胡亚海
首席技术官 CTO
北京航空航天大学 博士
深耕互联网领域近20年，先后任职于普天信息技术研究院、摩托罗拉、宇龙酷派、百度等知名企业，曾主导宇龙酷派公司全员从WinCE向Android转型，并作为百度移动云技术委员会成员，参与核心架构设计和业务规划。在手机系统研发、云生态技术架构与业务规划等领域拥有丰富经验，擅长技术体系搭建、大数据平台、运维与云服务平台化。
今天非常有幸采访掌众金服的*，就掌众金服的业务发展和信贷风控的自动化实施进行了交流。
信数：请*简单介绍下掌众金服和主要的业务。
胡亚海：掌众金服成立于2014年10月，是一家技术驱动的Fintech公司， 专注大数据风控和金融科技研发，致力于打造开放的金融云生态平台，为不同群体提供高效便捷的智能金融服务和解决方案。公司有着优势互补的团队，管理层来自大型银行、投资机构、互联网巨头公司等，目前员工中65%是技术人才。
信数：您能谈谈中国互联网金融科技行业还有哪些机会？未来的趋势是什么？
胡亚海：“观其变易以顺势而为”,互联网已经叩响“万物互联时代”的大门。站在时代前沿，金融科技成为连接传统金融行业和智能化的根基，点燃了中国金融创新的引擎，促使金融业释放出前所未有的活力。
随着行业的不断发展，未来将有更多的企业“以持续技术创新”为核心驱动力，从而夯实平台在高效价值传递、数据驱动及消费场景适配领域的优势，并构建全生态金融产业链。与此同时，基于“中国科技服务世界”的信心，将会有其它更多国家共享中国金融科技的先进成果和经验。
信数：请您简单介绍一下掌众金服的大数据风控系统。
胡亚海：基于创新型海量大数据采集、加工技术。多重信用评估模型及风控维度，对客户准入进行风险定级。
安全性：通过了*部信息系统安全等级保护三级安全认证。高性能、高可用性，支持PB级的数据存储及3000万+用户的全量用户活动的峰值访问量。
信数：掌众金服在哪些环节改进决策效能？
胡亚海：全自动化的线上风控流程，极大降低运营成本；基于大数据的技术体系，提高数据采集、清洗及信息提取的效率；多维度的风控模型有效提高模型准确度。
信数：使用 SparklingLogic 决策引擎的优势是什么？
胡亚海：基于硅谷的专业决策引擎 SparklingLogic，有着如下优势：
1) 高性能。单台主机的决策接口调用量QPS即可达到上千。
2) 便捷的规则录入及版本管理。规则录入语法简单，同时支持可视化工具进行规则录入。规则的每次变更均有相应的历史记录。
3) 规则发布灵活。发布时选择相应的版本即可，且支持热部署，规则更新无需中断服务。
4) 完善的权限管理。支持账户及对应的工作区权限隔离。
信数：掌众金服是如何处理、加工、管理海量数据？
胡亚海：基于HBase的数据存储，使用流式计算（Spark Streaming、Storm）对数据进行分析，通过Hive等数仓进行报表输出。数据流转过程中对敏感数据进行加密或脱敏。
信数：如何自动化处理进件，快速评估贷前、贷中、贷后的客户信用？
胡亚海：触发客户信用评估的场景主要有用户提交授信数据、点击借款申请、借款订单状态变更（生成借款、还款或逾期等）。每个场景发生后都会触发相应的个人特征变量更新及模型的运算，基于高效的风控系统，可以快速地完成客户信用评估。
信数：决策系统有哪些模型在运行？举例说明。
胡亚海：主要的模型有贷前反欺诈、贷前信用模型、贷中风险模型及贷后催收模型等。例如贷前黑名单拦截即属于贷前反欺诈中的一个。
信数：个贷方面，模型的数据维度有哪些还需要补充？
胡亚海：目前模型已有的数据维度可实现为用户进行比较准确的风险评估。但针对人行征信等具有极高公信力的数据，如果提交的用户更多，对模型的准确度会有一定程度的提升。
信数：您关注的大数据决策系统的监控指标有哪些？
胡亚海：指标主要分两大类。第一类是系统性能指标，包括对外接口的响应耗时、授信数据处理吞吐量、数据库查询耗时等。第二类是业务状态指标，包括拒贷率波动、交易量、授信成功率等。
信数：对于大数据决策系统，个贷有哪些新的难点？
胡亚海：系统层面，随着用户量的增长，对IT基础设施及系统提出了更高的要求：高性能、高可用性及成本控制。风控策略方面，需要更好地利用大数据、精确地风险评估及反欺诈。
信数：如何获取客户？客户体量有多少？
胡亚海：目前获客方式有广告投放、合作伙伴导流等线上渠道。目前注册用户达到了3000万+。
