1、用AI驱动金融科技旷特科技Quant tec北京众智致新科技有限公司目录01产品介绍02市场分析CONTENTS公司介绍0403创业团队05财务分析1产品介绍产品介绍技术产品技术产品产品介绍产品介绍BLP集成学习建模框架集成学习建模框架重新定义移动互联网行为风险价值重新定义移动互联网行为风险价值传统模型传统模型使用最具区分度的统计信息仅挖掘头部价值BLP，改变粗颗粒度用户行为收集，不仅仅是统计数字，更是 细腻到每一次点击，每一次输入的交互分析，精确捕捉生物行为模式提供基于移动互联网行为的风险评分服务BLP+复杂集成模型复杂集成模型打造弱数据的强风控漫网体系漫网体系漫网体系漫网体系漫网体系：漫网2、体系：应用领域应用领域解决方案解决方案基于移动行为，由旷特通用违约概率预测模型映射而成，直接与风险坏账挂钩，建议作为风控反欺诈的首选准入防护墙ScoreScore产品应用情况产品应用情况某大型消费金融公司的小额信用贷场景，使用真实样本测试QScore和QFraud，实际预测效果显著覆盖度达90%+好坏区分度KS=30%+反欺诈+QFraud风险名单申请评分+QScore验真/合规客户申请申请通过申请拒绝Score=cutoffriskLevel in(0,1)Score=cutoffriskLevel in(2,3)未通过通过产业化前景及预期收益产业化前景及预期收益合作客户合作客户产品图片产品3、图片QuantBrain 机器学习平台机器学习平台自动化特征发现自动化特征发现基于多数据源自动化生成用于机器学习数据集丰富的算法工具箱丰富的算法工具箱集成并持续更新流行算法工具自动化模型调优自动化模型调优超参数寻优支持自动化及个性化并行化大规模计算并行化大规模计算提供分布式集群计算服务0102030405模型部署简单模型部署简单一键部署模型进行实时预测、批量预测我们的优势我们的优势智能：要求企业能够适应不断变化的内外部环境，实现数据价值我们的优势我们的优势因素因素现实现实理想理想特征工程建模人员进行少量特征工程探索庞大的AI团队进行大规模特征工程探索模型规模几十到几千维度几千万到数十亿维度模型4、算法采用神经网络反复炼丹，通过模型变化适应场景采用大规模机器学习算法，通过特征工程适应场景模型除错经常出现穿越、过拟合等问题，线下建模效果很好，上线之后失望老司机利用经验带领团队排出掉建模过程中的各种风险标准算法优化：GBDT Vs.传统决策树传统决策树算法传统决策树算法（如（如Cart,C4.5算法）算法）传统集成学习决策树算法传统集成学习决策树算法（如（如SAS上随机森林算法等）上随机森林算法等）GBDT/HE-TreeNet（旷特科技）（旷特科技）树的数量树的数量单棵树多棵树多棵树模型准确度模型准确度树过深容易拟合，刻画准确和过拟合难以兼得用很多棵简单的树迭代，不容易过拟合用很多棵简单的5、树迭代，不容易过拟合样本数量样本数量几百年几百万到几千万数亿甚至几百亿输入特征输入特征数千数千到数万没有限制，由平台节点规模而定离散特征离散特征使用能力使用能力无法处理大规模离散特征无法处理大规模离散特征通过HE-TreeNet实现对大规模离散特征的处理和使用从上表中我们可以看到，先知平台大规模机器学习建模的GBDT算法和传统集成学习决策树算法都具有多棵树，可以兼顾模型准确度的要求和防止模型过拟合的要求，而从支持建模样本数量和输入特征数量上，都比传统集成学习决策树算法大大提升。标准算法优化：旷特科技Vs.传统决策树传统逻辑回归法传统逻辑回归法大规模离散逻辑回归算法大规模离散逻辑回归算法（旷特科6、技）（旷特科技）特征维度特征维度几十到几千几千万到几十亿，甚至上万亿模型兼容性模型兼容性需要使用高饱和度数据可以直接使用低饱和度稀疏数据样本数据抽样样本数据抽样样本数据抽样，只使用抽样出来的样本建模无需抽样，使用全量样本建模从上表中我们可以看到，虽然两者都叫逻辑回归，但在特征维度、数据兼容性和样本数据是否需要抽样上存在着巨大差异。Wide and Deep Model(凤巢第一代深度学习模型，2003)Deep Sparse Network(旷特科技新一代深度学习模型，2015)学习模型学习模型对台州银行流失客户进行相关数据细分与分析，确定流失客户特征和属性，同时分析影响客户流失的各因素及各因7、素之间的相互关系。