愛分析：業務安全打頭陣，頂象技術突圍金融科技
成立於2017年的頂象技術，主打從端到通道到後臺的全鏈路縱深業務風控。在創辦頂象之前，陳樹華負責阿里巴巴的移動安全和業務安全，並擔任過阿里雙11的安全總指揮。擁有多年電商業務安全經驗的他，對反欺詐技術及各種應用場景瞭如指掌。離開阿里巴巴後，陳樹華將這些業務安全攻防應用實踐總結為一套理念。基於這套理念，頂象技術陸續推出了覆蓋全鏈路的端安全、適合全場景的風控、滿足全業務的智慧分析平臺等產品。
憑藉精銳的團隊和特有的產品，頂象技術成功為金融、網際網路、航旅、IoT等行業提供了專業業務安全解決方案，其中不乏同程旅遊、餓了麼、每日優鮮、國家電網、中國國航等頭部客戶，業內認可度極高。
不過，在非金融行業發展面臨著天花板低的問題。
首先，行業內業務安全類需求經常波動，無法維持穩定增速。其次，頂象雖然在某些技術點上具備優勢，但非金融行業規模有限，而且一些深耕業務安全的公司擁有更多成功案例，行業內競爭形勢嚴峻。
憑藉與非金融行業內客戶合作積累的資料和模型，頂象技術正逐步推出面向以銀行為主的金融行業反欺詐產品及信貸模型產品。
頂象從專注使用者體驗的角度出發，設計定製化的資料處理模組為客戶節省了大量資料清洗和分析的時間；定製化和共享模型功能則更貼近業務需求，讓使用者針對業務直接選擇對應模型。這兩大優勢已經幫助頂象在銀行業拿下了眾多城商行的端安全和營銷反欺詐業務。
在向銀行客戶開拓業務時頂象仍面臨案例經驗的劣勢。為了彌補這一不足，頂象一方面與自建風控模型的大型銀行合作，依靠技術優勢為其提供反欺詐技術諮詢服務，另一方面頂象與合作伙伴聯手，與頭部銀行達成戰略合作並引導客流，並提供反欺詐服務。
目前，銀行業呈現兩大發展趨勢，有利於頂象在業內加速擴張。
從2018年起，國家逐步開放各類金融機構的外資持股比例。頂象技術預計外資銀行將加快推出新業務的步伐，帶動國內銀行業的發展。另外，國家對於小微企業的金融扶持政策會通過銀行落地。未來銀行對反欺詐及信貸模型的需求會繼續升溫。
從客戶拓展的角度來看，在維持非金融行業客戶的同時，頂象希望以城商行及小型股份制銀行為切入點，依靠自身技術優勢和案例累積在反欺詐及信貸模型的細分應用場景形成突圍之勢，服務於更多銀行。
近日，愛分析對頂象技術首席科學家施亮進行了訪談，此前他曾擔任阿里巴巴資深安全/演算法專家。施亮詳細闡述了頂象技術的業務模式和發展戰略，現摘取部分內容如下。
01 未來聚焦銀行 反欺詐和信貸業務
愛分析：在阿里巴巴的產品開發經驗為頂象技術帶來了哪些優勢？
施亮：頂象創始人在阿里巴巴安全部做了阿里巴巴安全部兩款僅有的對外輸出的產品——聚安全和錢盾。其中，聚安全聚焦在電商業務安全，錢盾主要是手機端的防護；防範阿里系諸如淘寶和天貓手機交易的反欺詐威脅。
因為當時阿里的產品基本都是服務於阿里內部，不對外服務。所以創始人離開後，把這個想法獨立出來，提供給其他企業，以提升整個行業的安全能力。目之前已經服務了一大批客戶，包括在航空業的中國國航，電商業的餓了麼、同程藝龍、每日優鮮、寶寶樹等。銀行業也有一些客戶，比如南京銀行、寧波銀行、泉州銀行、泰隆銀行、國內四大清算中心之一的農信銀資金清算中心等。
愛分析：在銀行業，頂象技術是怎樣的服務模式？
施亮：大體上是分兩塊，信貸和反欺詐。信貸業務裡，對於正常客戶，銀行根據收入、年齡、借還款歷史、資產情況決定授信與否和授信額度。反欺詐業務裡，主要是辨別哪些人就是來騙貸的。比如像現金貸，有不法分子撈一把兌現了就跑了，相當於來騙貸款的。
反欺詐一直在做，11月份將會推新產品。我們原來做的反欺詐是網際網路領域，和銀行營銷欺詐稍微有點差別，但很多技術是相通的，包括底層的平臺和邏輯。
我們借用了在阿里內部成功實踐的想法，把輕量化產品部署在銀行端，因為銀行資料和所有平臺都得部署在本地，所以我們做了大量的私有化工作。在我們的策略服務平臺裡，一項複雜規則的執行可以控制在平均20毫秒之內。演算法有多種比較複雜的巢狀模型，但一般情況都是在20毫秒之內就能搞定，相當於實時風控能力。
