近年來，在國家金融改革的進程中，金融行業(yè)借助互聯(lián)網(wǎng)+和AI技術(shù)，取得了令人眼花繚亂的進展和成績，尤其是在線支付、互聯(lián)網(wǎng)金融業(yè)務(wù)等領(lǐng)域已處于全球領(lǐng)先地位。然而，過快甚至無序的發(fā)展也給金融行業(yè)了不少隱患，引發(fā)了不少社會問題。作為金融科技公司，在服務(wù)銀行的過程中，逐步完善了公司貸前、貸中和貸后產(chǎn)品線，通過AI技術(shù)和服務(wù)能力幫助客戶管理信貸資產(chǎn)，降低信貸風(fēng)險，同時，幫助客戶把好合規(guī)關(guān)，降低操作風(fēng)險。
一．貸后業(yè)務(wù)痛點分析
銀行貸后業(yè)務(wù)，催收是一個關(guān)鍵環(huán)節(jié)，而催收業(yè)務(wù)痛點主要體現(xiàn)在以下三個方面：
近年來，銀行的逾期率和壞賬率在不斷攀升，給信貸業(yè)務(wù)帶來非常大的壓力。銀行除了加強貸前風(fēng)控和貸中監(jiān)控之外，貸后催收也是一個非常關(guān)鍵的環(huán)節(jié)。如何通過有效的催收手段，提高逾期回收率，降低信貸逾期率和壞賬率，是銀行貸后業(yè)務(wù)面臨的主要挑戰(zhàn)。
對于每一個已經(jīng)逾期的客戶，什么時間點、采用何種途徑（短信、語音機器人、人工電話、外訪、仲裁、訴訟）、采用何種話術(shù)，甚至由哪個催收員進行催收作業(yè)，都可能影響催收的成功率。我們在服務(wù)客戶的過程中，不斷探索AI技術(shù)在貸后催收場景的應(yīng)用，形成了一整套有AI模型和量化策略相結(jié)合方法，可幫助客戶有效提高催收成功率。
2019年的中國金融行業(yè)，因暴力催收引發(fā)的刑事案件時有發(fā)生，一方面給監(jiān)管機構(gòu)和司法機關(guān)帶來了巨大挑戰(zhàn)，另一方面，債務(wù)人的惡意拖欠，給銀行帶來了巨大的壓力。因此，如何規(guī)范催收作業(yè)過程，保證其合法合規(guī)，已成為銀行在催收管理中一個非常重要的責(zé)任。語音質(zhì)檢產(chǎn)品正是在這種背景下開發(fā)出來的。語音質(zhì)檢產(chǎn)品最初只是把催收作業(yè)過程產(chǎn)生的錄音文件轉(zhuǎn)成文本，然后，通過NLP和規(guī)則引擎對催收員作業(yè)過程中是否存在辱罵、威脅等行為，催收話術(shù)是否符合銀行規(guī)范要求，如表明身份、確認對方身份等。目前，語音質(zhì)檢已初步演進為貸后智能分析系統(tǒng)，通過對催收過程數(shù)據(jù)的收集，結(jié)合AI技術(shù)，可對逾期資產(chǎn)進行評級和估價、對債務(wù)人進行畫像、對坐席特質(zhì)進行分析，為智能催收提供了可量化的數(shù)據(jù)基礎(chǔ)。
3. 如何提高催收作業(yè)效能？
催收作業(yè)無論是內(nèi)催還是委外，無疑都是一個勞動密集型工作。對于勞動密集型工作，降本增效是硬道理?？赏ㄟ^工作流程的標(biāo)準(zhǔn)化和精細化管理來提高人工效能，從而降低催收作業(yè)的人力成本。我們依托有多年銀行資產(chǎn)管理經(jīng)驗的業(yè)務(wù)帶頭人，設(shè)計開發(fā)了一套貸后作業(yè)管理系統(tǒng)。該系統(tǒng)不但在實用性和易用性上下功夫，還詳細記錄催收作業(yè)人員的所有操作，利用大數(shù)據(jù)分析（BI）技術(shù)，結(jié)合AI模型，為精細化管理提供抓手。另外，催收機器人代替人工作業(yè)，也可以大大降低催收成本。