在此基础上，对流失客户在流失过程中所处时间段，进行数据分析，确定流失客户时空特征，并对流失客户资产特征进行深入分析与判断，进而帮助台州银行对已经流失或者有流失预警的客户，提供个性化的流失客户挽留策略。获取新客户成本是老客户5倍，睡眠客户激活提高30%，流失率降低40%，电话营销提高100%精细：对个性化和微观业务场景的分析和预测能力要求早已远超传统企业的想象传统客户触达：用少量特征将用户较为粗放的划分到少量类别中，每个类别中的用户被认为有相似的属性和相同的意愿，丢失了对每个用户的个性化描绘，准确性有限。同时也无法覆盖到部分客群中的个性化用户。大数据机器学习模型：基于日益丰富的8、海量数据样本，和千万以上量级数据特征，将用户细分到微观粒度，对每个用户做精细的个性化描述，直接定位到每个有意愿的用户，更精准，更全面。在通过技术层面提高模型维度的同时，旷特科技也在积极降低机器学习的使用门槛，让更多的技术、业务等非专业建模人员能够使用机器学习，建立适合各个业务的高维模型。2017年初，内部举行了全球首个面向非专业人士的机器学习建模比赛“旷特建模大赛”。所有参赛选手均由旷特科技内部行政、人事、市场、商务等非机器学习专业的员工构成。比赛结果按照参赛选手所建模型的AUC（笔者注：AUC是衡量模型准确度的专业指标，取值在0到1之间）指标衡量。以往，专业数据科学家的建模AUC在0.8以上9、。通过两周的简单培训，有70%的“业余”参赛选手的模型AUC达到了0.8以上的优异成绩。值得一提的是，在内部建模比赛之后，旷特科技创立了“旷特大学”人才培养计划，通过培养非专业人士建模，“批量生产”数据科学家，进一步解决AI人才高门槛的问题。特征工程：让普通人能够有效探索出足够有效的特征集 模型规模：引入一套支撑超高维模型训练的机器学习系统 模型算法：使数据工程师能够训练出足够有效的模型 模型除错：使数据工程师能够快速了解到模型是否有错误并加以排除如何如何使使普普通人变通人变成成AI专家专家案例：应用场景应用场景A自然语言处理自然语言处理语义分析、舆情分析等，用于智能机器人。C反欺诈分析反欺诈10、分析理赔欺诈风险识别、信用卡欺诈判定模型等。E风险定价风险定价航延险风险定价等，用于智能定价。B图像识别图像识别智能碎屏识别、文字识别等，用于智能核保核赔。D智能营销智能营销用户画像、用户行为分析等，用于精准营销。数据开放计算平台数据开放计算平台数据开放计算机平台的所有数据查询、计算、反馈、计费等过程都通过旷特的完成授权并上链留痕，引入监管平台所有的数据交互记录，可以按照监管者的要求进行详细的监管审计。数据提供方通过客户端接入数据开放计算平台，所有的原始数据都会通过客户端完成机密后才会参与数据交互过程，保证了原始数据的安全。通过智能合约，保证数据脱敏使用，通过安全多方计算的密码学算法在不泄露各11、方原始数据的前提下，完成多方的数据联合计算，在确保用户数据隐私的前提下，进行业务的处理。数据链上共享数据链上共享监管者置顶数据标准数据提供者进行对接开发查询者发起查询查询结果在客户端非对称加密数据提供者查询本地数据链上广播查询请求反馈结果（加密）链上广播查询者解密获得查询结果多方安全计算多方安全计算多方安全计算支持复杂的计算脚本的定制，各方可以在不泄露各自原始数据的情况下，得到正确是计算结果，脚本的审核、数据的授权准备以及计算的发起和参与方的反馈均在链上授权完成，计算的中间状态可信、数据源可信，也便于事后的监管审计。定制计算脚本参与方对脚本审核发起计算得到计算结果各数据方间进行加密数据交互完成12、数据查询与准备技术优势技术优势智能系统 实时监测7 24小时智能化监测系统实时监测交易动态大数据链 全球备份分布式数据链系统全球备份,随时联动网络账本 私人加密依据哈希密码生成网络账本私人账户信息高度加密交易记录 永久备案交易信息通过区块链验证永久存储,无法删除实名合约 不可篡改通过建立实名制智能合约让每笔交易不可篡改技术应用技术应用通过数据开放计算平台，可以整合多家金融机构的信贷数据，在保护隐私、用户授权的前提下，形成个人完整的电子信用查询解决方案。