愛分析：銀行客戶的部署時間需要多久？
施亮：部署時間相對友商會比較短，視複雜程度，從一星期到幾個星期不等。
愛分析：在銀行業拓展客戶的策略是什麼？
施亮：我們剛開始推的時候是從高階農商行或者城市股份制銀行，可以先試用。如果覺得沒問題了，再進一步的合作。
愛分析：頂象技術與其他競品相比有何差異化？
施亮：我們想用極致的使用者體驗打動客戶，讓所有模型都可以通過滑鼠拖拽實現，不用人工編寫程式碼，包括資料清洗。一般情況資料清洗佔據最多的建模時間。我們幫助使用者把時間全部省下來，用滑鼠就把資料清洗搞定。
就好比吃龍蝦，有些飯店可以去蝦頭、蝦線、蝦尾，這樣客戶手都不用二次處理就可以吃小龍蝦了，味道還是一樣的。我們想在極致的使用者體驗上下功夫。
我們從資料處理到建模，在整個流程中的某些環節能夠達到使用者的G點，讓使用者使用非常方便。此前，企業如果要建設模型，一般需要2-3個非常有經驗的建模和資料分析人員，耗時1-2個月才能完成。使用我們的建模平臺後，只需要1個人，耗時只要1-2個星期就能夠搞定,適合銀行方做大量的新業務上線和老業務迭代。
在反欺詐技術的研發上，我們引入了深度學習神經網路，同時注重個人特徵加上關聯關係的延伸。
目前，這方面的前沿學術文章都是在2017年之後發的，在業界還沒有看到這樣的產品。我們把它叫做深度畫像技術。目前已經應用到金融業的各種應用場景，比如使用者分層、信用分級、欺詐團伙識別。
愛分析：頂象的模型和通用AI演算法平臺的差異在哪？
施亮：我們在銀行的信貸和反欺詐業務做的很細，主要專注在應用場景上。在通用平臺上如果做類似建模需要做大量工作，包括前期資料處理、建模型、寫程式碼，非常專業的人花很長時間才能做出來。
所以，我們的產品相當於客戶直接吃龍蝦肉。相當於客戶只需要提供小龍蝦，自己不用做處理，我們的產品會幫使用者處理好上桌，非常簡便。
02 累積行業經驗 開發前沿技術
愛分析：資料來源有哪些渠道？
施亮：在南京我們有一個十幾人的團隊主要負責資料產品。首先，我們此前服務於網際網路、電商、航旅，積累了大量黑產手機號、風險IP地址等資料，這是我們自有的資料。
另外，我們現在與其他資料公司有合作，包含運營商、工商、司法、公安等權威資料核驗等。還有，逾期、騙貸、多頭借貸、不良記錄核驗等。
再有，我們提供的平臺能夠接入第三方多源資料。
愛分析：關聯網路的技術怎樣實現？
施亮：可以理解成知識圖譜，但比知識圖譜的技術要更進一層。知識圖譜現在在業界沒有太好的落地應用，我們還是希望在這一行開發領先的技術。
阿里巴巴在業界已經是應用比較快的公司，但知識圖譜還只是處在視覺化展示的階段。真正做到自動檢測威脅，提高精度，還沒有一個像樣的應用。現在知識圖譜運用大量的關聯關係，我們還在研究更深層次的技術。
這個關聯關係分析可以理解為加密個人資訊的脫敏，在使用者本身的屬性加上使用者關係網路來統一描述使用者。
愛分析：針對不同行業的模型是怎麼研發的？
施亮：在風控模型上我們有大量的積累，目前已積累上千策略和模型。雖然不同的行業有不同的風險型別，但我們有一套模板可以定製。
舉個例子：某客戶是做母嬰垂直產品的，我們與他們合作的時候無需臨時寫規則，直接把模板拿上去除錯，然後根據不同的業務情況調整閾值或者新增新規則。隨著我們模型的不斷積累，之後部署的過程會越來越快。
愛分析：NLP技術和目前業務的結合情況是怎樣的？
施亮：NLP本身是業務建模輔助技術。據我瞭解，目前沒有專門只提供NLP服務的公司。資料處理的過程是要去對應業務場景的。在銀行領域，絕大部分都是結構化資料，而大量對NLP處理的需求，資料一般都是非結構化，或者是大量的文字。如果客戶有NLP技術需求，我們希望用OEM的方式去合作。我們不會特別專注於NLP，還是會專注在我們的領域。
