監(jiān)控?zé)o從說起。監(jiān)控需要做到實(shí)時(shí)動(dòng)態(tài)監(jiān)控、異常行為預(yù)警（多頭借貸行為監(jiān)控、還款能足指標(biāo)異常預(yù)警及還款意愿交叉識(shí)別）及回訪監(jiān)控。

貸后?主要針對(duì)有逾期行為征兆或已經(jīng)發(fā)生逾期行為的客戶，進(jìn)行催收聯(lián)系，一般有催收行為的用戶都容易失聯(lián)，因此需要進(jìn)行失聯(lián)修復(fù)，通過數(shù)據(jù)交叉匹配手段修復(fù)用戶實(shí)名下的其他聯(lián)系方式，然后是進(jìn)行催收方案計(jì)劃，制定自動(dòng)回收策略、逾期損失模型及催收渠道選擇。為了提高效率，可設(shè)置智能客服進(jìn)行前期催收，后期針對(duì)逾期嚴(yán)重的可以選擇委外催收。當(dāng)然貸后除了催收還有一個(gè)非常重要的工作不能忽視，就是老客戶的再次激活，針對(duì)信譽(yù)良好的用戶進(jìn)行激活營銷，提高復(fù)貸率。

以下主要講講ZRobot主推的幾個(gè)產(chǎn)品

ZRobot信用分

ZRobot信用分，和市面上各類分值產(chǎn)品（包括芝麻分、91征信分、騰訊信用分）一樣，表現(xiàn)形式?jīng)]什么特別的，比較值得了解和參考的是這個(gè)分值背后的數(shù)據(jù)維度及顆粒細(xì)度。據(jù)了解，ZRobot信用分主要包括線上線下交易（交易數(shù)據(jù)）、瀏覽數(shù)據(jù)（用戶行為軌跡）、通信(運(yùn)營商數(shù)據(jù))等，擁有豐富的數(shù)據(jù)維度，且數(shù)據(jù)可以細(xì)分精準(zhǔn)定位到信貸需求旺盛的客群。主要應(yīng)用在京東白條、金條、鋼蹦等業(yè)務(wù)中，運(yùn)用于貸前預(yù)審批、風(fēng)險(xiǎn)定價(jià)、黑白名單判斷及用戶標(biāo)簽解讀，貸中評(píng)分異常預(yù)警。在保持授信人數(shù)不變的情況下，幫助京東金融業(yè)務(wù)線顯著降低授信人群逾期率，減少損失。

【獵人說】信用分在行業(yè)內(nèi)其實(shí)算是用戶畫像分值表現(xiàn)，用戶畫像需要將相對(duì)全面數(shù)據(jù)、相對(duì)豐富維度及相當(dāng)精準(zhǔn)的數(shù)據(jù)顆粒來刻畫，一般包括一個(gè)用戶的人脈關(guān)系、瀏覽數(shù)據(jù)、公共信息、資產(chǎn)價(jià)值、購物信息、通訊記錄、購物信息、社交言論、行為軌跡、職業(yè)信息、支付信息、信用記錄及歷史等等。至于這些數(shù)據(jù)的來源有很多，但大部分是掌握在少數(shù)幾家大企業(yè)中，例如京東、淘寶、百度、三大運(yùn)營商等。

（信用分可選指標(biāo)，根據(jù)所選指標(biāo)進(jìn)行運(yùn)算得出分值）

ZRobot黑名單

這是做信貸風(fēng)控類產(chǎn)品必備的基礎(chǔ)名單庫。ZRobot黑名單數(shù)據(jù)維度包括自有黑名單（京東金融體系）、惡意行為（薅羊毛）、失信行為（公檢法）、疑似欺詐（通過規(guī)則及算法判斷）、多頭申請(qǐng)（共享名單或渠道監(jiān)控）、不良信貸（逾期嚴(yán)重名單）。

【獵人說】黑名單，其實(shí)正規(guī)來說是針對(duì)各機(jī)構(gòu)逾期超半年的老賴，及公安部公布的在逃犯罪人員及法院公布的被執(zhí)法老賴等。但現(xiàn)在維度細(xì)分、渠道數(shù)據(jù)相對(duì)越多后，行業(yè)各機(jī)構(gòu)對(duì)黑名單的定義及數(shù)據(jù)組成也不一樣。因此商戶接入使用黑名單這類產(chǎn)品時(shí)，需要提前知道內(nèi)部的細(xì)分類型。

