2020-09-03

疫情促进欧洲经济数字化

今天的主题，主要是要跟大家分享一下疫情对欧洲的数据战略有哪些影响。CRIF公司作为欧洲最大的一家征信公司，如何进行一些数据的处理及下一步的行动计划有哪些？

CRIF公司一直是欧盟委员会的理事会成员，所以每年都会为欧洲的经济分析贡献很多的数据和专家的力量，一直也在深度参与欧洲各种数据战略的规划和制定。大家可以看一下，2020年我们用欧洲的一些数据新做的一个分析。大家可以看到在2018年欧洲的数据经济应该大概有3000亿欧元的市场体量，贡献了整个欧洲GDP的2.4%左右，但是这个数据到2025年我们可能会到8000多亿欧元，也就是说欧洲的数据经济5年之后会有一个翻倍的增长，它会占整个欧洲GDP的5.8%，甚至还会更高，因为我们预测还是比较保守。

欧洲使用数字化应用的人口数量，其实增长不多，从57%到65%。但是我们发现数字处理的方式是完全改变了，2018可能欧洲80%的数据依然是在用计算机的方式处理，智能化处理只占到了20%，但是到2025年随着智能设备的发展，智能数字化的应用会占到80%，传统的方式降到了20%，这也就促进了欧洲在数字化处理方式的一次变革。所以说，疫情降缓了经济增速，却加速了数字处理的进程和发展。

对于CRIF公司来说，我们内部也在大大加速这样的一个进程。欧洲在数字化方向上未来会遇到很多这样的问题，比如说近几年欧洲一直在提的“开放银行”，其实会涉及到一些数字金融身份认证的问题，数据开放问题，数据处理问题等。

数据采集要符合欧洲监管，保护个人隐私

欧洲的身份识别目前还是比较传统的，发展步伐很慢，他们的身份证甚至还在使用这种纸质的文件，。那么，开放银行数字化转型之后，身份识别这块究竟要怎么样去超越，从而帮助客户更方便更容易地去获得一些他们需要的金融服务？

除此之外，在客户同意且授权的情况下，我们应该去访问和共享金融场景下的哪些数据？大家都知道欧洲讲究人权人性化，我们是不是要基于每个人同意使用他们的数据，然后才来制定开放金融的政策，这里面其实有很多错综复杂的考量。 因为大数据时代数据的量是非常大的，但是究竟哪些数据可以应用于金融决策，哪些数据应该被收集被整理，都是一个比较复杂的问题。所以我们一直在思考究竟授权哪些信息，才是最相关的，跟我们的金融场景相关，这样才能给消费者或是企业提供他们最需要的金融服务。

然后我们使用这些数据的时候，我们的目标是否明确？我们如何最小化的去收集有效的数据，而不是说无限制的什么数据都可以去收集，同时要保证数据的准确性，可存储性，可解释性等多维度。

但从数据的可解释性这一个方面，我们已经做了很多的研究和尝试，今天稍后我也是可能说会针对这一个方面说给大家举一个场景方便大家和大家一起分享我们在这方面做了哪些努力。

人工智能（AI）促进征信业变革和发展

其实欧洲现在有非常强的紧迫感，7月份开会的时候，我们也跟很多欧洲的专家在讨论。觉得疫情可能是会改变人们的生活方式、工作方式，甚至是整个世界的格局，欧洲都在说我们究竟要做什么样的数字化变革才能不输于美国和中国。

欧洲究竟下一步究竟怎么样去做，如何围绕着人工智能、机器学习等新技术为客户打造一个完全被信任的新金融生态系统。

为了让新金融生态系统可持续的健康发展，CRIF在这方面做了很多尝试，基于欧盟的一系列的管理举措及未来的一些数字战略规划，我们究竟在哪些点去落地，真正的执行过程中，我们又有哪些尝试呢？今天针对CRIF在人工智能在征信领域中的的一个点应用，跟大家做一个简单的分享。

从2018年之前，CRIF公司一直在征信领域尝试使用人工智能技术，比如说我们按照数据的不同维度把人工智能的应用分成了高中低等不同的级别，我们在高风险的人工智能领域，，其实我们一直是在获取数据，分析数据，训练数据，存储数据，然后不断的去观察这些数据是不是够稳定和准确来用于一些特定的场景，且是不是符合各种合规的要求。

同时，我们还有一些在特殊场景下的特殊数据，必须在我们完全测试且结束观察期之后，觉得它可以用于生产了，我们依然就会先给他贴上一个高质量的标签，再在准生产环境下被被测试被观察之后，我们才会给它贴下一个标签到真实的场景里面去应用，大家可以看出我们在这个过程中我们在反复的测试和检测。

最后也给大家举一个实例，这是在传统信贷中一个审批的案例。，一个叫John的单身男性，今年25岁，已经做了5年临时工，目前他租了一套公寓，现在他想去贷款买一套房子，于是他去跟第六银行申请这样的一笔房贷，第六银行按照行内的审批流程，会到CRIF公司去申请一下John的信用评分，因为John的征信评分是非常低的，第六银行就拒绝了他的这笔贷款申请。由于被拒绝，，John就会过来问第六银行自己被拒绝的原因欧洲针对这种情况，金融机构是有义务向个人去解释你为什么被拒。

按照传统的方式，第六银行会根据CRIF公司给出的一个评分及一些输出的结果给一个简单的回复例如我们觉得他的年龄，他的婚姻状况或是他的工作等原因，我们暂时不能给他这笔信贷。

但是，如果CRIF公司在使用了人工智能和机器学习之后输出的是一个“黑盒子”模型，因为我们其实很难打开盒子里面的逻辑，它有很多复杂的计算，这样银行就不能去解释John被拒绝的原因，这样其实我们就很难满足于这种重要的需求，也很难让银行留住客户，银行的业务在市场上就会收到很大的影响。从而这样很难让新的技术在传统的银行信贷业务中被大规模的推广和应用。

所以在过去的时间里，CRIF尝试开发了智能技术辅助性模型，类似于机器学习的一些智能工具包，让黑盒子基于不同的场景和应用可以被打开，把开发逻辑分成不同的架构，在这个架构上用不同的维度去分析。最终我们就很完美的把新技术和传统银行的信贷业务结合在了一起，大大促进了数字化转型的发展需要。

现在依然是John来第六银行申请房贷，同样的审批流程后他获得了同样的审批结果，这个过程效率更高，且最终我们给他的解释还可以更精确和详细。

新技术在任何领域的应用都需要一个过程，在征信公司的未来，我们也不再是被动的等待业务，金融机构问我一个问题，我给出一个简单的决策，而是我们要去积极的参与，更多的拥抱场景，参与所有的客户的生命中所有的重要的时刻，他需要哪些金融场景，他需要什么样的服务，我们是希望未来我们是可以伴随着每个人的成长，去给他提供就更全面的服务，这个也是我们未来的一个探索方向。

注：本文来自全联并购公会信用管理专委会2020年8月14日举办“疫情对个人征信体系的冲击与应对”闭门研讨会宋艳秋女士的发言，经本人确认

欢迎转载，请注明“全联并购公会信用管理专委会”