多家金融科研机构合作进行科学计算与统计，同时保护原始数据不泄露。金融机构信用共享科学统计与计算2市市场分析场分析目标市场目标市场2017年，中国13、消费信贷市场保持着19%的强劲增长势头，信贷结构占比上升至21%，对比欧美发达国家超过60%的水平，蕴藏巨大增长空间。但机遇背后，银行面临着“流量”和“风控”的双重压力：一方面互联网企业占据了绝大部分的流量入口，另一方面大数据风控的技术壁垒对消费金融业务带来了新的挑战。目前消费信贷产品还款期限主要集中在612个月(51.25%)和1224个月(25.58%)区间。大部分贷款年利率都在30%以下，极少数的贷款年利率达到了50%以上。超过一半的消费信贷审核时间超过一天；审核通过后，近八成的消费信贷商可在一天内放款，但是，也有22.28%的贷款发放时间超过了24小时，效率有待提升。目标市场目标市场214、008-2018年中国消费信贷规模预测目标市场目标市场东南亚消费渗透率仍处于较低水平目标市场目标市场东南亚 消费金融结构产业应用预期产业应用预期应用领域应用领域金融和银行业 信用评分 欺诈检测 风险分析 客户分析 贸易外汇预测零售和电子商务 需求预测 建议 欺诈检测 顾客区分市场营销和销售 市场与客户细分 价格优化 客户流失率分析 客户生命周期价值预测 销售机会分析 社会网络中的情绪分析旅行和预订 需求预测 价格优化 价格预测（动态变化的价格）保健与生命科学 提高诊断准确率 识别高危患者 保险产品成本优化其他 物体识别（照片和视频）内容推荐（电影、音乐、文章和新闻）更多3创业团队创业团队xxx15、x xx科技创始人 首席执行官个人经历个人经历创业团队创业团队xxxxxx联合合伙人联合合伙人 首席技术官首席技术官原虎嗅网CTO。2008年硕士毕业于北京理工大学；毕业后加入央视网，从事系统设计开发；2009年加入搜狐，先后负责搜狐微博，sns社区等多个项目的设计开发维护工作；2011年加入腾讯，负责搜索应用部垂直搜索社区开发；2012年加入联想研究院，负责视频社交软件友约的架构设计，开发，团队管理等工作；2015年加入虎嗅网，负责内部创业项目怒马的全面管理工作，包括产品规划，运营策略，技术架构等；后升任虎嗅网CTO，负责技术、产品、设计、运营团队的管理工作。xxxxxx合伙人合伙人 底层架16、构设计师底层架构设计师曾任教于新加坡理工大学，现从事区块链协议验证研究，系统安全专家，曾发现微博重大登录漏洞（被安全四大顶级会议之一NDSS收录），安卓系统专家，系统验证工作被软件工程顶级杂志TSE收录，多次在顶级会议及杂志上发表学术论文，ICECCS两次最佳论文奖获得者。xxxxxx合伙人合伙人 网络安全官网络安全官多次在国际顶尖会议及期刊上发表隐私保护、数据挖掘等主题的研究成果，国际性能计算与通 信(Performance Computing and Communications)大会演讲者，国际网络服务（Web Services）大会演讲者，国际普适智能与 计 算（Ubiquitous 17、Intelligence and Computing）大会演讲者，原苏州火联智能通讯有限责任公司合伙人。团队介绍团队介绍合伙人合伙人 首席产品官首席产品官xxxxxx南京理工大学控制理论与控制科学博士量化交易和宏观经济专家；存士资本控股主席，存士资本作为多支政府产业引导基金及上市公司并购基金的发起人和多支二级市场MOM基金投资顾问；八年投资经验，在宏观经济研究、大类资产配置和一二级市场联动等领域拥有独到资源及成熟的策略；南京Linux user group管理员。xxxxxx合伙人合伙人 首席运营官首席运营官新加坡南洋理工大学 电子工程专业本科新加坡国立大学 计算机科学专业硕士原Oracle应18、用产品高级销售经理。2011年本科毕业后加入惠普新加坡公司任工程师；2013年加入Salesforce公司任中国区商务拓展经理，并于当年获得Salesforce APAC大区商 务 拓 展 年 度 业 绩 第 一 名；2017 年加入Oracle中国负责SaaS产品销售。