洞察市场所需，益博睿技术创新从来都是认真的！( 二 ) 一直以来

　　为了提供灵活可扩展的前沿解决方案，益博睿X实验室尤其专注于通过高级数据分析和研发来实现创新，帮助消费者及企业处理金融普惠的相关重要问题，从而提升获得金融服务的机会。

　　51CTO采访人员：近年来，益博睿推出了哪些行之有效的解决方案?这些方案对应主要用于解决客户的哪些难题，对客户的价值是什么?

　　赵国豪：这些年，益博睿数据实验室确实推出了很多实用的产品和解决方案，应用范围广泛。益博睿X Score就是其中比较典型的一个产品，该平台可以将多种数据源加以组合并整合成单一计分，也就是使用消费者评分及可替代数据源的合并计分。该计分有助于提供快速简便的信贷申请和/或对信用评分构成的详细查阅，从而为那些更复杂的决策流程提供服务。通过这一方案，我们可进一步推动金融普惠，预计将惠及当前亚太地区未受金融体系覆盖人群的20% 。

　　再比如，为了让社会上较为贫困且边缘化的群体能够得到公共服务及金融服务，益博睿Prove-ID提供了让在线身份创建更为便捷化的身份验证技术，可实时验证个人身份，提供快速安全的网络环境;为了解决金融机构收债难题，益博睿移动端解决方案CollectAble采用自动化的方式，让外勤人员在手机上浏览客户案例，在获得实时更新、提升效率的同时实现债务追收，真正做到端到端支持收债，既保持了数据安全性又能维持金融机构与其客户间的信任。

　　51CTO采访人员：近年来，移动互联网、人工智能、机器学习等技术促进了金融科技的快速发展。请问益博睿是如何应用这些新兴IT技术的呢?

　　赵国豪：从技术上来说，益博睿数据实验室主要聚焦机器学习方法和人工智能的应用。

　　以语义分析技术应用于催缴逾期款项的场景为例，银行会对录音电话进行分析，透过说话结构、客户应答关键字等分析出客户的还钱概率，以便针对还钱概率高的客户和概率低的客户，分别采取对应的手段。除了预测客户还钱概率外，语义分析还可以根据银行催收人员与客户的沟通过程，分析沟通时长、沟通技巧、沟通结果，从而对银行的内部催收效率进行监控。

----洞察市场所需，益博睿技术创新从来都是认真的！//----

　　另外，益博睿数据实验室近两年十分专注于机器学习方法的研究。在金融领域，机器学习作为一种新兴技术正越来越多被应用于建立数据模型，尤其是信用风险预测模型。但是，很多人认为机器学习是个“黑盒子” ，无法通过一定的关联来解释为什么某位客户被预测是有高风险的。对于这个问题，益博睿数据实验室一直在进行深入研究，试图发展模型的“可解释性” ，并且已经取得了一定成果，今年就将推出相关产品。

　　基于银行贷款评估场景，再介绍一个大数据技术应用的例子。以前，银行对借贷者进行信用评估主要都是依靠人行的征信报告，通过报告中展示的贷款申请、贷款使用、还款逾期等历史交易记录，判断是否发放贷款;但这样的评估方式无法覆盖没有任何借贷历史数据的“小白”客户。现在，结合第三方数据(如手机号码的使用年限、通讯记录、电商平台的购物记录等等) ，益博睿可以从数据的多维度出发对客户信用进行评估，告诉银行客户的信用如何。这便是大数据技术的应用了。此外，大数据还可以整合所有银行本身无法取得的数据，从这些外部信息中筛选并提炼出与衡量客户信用风险相关的特征，帮助银行评估客户的还款意愿，这也是银行对大数据很重要的应用。