因金融監管後時代來臨，互聯網金融科技開始迎來行業新機遇，檸檬科技作為技術驅動先行者，受到業內媒體廣泛關注。
近期，專注於創新企業研究和評價的互聯網投研平臺愛分析對檸檬科技創始人兼COO彭小兵進行了訪談，就金融科技領域行業發展動態及檸檬科技業務專注方向進行了深入交流，部分精彩內容分享如下：
服務中小金融機構，深度合作創造新機會
愛分析：請您能簡單介紹創始團隊的背景？
彭小兵：公司創始團隊有四個人，主要在銀行和消費金融公司等機構。我之前在交通銀行做了3年的技術開發，隨後在第三方金融IT公司做了10多年技術管理工作，在圈子裡積累了一些人脈。
愛分析：檸檬科技的發展過程是怎樣的？
彭小兵：公司成立之後有三個發展階段。
第一個階段是到2016年6月，我們做出了迷你風控平臺1.0版本，它接入了外部第三方數據，並開發出了最簡單的規則和模型。當時找到了兩個互聯金融的合作伙伴，其中一個是深圳普惠快信。
第二個階段，我們做風控平臺、風險評估等業務。經過一段時間積累和磨合，我們參與更多深入服務，從風控模型構建、上線到模型整合，還有模型更新迭代。其中包括貸前信息審查模型，貸中評分模型，貸後催收模型等。
第三個階段是在2017年，我們推出了風控2.0的版本。新版本加快了數據接入速度，升級了決策引擎、提升信息可信度分析和區域客戶特徵分析等模塊。
愛分析：檸檬科技的主要客戶群體有哪些？
彭小兵：目前服務的客戶有十家左右，主要服務消費金融公司、城商行和農商行等中小企業。客戶並不多，我們重心放在服務質量和效果上面。
愛分析：銀行和消費金融公司需求上有沒有差異？
彭小兵：其實有差異，我先說共同點，他們都需要精準獲客、風險控制和運營分析，以及貸後管理整個解決方案。
不同點在於每一類機構它擁有的資源、風險承受能力、經營目標或壓力不一樣，所以對結果的要求不一樣。
舉個例子，銀行擁有非常好的資源，在風險承受這點上，因為監管要求不同，銀行風險承受能力比互金更強，但承受風險的意願更弱。而且銀行的經營壓力、業績考核和互金也是不一樣的。
愛分析：終端客群是2C還是2B的？
彭小兵：都有，包括個人、小微和企業，這三塊信貸產品。
愛分析：銀行2C、2B的產品都有，檸檬科技的風控更側重哪個方向？
彭小兵：偏向於個人和小微企業的徵信和風險控制。
愛分析：檸檬科技的收費方式都有哪些？
彭小兵：主要包括產品模塊費用和後續服務費用，服務費主要是根據業務規模，按服務調用次數或者貸款金融一定比例進行收取。
銀行需要整個信貸風控解決方案。消費金融公司或者是小貸公司，一般會選某一個到兩個模塊。我們後續服務收費和貸款金額相關，每年的服務費可能比首期費高，我們希望做深度合作，我們的收入和客戶的業務狀況相關。
平臺化的全面產品線，風控、營銷全方位服務
愛分析：檸檬科技的產品和服務有哪些？
彭小兵：我們產品和服務分兩塊，一個是風控服務，一個是精準營銷。
風控方面，我們會監控平臺外部數據進來的效率、穩定性、異常值。貸款申請是通過平臺來發起的，風控平臺會獲得基本信息、貸款的金額、徵信數據；對2B的客戶，還需要獲得企業業務、客群、產品、合作渠道等信息。
除了運營監控，我們還將數據形成關係網絡，主要解決團伙欺詐，可能是一個人的手機號、地址位置，通過實際業務過程產生業務數據，反向去做就是反欺詐。貸款申請的過程當中，我們會對客戶做風險評估。
貸後更多是催收模型，通過追償無法解決的，檸檬科技會幫助企業會對接合作的法律或仲裁平臺，聯繫相關機構提起法律訴訟。
營銷方面銀行更關心內部存量客戶的激活。
我們利用外部三方的相關數據、客戶內部數據，建立多維度客戶畫像，篩選出有價值的潛在優質客戶，然後再指導銀行來利用渠道觸達。
渠道方面我們有團隊做信息流、廣告聯盟等平臺，幫客戶把線上渠道打通。
愛分析：現在銀行對CPC模式的接受程度如何？
彭小兵：銀行的信用卡營銷有很大需求，線下廣告媒體營銷效果難以評估和數字化，線上廣告效果就沒有這個問題。
