2023WAIC演讲实录 - 祝世虎：“以客户为中心”落地实践与心得体会

2023WAIC商业AI高峰论坛于7月7日在上海世博中心召开。会上，祝世虎先生发表了《“以客户为中心”落地实践与心得体会》的主旨演讲。

祝世虎是光大兴陇信托信息技术部副总经理、数据中心总经理，光大集团数字化协同实验室资深研究员，也是北京大学第一批人工智能博士。

以下为祝世虎博士在2023世界人工智能大会商业AI高峰论坛的演讲实录：

我今天讲的题目是“以客户为中心”，银行做业务一般是总行设计出一款产品，分行按照这个产品找客户。按照这个思路来讲，这明显是以产品为中心。

而我们“以客户为中心”就是要在这样一个扭曲的组织架构中，走出一个以客户为中心的道路出来，也就是宋总讲的“体系化”的道理。

自我介绍一下，我2009年毕业于北京大学信息科学技术学院，是智能科学系成立以来的第一批AI博士，之后在银行、信托中从事过业务、风控、模型、科技、数据，我认为这是一个体系化的过程。

下面我向大家分享一下我个人的看法与体会。第一，“以客户为中心”的三点体会。第二，客户画像，数据如何赋能。第三，结合光大信托落地的一个案例。

第一，“以客户为中心”的三点体会：

我们看到过很多科技公司上市的招股书，他们写的主要是这四点：客户、创新、生态、品牌。一家科技公司或者一家金融机构上市，招股书写了这么多，忽略了这家公司赚了多少钱，而是注重公司未来怎么能赚这么多钱这一点，就是通过客户、创新、生态、品牌四点去说的。

客户是基础，工商银行讲到，客户是数字化转型的基础，也是创新的基础。一家中小银行，1000万客户，工商银行6亿客户，他们是一个重量级吗？转型可以用同一套方法论吗？绝对不行。

创新，客户是创新的起点，有了客户才能做创新，首先我认为小改进不能称为创新，创新必须要走量，怎么才能走量，就是宋总刚才提供的组织架构调整。

生态和客户是什么关系？生态是客户对产品的认同，和总公司对子公司整合的能力。

品牌是客户对你的认可。客户是基础，创新取决于客户的起点，生态取决于客户和产品的协同，品牌恰恰是客户对公司的认可，这就是一家企业四大提升的底层逻辑。

风险和客户是什么关系？传统的风控，在国内和国际上有千年的历史，从当铺开始一直到巴塞尔协议，风险的不确定性是可以预测的，所以才有一个职业是风险管理。

其次，传统的风险管理都是用流程管住风险，一家银行的风险管理分为贷前、贷中、贷后。巴塞尔协议，靠资本来抵补风险。但是资本抵补不了流动性风险。从传统风控到智能风控，传统风控认为风险具有不确定性，智能风控是风险、利润、客户三者的最优化。

我们给银行做一笔业务，相当于给银行引入了一个客户、一笔业务、一个风险。这是一个线性最优化的问题，而这三点只是因素之一，更重要的一点是银保监会对银行的各种约束，如果它能把这个量化出来，那么这个最优化的模型就会非常厉害。

客户与智能风控的逻辑关系是什么呢？智能风控，例如：台下坐着的小孩是我北大的师弟，我把他招聘过来。他到我们银行时做的第一个模型在数学上非常厉害，但是我知道这个模型是不可能放贷款的，因为数学角度看太完美了，在现实中是不可能发生的。

后来经过成长，他逐渐理解了要做的不是模型，要放的是每笔贷款，这是两年之后的他。到现在是第四年了，他对风险的理解是，做的模型是为了给银行建立两个体系，一个是风险的主标尺，一个是客户的主标尺。这两个和巴塞尔新资本协议的评级有什么关系，风险来自于两个方面，债项级的风险和客户级的风险。

我们的模型体系就是为银行战略做服务的，客户的主标尺，把银行客户从上到下排一下，哪个产品的客户好、哪个产品的客户坏，银行你们有没有辨别过客户的好坏之分，商用房的客户好、还是住宅类的客户好？不好比较。信用卡的客户好，还是蚂蚁借呗的客户好，算出来会让人大吃一惊。

以前新客户来了我们会给奖励，但现在面临新的问题——流量枯竭，客户下沉，产品同质化。现在市场上的客户基本可分为以入口为王和以内容为王。我们获客要从传统的线下获客到数字化获客，批量营销、实时营销、裂变式营销。