本科以荣誉学位毕业于新加坡南洋理工大学电子电气工程专业；硕士毕业于新加坡国立大学计算机科学专业。合伙人合伙人 首席数据官首席数据官xxxxxx武汉大学本科 新加坡南洋理工大学博士曾就职于世界第二大半导体生产企业，任职高级项目经理。拥有跨国项目整合和协调经验领导技术团队进行前沿技术研究。在国际一流期刊上发表论文30余篇，拥有美国19、专利2项，新加坡和中国专利各一项。新加坡ICCAFE孵化器创始成员，帮助多家企业进军东南亚市场。参与多项电商创业，并取得良好业绩。美国特许金融分析师（CFA）一级。现有投资人及机构4公司介绍公司介绍荣获2017年中国最具投资价值企业50强2018年05月入选北京市优秀创业项目十强2017年10月2017年8月获选中国互联网金融新锐企业2017年9月2017年7月荣获中国财富管理创新创客大赛二等奖获得58同城姚劲波，36氪刘成城，伙伴创投（原discuz创始人戴志康）联合投资2017年5月创立北京众智致新科技有限公司Quant Chain融资1000BTC2018年8月鼎世弘道B轮3500万融资20、2017年9月存士资本A轮2000万融资2018年7月创业历程创业历程针对旷特科技的关键成功要素的4个方面，团队具备了初步的进展 在各类环境中，性能稳定的AI和机器学习技术 成熟的数据挖掘技术、多维数据分析技术和数 据适量控制技术 技术团队需要合成机器学习、人工智能和大 数据挖掘和分析等人才 管理团队对市场有深刻洞见，人脉广泛，对于技术有深入见解，且有深厚管理能力 在产业链中打通各类上下游渠道，保障良好运 营 资源共享，如和同盾、百融达成战略合作，共同搜集利用大数据资料，共享解决方案等核心技术领先世界，实现了初步产量；我们已经在机器学习技术上行业领先，具有一定优势地位，如：反欺诈、风控技术等技21、术团队拥有核心人才，均来自于顶级高校硕博士以及行业顶级企业。刘跃作为技术总监和主要技术配合人才王建翔达成协议，共同开发研究旷特科技产品。目前基于原91金服的业务基础，积累了20多万名C端数据，1000余家B端客户。利用20万余数据库能够验证新产品旷特科技数据，而此前积累的1000多余家B端客户就会成为新产品的最终购买者。资源同行：陆续洽谈中 服务同行：陆续洽谈中关键成功要素目前进展主要工作流主要工作流资金及落地落实初期投资1.2亿，其中团队出资1100万尽快落实和地方政府签订的地协议，明确相关权责，如土地、场地、人才补助和其他方面等产品研发2016.4-2016.10 数据适量控制引擎阶段2022、16.10-2017.3 多维数据分析引擎阶段2017.3-2017.9 海量数据及其学习引擎阶段2017.9-至今 数据深度挖掘引擎阶段人员招聘公司需要的人才包括:机器学习人才、人工智能人才、大数据人才、风控人才和其他人才销售/市场主要服务包括：金融技术服务、联合建模、技术入股、数据使用、机器学习和平台使用及咨询管理公司制度、文化体系制定公司章程，针对如下方面做出详细的规定，如价值观、目标、价值分配方式、基本经营方式、组织构成方式、决策及控制机制和管理制度等。2016.5 2017.82017.92017.102017.112018.12成立团队引擎阶段研发人员招聘到位对外营销取得市场主导地23、位北京市优秀创业项目2017年中国最具投资价值企业50强公司荣誉公司荣誉中关村企业信用促进会会员单位公司荣誉公司荣誉AI最佳雇主50强明星企业01022016中国（青岛）财富管理创新创客大赛财富管理创客北京分赛创新工场专场第一名第一名2016中国（青岛）财富管理创新创客大赛优秀财富管理创客奖优秀财富管理创客奖附件5财务分析财务分析模式收费服务费单笔交易收费3-5%联合建模数十万到数百万不等技术入股20-30%比例分红数据使用费按照不同数据使用收费机器学习基础使用费+复杂模型定制使用费产品的获利模式产品的获利模式财务财务数据数据2017上半年2017下半年2018上半年2018下半年2019上半年2019下半年501005001500500070002017年-2019年营收表（单位：万）2017年2018年2019年-400150080002017年-2019年利润表（单位：万元）感谢聆听 请多支持