愛分析：檸檬科技的數據來源包括哪些？
彭小兵：有一些就是前期合作過程當中積累的數據。主要依託於外部的數據，包括驗證類、欺詐類、以及經營流水、工商數據等。比如和銀聯的合作，我們就利用銀聯的數據接口，調用徵信數據。
銀行業務中，我們對徵信數據市場行情比較瞭解，在數據來源方面可以給銀行一些建議。
愛分析：數據接口、決策平臺的工作原理是怎樣的？
彭小兵：傳統的銀行數據，都是單點接入。比如信用卡和零售產品，分別接入，沒有統一管理。我的平臺把銀行不同業務數據和外部數據統一管理，並對內對外發布API數據服務。
我們先部署底層的平臺，然後接入外部數據，通過平臺對數據進行清洗和加工。最後根據模型需要提取數據。
愛分析：模型開發的過程怎樣的？
彭小兵：我們會用到 R、python和spark等語言構建數據挖掘平臺，根據客戶的實際需求開發模型，將開發代碼封裝並實現流程可視化、可管理，最後交付。在風控2.0的版本中，新模型可以一鍵發佈到決策平臺，可以做到模型實時調整。
愛分析：模型開發平臺又是如何工作的？
彭小兵：平臺會集成開源算法和我們獨有算法，整個算法和模型開發的流程是可控的。
我們會根據具體場景對模型進行改造，客戶也可以通過平臺對模型進行改進和開發，共享成果。
最後將模型開發平臺跟決策引擎直接打通，模型開發能和決策平臺做聯動，能夠讓模型快速生效。
愛分析：人臉識別、語音識別和文本識別是不是利用外部接口？
彭小兵：我們之前做過這方面技術探索，這塊底層技術已經比較成熟，我們更多聚焦在這些技術與現有模型及業務需求的整合。
愛分析：比如人臉識別能用在哪一些流程和環節裡面？
彭小兵：在貸款申請階段，有身份的比對。比如看照片背景是否相同，線下的套現團伙或者黑中介，可能找一批白戶集中到某一個地方，做線上或者線下申請的方式來進行套現。
我們可以通過背景圖片的比對進行判斷，比如有一百張照片背景的相似度非常高，那麼這些申請者就會有套現嫌疑。
愛分析：現在團隊總共大概有多少人？
彭小兵：公司目前有120人左右。大部分在成都，技術研發有95人左右，還有商務拓展團隊、後臺團隊和運維團隊。
愛分析：模型更新週期大概多長時間，包括哪些維度？
彭小兵：模型的更新迭代頻率和運營監控結果關係緊密 ，比如模型跑出來的壞賬率、逾期率升高，我們就需要檢查原因，及時提示風險和更迭模型。所以時間節點不是特別固定，一般一到三個月。
拓展銀行客戶，確定多行業發展目標
愛分析：新客方面，主要會考慮是銀行還是互聯網金融？
彭小兵：銀行優先，其次是消費金融公司和小貸公司等。
銀行對優質客群的需求比較迫切，需要更強的資源整合能力，我們風控體系和營銷體系就滿足了這些需求。
由於市場因素，小貸公司出現了很多問題，這個洗牌過程中我們的風控和營銷模型就更顯價值。
愛分析：城商行和大型銀行的廣告投放費用，佔營業收入比例如何？
彭小兵：廣告投放費用非常高，是千萬級為的。投放渠道包括互聯網媒體、電視廣告、宣傳材料或者活動等。
愛分析：通過檸檬科技大數據風控體系審核的貸款金額有多少？未來的目標是多少？
彭小兵：貸款金融累計有500多億元，以個人短期消費貸款的為主，今年主要跟銀行合作，下半年放款規模會大一點到年底希望能夠衝破累計1000億元。
愛分析：檸檬科技的獲客大約週期是怎麼樣的？
彭小兵：3到6個月。
愛分析：如何規劃未來兩三年業務？
彭小兵：業務規劃主要還是在金融行業。隨著技術的成熟，我們會往嘗試其他行業，比如說教育或醫療行業。
醫療科研對於數據挖掘是有非常強的需求，我們也想積累業務場景經驗。我們創始團隊中有相關資源的積累，但業務還在籌劃階段。
教育行業我們會鎖定高校的大數據、數據分析專業，因為我們在商業化方面更有經驗，就可以將我們的產品開放給高校學生，支持高校的科研項目，讓學生有更好的學習、實踐平臺。
學校也是公司在大數據建模和統計分析領域招聘人才的良好來源。
閱讀更多 檸檬科技大數據 的文章