举个例子，批量营销技术使我们实现了批量化，以前是一个人对一个人，技术实现批量化。实时营销，比如我今天刚到上海就收到了一条微信，“欢迎你来到上海机场，使用XXX信用卡满100减30”。实时营销对科技的要求非常高。裂变式营销，即找到一个人，对他周围的所有人都能做营销，这是一个网络图谱和聚类。

第二，客户画像，数据如何赋能：

即博弈论和降维打击。主动获客和被动获客之间的关系就是降维打击。博弈论是讲两个技术之间的此消彼涨，技术的迭代使得上一代技术对下一代技术呈现降维打击。做风控的时候，我们不仅要挖黑，还要挖白。

做风控在什么时候能挖白？比如我在贷中监控的时候放100亿的贷款，当成本有利润的时候就不是成本了。我贷中监控的时候做客户画像，因为它很便宜，贷中的时候可以10万一笔，可以给它一周时间去做金融画像。

我认为整个的体系，就是客户画像、产品画像、触达画像，形成了画像的三体系，再加上一个反馈镜像，我把这个方法论称为四像合一，很多模型的迭代是在反馈镜像的时候出现的。

下面讲讲我们的合作，首先是业务部门提出的几个要求：资产总量提升、结构优化、粘合度提升、流失率降低。把内部的数据总结起来，像刚才宋总说的，要打通数据孤岛，有一些咨询公司认为银行不注重数据资产，才形成的数据孤岛。

我认为他们被知识蒙蔽了双眼，是因为我们不懂数据资产所以不注重数据价值吗？如果把零售的数据给信用卡，或是把信用卡的数据给零售，再看不同行业的老总会给出什么评价。我们信托没有把数据当数据资产，而是把数据当命。

第二，每次说数据孤岛的时候，人们都认为是科技部产生的数据孤岛。我管理科技部，可以拿U盘把这大量的数据拷到一块去，哪里存在数据孤岛？数据孤岛就是由刚才宋总所说的部门边界产生的。数据孤岛打通之后，内部数据和外部数据可以相互结合，外部数据价值很高，这是花钱买来的。同源数据的拉链，异源数据的匹配，模型层建完了，四像合一层。

基础层、主题层、汇总层，最后形成了客户画像。这是特征库建后，流水的数据，铁打的特征，如果一个客户画像，今天是好人、明天是坏人，今天是女的、明天是男的，这样业务员无法做业务，必须要有一个很好的特征库才能保证业务的连续性。

这是我们做的模型体系，做完之后，我们的客户层基本包含了基本信息、生命周期、偏好、资产负债、客户交易、线上行为。我们做客户画像的时候觉得银行最好的数据究竟是什么，好多银行比较好的数据是没有入仓的。我们银行做客户画像最好的数据是信用卡的积分数据，但是信用卡积分数据不是管理数据和监管报送数据。

这是客户层面，在产品层面，产品和客户，哪些客户适合哪些产品？这是四像合一，客户、产品、渠道特征库，整合起来，客户画像如果是白名单就没用，关键是如何触达。

比如说我是一个司机，你用加油卡触达我，比用电影票触达我更合适。所有客户、所有银行在未来拼的是触达能力，它是四像合一中最关键的一项。

为什么Facebook和谷歌把白名单计划停止了？因为他们的触达能力已经扩大到全网了。这是一个实践案例，总行要做到底层数据统一、整体特诊体系建设和模型体系的建设，分行做到有特色。拿北上广做小微企业模型，放到某些省份一个准入的都没有，这个时候总行和分行就要有分工、有授权。

第三，案例分享：

这是一个简单的案例，我们某个分行的客户有很多，客户中我们认为可以转化的客户，比如说沉睡可转化的客户，可以转化到次优的客户、可以转化到VIP的客户有这么多，分布是底大头小。经过我们的营销触达之后，变成一个纺锤结构了，我们中间做了客户画像和触达能力。

我们在分行做实验时，必须说明总行的数据方法比分行的客户经理好，需要有数据证明，我们的客户画像就是比你人工选的好，我们拿一大批客户让分行先挑，分行挑25000，我们再在剩下的里面再挑25000，分行先挑的触达能力1%，我们后挑，我们触达能力是9%。

最后，我们做客户画像的时候要注意一个后发劣势，这一点我没有看到，但中小金融机构的后发劣势我却看到了。

我们学习工商银行的时候，往往只学习它的最表面、最容易出成果的地方，而忽略的数据的整合、科技的整合、算法的研究。

科技系统的建设是最容易的，花钱就可以，而科技系统之下是一套数据体系，需要和模型体系的建设打通到一块，这些才是最难学的。

我要讲的就是这么多，谢谢。