愛分析：頂象對於無監督演算法是否有涉足考慮？
施亮：我瞭解到目前有無監督、弱監督、半監督等的演算法用在反欺詐和信貸，以我個人的體驗這些演算法不是很靠譜。銀行需要投入大量人力去分析和驗證，或者說這些演算法對應的運營成本太高。
之前在阿里巴巴時，我們也用過大量無監督和半監督的技術，但問題就是後期運營成本太高。從對業務的幫助來講，一般情況下監督/半監督演算法比弱監督/無監督相比會更加實用。
技術和演算法需要對應場景。如果說對方沒有樣本，我們這邊也提供了關聯網路的樣本，或者我們也會提供無監督解決方案。但是我們不會只專注於無監督這樣的一個點。
愛分析：生物探測技術有哪些進展？
施亮：生物探測相比於裝置指紋更進一步，會涉及到使用者的一些習慣，比如使用手機習慣、手持手機的角度、所處海拔、螢幕按壓和滑屏的速度等，裝置指紋只是關於裝置的物理畫像。
我們通過SDK能夠採集更豐富的資料，能夠對使用者的習慣進行判別是不是本人操作，這對反欺詐建模的幫助比較大。
比如，發現所處海拔永遠是一樣的，手持手機的角度也24小時不變，可以基本判定根本就不是一個人在操作裝置，是一臺機器在操作。因為人手持手機的角度是不停在變的。
愛分析：公司競爭壁壘在於哪些方面？
施亮：我認為是團隊實踐經驗和產品的極致客戶體驗，擁有大量的成功案例。如果沒做過類似案例，需要很長時間才能取得客戶信賴。現在，我們在和客戶接洽，客戶很快就明白我們有過類似案例。因為客戶非常熟悉自己的業務需求。他們很快就能試用我們的產品，或者直接籤合同。特別是服務過頭部客戶後，拓展其他客戶會非常快。
03 以價格優勢及服務打動客戶
愛分析：目前的客單價在什麼水平？
施亮：幾萬到幾百萬不等，整套的解決方案也有賣過幾百萬，從端到鏈路到策略到模型平臺。如果後續需要頂象的服務就是另外一回事，我們可能提供優惠。
我們的對標友商的產品和服務收費都很高。第一次向客戶出售產品，也可能會採取價格策略，但是在功能和應用性上，我們的產品比其他公司的產品能夠提供更舒服體驗和服務，這樣有效增強使用者信賴度和黏性。
客戶最瞭解自己的業務，我們給他們提供定製化的工具。不管客戶想造摩托車，還是造汽車，還是造自行車，我們都會提供非常合適的一整套定製化的工具。
愛分析：銷售方式是怎樣的？
施亮：現在基本上都是直銷。如果未來我們發展的大了，可能會採取代理的方式。
愛分析：在基金業有哪些開拓計劃？
施亮：頂象跟嘉實基金會做基金營銷的產品，也是用的關聯網路分析，技術和推薦演算法與之前的產品都類似。我們會和嘉實先做POC測試，主要就是基金和它的一些產品的精準營銷。
愛分析：頂象未來一兩年內的規劃是怎樣的？
施亮：我們還是想把產品做細，方向已經定下來了。我們想做更極致的使用者體驗，以及在細分領域積累案例。各個領域的模板在沉澱過後，在和更多客戶合作時就更趁手了。好比，客戶想要造特殊的摩托車，我們可以提供特殊的錘子和扳手。
愛分析：目前的總客戶數有多少？
施亮：目前的銀行客戶相對比較少，有農信銀資金清算中心，還有寧波銀行、南京銀行等一些城商行，加起來一共有十多家左右，在做POC測試的應該有二三十家。其他行業的付費客戶已經有幾十家。
愛分析：公司人員構成是怎樣的？
施亮：公司現在有一百六七十人，百分之七十是研發人員。研發團隊分為端、策略、平臺、人工智慧演算法、交付等。交付團隊分成策略交付和建模交付。
愛分析：今明兩年有怎樣的業績預期？
施亮：今年的目標是收入比去年翻倍。但是今年國家整個大環境不太好，特別是銀行這邊，目前完成原先制定的目標還是有很大挑戰。另外新業務的收入比較少，目前主要收入來自於網際網路企業和航旅行業的訂單。
明年的預期很難講。今年到明年的環境不一定會有大的好轉，而銀行業務的回款週期也比較慢。我們可能會採取贈送的方式，特別是針對大型銀行客戶。客戶體驗上來，我們就可以快速的推廣。