漫網(wǎng)體系

ZRobot的拳頭產(chǎn)品，主要原因可能是因?yàn)槠溥\(yùn)用了現(xiàn)在比較火的關(guān)系圖譜機(jī)器學(xué)習(xí)等技術(shù)，深入挖掘客戶在各體系的信息，包括結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，來完成單點(diǎn)用戶畫像。漫網(wǎng)體系原理是基于互聯(lián)網(wǎng)，通信等各類關(guān)系交叉方式，構(gòu)建個(gè)人的關(guān)系網(wǎng)絡(luò)圖譜，并結(jié)合個(gè)體畫像信息，刻畫全面完整的人物特征，有效補(bǔ)充單點(diǎn)畫像的不足，并識(shí)別團(tuán)體標(biāo)簽特征。

【獵人說】ZRobot漫網(wǎng)體系，在其他公司一般叫做關(guān)系圖譜，關(guān)聯(lián)網(wǎng)絡(luò)等產(chǎn)品。主要運(yùn)用在

失聯(lián)修復(fù)（通過用戶個(gè)人手機(jī)號(hào)關(guān)聯(lián)自己名下其他手機(jī)號(hào)或親戚朋友的手機(jī)號(hào)、郵箱、QQ號(hào)等，一切可以聯(lián)系到用戶的通訊方式）；

同類客戶關(guān)聯(lián)觸達(dá)（通過用戶特征提取聚類，將單體用戶輻射到同類用戶上，簡單理解就是“朋友圈”）；

黑名單關(guān)聯(lián)（基于白名單用戶聯(lián)系方式，擴(kuò)展到常聯(lián)系人，判斷常聯(lián)系人是否命中黑名單，命中則重點(diǎn)關(guān)注此用戶，提高風(fēng)控準(zhǔn)入標(biāo)準(zhǔn)及后期監(jiān)控預(yù)警）；

高危區(qū)域及團(tuán)體識(shí)別（通過手機(jī)號(hào)通訊錄關(guān)聯(lián)及常用區(qū)域關(guān)聯(lián)判斷，是否與欺詐集團(tuán)有關(guān)聯(lián)或有犯罪多發(fā)區(qū)域出沒行為）

輿情風(fēng)險(xiǎn)監(jiān)控平臺(tái)

輿情風(fēng)險(xiǎn)監(jiān)控，主要運(yùn)用的是爬蟲技術(shù)、文本挖掘及自然語言分析，爬取的是各類與風(fēng)控規(guī)則相關(guān)能大概率提現(xiàn)用戶行為的公開類數(shù)據(jù)。輿情數(shù)據(jù)多用于平臺(tái)風(fēng)險(xiǎn)預(yù)警、發(fā)現(xiàn)漏洞紕漏及放控意見?？蛻糁饕猅O B。

【獵人說】輿情爬取數(shù)據(jù)，根據(jù)使用需求進(jìn)行標(biāo)的選擇，ZRobot的主要是給企業(yè)機(jī)構(gòu)預(yù)防行業(yè)風(fēng)險(xiǎn)及內(nèi)部風(fēng)控規(guī)則補(bǔ)充使用。例如一般在一些涉黑論壇、地下黑產(chǎn)、內(nèi)部風(fēng)險(xiǎn)及羊毛黨等地方，是充斥了大量風(fēng)險(xiǎn)熱議話題。爬取這類信息，可以及時(shí)知道相對(duì)較新的行業(yè)風(fēng)險(xiǎn)漏洞信息、薅羊毛方式、黑產(chǎn)工具及最新使用技術(shù)等內(nèi)容，相關(guān)機(jī)構(gòu)可以根據(jù)這些信息事后進(jìn)行相關(guān)規(guī)則優(yōu)化、查修補(bǔ)漏洞等，降低風(fēng)險(xiǎn)損失。

4.產(chǎn)品應(yīng)用簡要建議

這里只談信用分、黑名單及漫網(wǎng)體系中的失聯(lián)修復(fù)使用比例相對(duì)較多的應(yīng)用在一前一后的產(chǎn)品

ZRobot信用分

適用對(duì)象：信貸產(chǎn)品體系及目標(biāo)客戶與京東白條體系高度重合的機(jī)構(gòu)或無能力搭建風(fēng)控平臺(tái)的機(jī)構(gòu)