二．貸后產(chǎn)品演進
如上圖所示，貸后產(chǎn)品演進過程從簡單的貸后評分模型，即C卡評分開始，借助在AI技術(shù)上的優(yōu)勢，幫助客戶完成C卡評分模型，從而C卡評分一個點切入到銀行貸后業(yè)務(wù)場景。在與客戶合作的過程中，我們很快意識到貸后市場空間非常大，貸后催收管理落后的產(chǎn)能與不斷攀升的逾期率之間的矛盾越來越突出，因此，在2018年中啟動了語音機器人產(chǎn)品的設(shè)計與研發(fā)，于2019年4月推出貸后催收機器人，快速幫助銀行解決催收人員短缺的問題。同時，啟動了貸后委外管理系統(tǒng)、語音質(zhì)檢、貸后催收作業(yè)系統(tǒng)產(chǎn)品的設(shè)計與研發(fā)，逐步解決客戶催收作業(yè)中的各種痛點。到2019年底，貸后產(chǎn)品線已涵蓋了貸后催收場景的80%以上的需求，并形成了貸后一體化解決方案。
在產(chǎn)品演進的過程中，我們看到了很多市場機會，但仍然緊緊圍繞目標(biāo)客戶的業(yè)務(wù)痛點、非常克制地規(guī)劃我們的貸后產(chǎn)品，不斷地把我們AI的技術(shù)優(yōu)勢和對業(yè)務(wù)理解能力相結(jié)合，精心打造出來的每一款產(chǎn)品都得到了市場的認可和客戶的尊重。
【畫外音】金融科技公司toB的產(chǎn)品“如何抓住市場機會？我們的優(yōu)勢是什么？如何找到市場定位？”以上幾個問題是在貸后產(chǎn)品演進過程中，我們不斷問自己的問題。然而，最難回答的問題是，”我們不該做什么或者我們應(yīng)該放棄什么？”這些問題我們深有體會，但還不敢說都有答案，歡迎大家留言討論。
三．技術(shù)架構(gòu)演進
技術(shù)架構(gòu)的演進有兩條主線，一是技術(shù)如何滿足業(yè)務(wù)和產(chǎn)品需求；二是公司在核心技術(shù)上長期的投入和積累。
如前章所述，貸后產(chǎn)品圍繞客戶痛點進行升級迭代，貸后產(chǎn)品技術(shù)架構(gòu)也基本經(jīng)歷了三個階段的發(fā)展：
1）單體服務(wù)階段，所有功能模塊都在一個springboot應(yīng)用中實現(xiàn)。采用單體服務(wù)優(yōu)點是開發(fā)上手比較快，可快速發(fā)布產(chǎn)品。帶來的問題是系統(tǒng)模塊間強耦合，產(chǎn)品需求不斷迭代，開發(fā)不斷累加功能，導(dǎo)致系統(tǒng)越來越復(fù)雜，迭代成本越來越高。尤其是滿足不用客戶的需求時，定制開發(fā)成本非常高，也因此欠下了不少技術(shù)債。
2）微服務(wù)階段，采用spring cloud微服務(wù)架構(gòu)，按照職責(zé)單一原則把系統(tǒng)劃分為多個微服務(wù)。此階段的微服務(wù)劃分仍然是在單一產(chǎn)品內(nèi)，同時，把一些公共的功能模塊從業(yè)務(wù)系統(tǒng)中剝離出來，形成公共的微服務(wù)模塊。對于與客戶對接部分也盡量獨立，這樣，在滿足客戶定制化需求的時候，對系統(tǒng)影響盡量少。
