短短数年间，我国的新金融浪潮此起彼伏，科技金融成为行业发展的一个新阶段。
2017年7月21日，零壹财经新金融夏季峰会召开，会议围绕金融科技的实践，智能金融和风控技术的发展应用展开讨论，沐金农创始人王曾应邀出席，并在圆桌讨论环节发表观点。
在信贷领域，传统风控的特点是稳健，其主要是借助房产、汽车等固定资产作为抵押，然后通过历史借贷数据来预测和判断借款人的违约风险，所以传统风控模式很难给过去没有发生过借贷交易的人进行信用评分。
其对信用数据的采集方式主要是通过用户自己提供，然后金融机构再通过人工的方式去核实这些信息的真实性，需要大量的人力、物力支撑，这意味着其服务的人群数量有限。并且“白户”是传统金融的盲点，传统金融机构倾向于服务大额借款、抵押贷款。
但是我国目前存在大量征信空白群体。资料显示，截至2016年6月，央行征信覆盖人群8.8亿，其中有信用数据的人群仅3.8亿，占总人口的29%，也就是说还有大量的信用白户无法得到传统金融的支持，正因为此科技金融在近几年得到蓬勃发展。
传统金融风控审核中绝大多数用的是德国引进的IPC风控技术，不同于大数据机器风控的集中，IPC人力风控主要是打散，每个信贷员独立管理一个客户，负责从贷前审核、贷中验证以及贷后催收的整个流程体系。
采用双人四眼和三级交叉验证技术，对所获取的数据进行两两比对，误差小于5%则视为合格，反之则为不合格。
这种传统手段每人每天能审20笔贷款。IPC模式人力验证的特性决定了这项技术的展开需要十分优秀的信贷技术人员，对风控能力的要求非常高，但培养一名成熟的信贷人员至少需要1年时间也就是一个放贷周期，审核员需要2年以上，门店经理则需要从信贷员做起，一般需要4-5年时间。
这种很难批量化处理的风控模式比较适合大额贷款，对于小额线上贷款最优解决方案就是需要批量处理能力并且不断的离线学习能力以抵御欺诈风险。
相比于大数据风控的轻巧、便捷，IPC技术则显得十分“笨重”并且就人的感知能力来说，Ai下的机器学习把控要更精准，因为人的心情是起伏不定的，并且每个信贷员对资产的评选标准不一，但是机器能够做到完全客观公正并且在海量数据的支持下，每一笔放款都将更加精确与充满科技力量。
前不久沐金农与腾讯云开展战略合作。天沐系统针对金融风控围绕“人”这一不变特性，对传统风控技术进行升级和优化，通过机器抓取借款人大量社交行为数据，再运用机器学习方式综合判断借款人的欺诈行为强弱性和信用历史优良度，并将判别结果数据反馈数据库进行二次清洗和学习，在严格控制坏账和逾期的同时极大程度的提升借款通过率。
对于欺诈行为严重者，天沐系统则直接做拉黑处理。沐金农还与芝麻信用等巨头机构达成深度合作，实现彼此数据互通。
沐金农王曾表示，风控应是集贷前审核、贷中验证与贷后催收为一体的综合流程体系。
我们在风控中的思路不止是简单的衡量借款人的还款能力、信用成分或者是否为欺诈行为，我们还会将结果倒推，建立催收模型，分析借款用户不还款的理由，反哺审核的准确度。
催收作为直面借款者，不断与人性博弈的关键一环，在工作开展过程中其实会产生很多前期风控所接触不到的关键性指标。
这也是我们坚持建立自己催收团队的原因。通过数据的积累不断建立深入业务的风控模型，并且我们在模型中融入区块链的概念，使得各个模型体系在数据的调取与应用当中更安全、交叉验证更准确。后发力量不可估量。
王曾补充道，人工智能始于大量数据学习的过程，通过数据和行为的分析推导出规则和流程。
在消费金融领域，人工智能可以成功预防现有欺诈行为并预测未来数据，在实践中利用消费金融高频的特点进行快速学习，发挥更有效的决策作用，提升普惠资金利用效率。可以说，消费金融反欺诈在利用人工智能进行决策时具备一定的天然优势。
沐金农依托在三农领域的数据积淀，通过天沐大数据风控平台，已经具备包括抵御区域性风险、群体性风险、套现风险、商户风险、业务员风险、行为风险的反欺诈能力。
同时，为保持风控策略和风控模型的长期有效性，以及避免被攻克利用的风险，天沐大数据风控平台还会对风控策略及模型保持高频率的更新，利用历史和增量数据进行迭代，让机器判断更加准确。
目前，公司的风控已经在沐金农及拿下分期的各产品中得到验证。
作为一家根植三农的金融科技公司，沐金农以数据为基础，以技术为手段，始终致力于利用大数据、人工智能等技术提升金融服务效率，降低运营成本，减少欺诈风险。
未来，沐金农仍将致力为广大三农人群提供更优质的金融服务，同时将大数据风控技术对外输出，构建沐金农科技金融生态圈。
（新闻稿 2017-07-24）