應(yīng)用場景：信貸風(fēng)控貸前、中、后，及監(jiān)控

使用方式舉例：可以直接嫁接使用，ZRobot信用分達(dá)到高分值的用戶可以直接通過，中等分的可以調(diào)額通過后關(guān)注或者結(jié)合其他數(shù)據(jù)綜合判斷是否符合要求，低分值的直接拒絕。具體需要根據(jù)實(shí)際情況來使用。

ZRobot黑名單

應(yīng)用場景：貸前

使用方式舉例：可只要命中ZRobot黑名單，可以直接執(zhí)行拒絕策略，并將相關(guān)用戶記錄下來，形成自己的黑名單庫。

漫網(wǎng)體系

應(yīng)用場景：失聯(lián)修復(fù)、同類客戶關(guān)聯(lián)觸達(dá)、黑名單關(guān)聯(lián)

失聯(lián)修復(fù)使用方式舉例：貸后需要催收時(shí)，聯(lián)系不到目標(biāo)用戶，可以失聯(lián)修復(fù)，獲取更多的觸達(dá)方式，觸達(dá)用戶提高催收成功率。更多的使用方式可以直接與本獵人交流。

五、總結(jié)

總的來說，京東金融在大數(shù)據(jù)的布局屬于中規(guī)中矩，投資ZestFinance獲得相對(duì)成熟的數(shù)據(jù)應(yīng)用模型，為體系內(nèi)的幾億數(shù)據(jù)可以在各行業(yè)領(lǐng)域特別是金融板塊延展出更多的變現(xiàn)方式提供思路。同時(shí)共同成立ZRobot,在大數(shù)據(jù)+風(fēng)控的行業(yè)中應(yīng)付不斷創(chuàng)新的大數(shù)據(jù)產(chǎn)品及在實(shí)踐中印證產(chǎn)品的市場接受程度及效果。投資聚信立，看上的是聚信立沉淀的社交數(shù)據(jù)的處理及應(yīng)用經(jīng)驗(yàn)，且聚信立算是京東金融體系外數(shù)據(jù)的一個(gè)主要入口（個(gè)人授權(quán)的敏感信息）。而京東萬象個(gè)人覺得更類似一個(gè)線上數(shù)據(jù)接口受眾程度及調(diào)用頻率調(diào)研平臺(tái)（雖然它外表是個(gè)流量平臺(tái)）。

ZRobot的成立，獵人總覺的有點(diǎn)像京東金融這個(gè)老爸娶了個(gè)外國媳婦，要試貨，硬生了小孩的感覺。其在行業(yè)至今其實(shí)默默無聞，或許因?yàn)榫〇|金融要求其低調(diào)辦事。了其產(chǎn)品體系，也是中規(guī)中舉，無太多創(chuàng)新性的東西?；蛟S好東西全部在京東金融內(nèi)部去使用了。

相關(guān)閱讀

百家風(fēng)控公司揭秘系列｜91征信公司及產(chǎn)品調(diào)研報(bào)告

百家風(fēng)控公司揭秘系列2｜華道征信&億美軟通公司及產(chǎn)品調(diào)研報(bào)告

從事大數(shù)據(jù)征信行業(yè)，你必須知道這些

最全互聯(lián)網(wǎng)金融6大板塊風(fēng)控研究框架：監(jiān)管政策、行業(yè)模式及合規(guī)要點(diǎn)

作者：大數(shù)據(jù)獵人，微信公眾號(hào)：date-hunter。五年戰(zhàn)略研究，行業(yè)分析，商業(yè)模式搭建經(jīng)驗(yàn)。曾就職于風(fēng)投公司，也在某國企支付戰(zhàn)略部待過，均負(fù)責(zé)戰(zhàn)略分析工作?，F(xiàn)在新公司負(fù)責(zé)大數(shù)據(jù)風(fēng)控產(chǎn)品研究事宜。歡迎交流。

本文由 @大數(shù)據(jù)獵人 原創(chuàng)發(fā)布于GrowthHK。未經(jīng)許可，禁止轉(zhuǎn)載。

GrowthHK（Growth Hacker）：增長黑客是依靠技術(shù)和數(shù)據(jù)來達(dá)成各種營銷目標(biāo)的新型團(tuán)隊(duì)角色。從單線思維者時(shí)常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實(shí)現(xiàn)低成本甚至零成本帶來的有效增長…