3）平臺階段，在微服務(wù)架構(gòu)的基礎(chǔ)上，把多個貸后產(chǎn)品模塊進行抽象、整合、分層，最終，形成如下圖所示的架構(gòu)。這個架構(gòu)的主要目的是滿足貸后一體化解決方案的要求，如客戶希望通過一套用戶和權(quán)限系統(tǒng)，能夠使用所有貸后產(chǎn)品，因此，我們把這部分功能集成到用戶中心這個微服務(wù)；貸后催收作業(yè)過程中，有很多需要系統(tǒng)自動執(zhí)行或者定期執(zhí)行的任務(wù)，一個案件也需要在各系統(tǒng)中流轉(zhuǎn)，因此，抽取了調(diào)度中心這個微服務(wù)，所有這類任務(wù)都交給調(diào)度中心。
另外，為實現(xiàn)貸后產(chǎn)品快速交付給客戶使用，我們在采用微服務(wù)架構(gòu)，降低客戶定制化開發(fā)成本的同時，對于智能語音和集刻質(zhì)檢這類內(nèi)部集成了AI模型（ASR、TTS和NLP），且對硬件資源要求比較高的產(chǎn)品，采用軟硬一體機的產(chǎn)品形態(tài)，做到開箱即用。這種產(chǎn)品形態(tài)，即可保證系統(tǒng)的穩(wěn)定性，提高硬件資源的利用率，又大大降低了客戶私有化部署的成本。
2. 核心技術(shù)演進
如前所述，核心技術(shù)演進也是緊緊圍繞如何把AI和我們的技術(shù)能力賦能給銀行客戶，解決客戶的實際問題出發(fā)的，而這些技術(shù)不但可以在貸后產(chǎn)品中使用，同樣也可用在風(fēng)控產(chǎn)品線，和服務(wù)于其他行業(yè)的客戶。核心技術(shù)演進包括三個方面：
1）評分模型
在算法方面，從LR，XGBoost等傳統(tǒng)評分模型算法，逐步探索深度學(xué)習(xí)、遷移學(xué)習(xí)等算法。在工具方面，從手工寫代碼完成數(shù)據(jù)清洗、特征抽取、模型訓(xùn)練、模型預(yù)測，到利用自研的建模平臺完成建模過程，并可實時監(jiān)控模型運行結(jié)果指標(biāo)。在客戶服務(wù)方面，從聯(lián)合建模，輸出技術(shù)能力，演進到當(dāng)前流行的聯(lián)邦學(xué)習(xí)方式，在保障客戶和數(shù)據(jù)源各方數(shù)據(jù)不出本地的前提下，完成評分模型的訓(xùn)練和使用。
2）NLP技術(shù)
最早研究NLP技術(shù)是用在輿情分析領(lǐng)域，到2018年語音機器人開發(fā)啟動之后，開始利用NLU+知識圖譜技術(shù)解決語音機器人對話過程中意圖識別的難題，到目前為止，NLP技術(shù)已廣泛應(yīng)該到貸后坐席話術(shù)合規(guī)檢查、坐席特質(zhì)分析、債務(wù)人畫像、債務(wù)人還款意愿和能力分析等多個場景。同時，把NLP輸出的結(jié)果作為貸后C卡評分的特征變量，訓(xùn)練處理C卡的升級模型C+和C++卡模型。
3）CI/CD技術(shù)
在持續(xù)集成和持續(xù)發(fā)布方面，一直堅持用代碼自動化代替手工操作的方式，從最早的gitlab、maven、jenkins等工具，到目前的docker+ K8S，已形成了一套標(biāo)準(zhǔn)的自動化上線流程和工具，大大降低了運維成本。同時，這套CI/CD技術(shù)也為客戶交付提供技術(shù)保障，降低現(xiàn)場實施成本，保障交付質(zhì)量。
【畫外音】技術(shù)架構(gòu)的演進是一個不斷踩坑和填坑的過程，我們一直在踩坑的路上，歡迎大家留言討論交流。
