孙二娘她妹夫
无论是互联网金融崛起后所带来的在金融反欺诈方面的挑战，还是传统商业地产在电商挑战下向“新零售”方向的转型升级，均需要大数据的魔法棒助其一臂之力，这就给了众多大数据服务企业“用数据改变世界”的机会。
此次，36大数据特别专访极光大数据CEO罗伟东，深入了解极光大数据如何创造数据价值，用实际案例来解析大数据在金融反欺诈、商业地产等领域的创新应用。
罗伟东 Chris，极光大数据创始人兼CEO
下面是独家专访内容。
36大数据：我们知道，极光早在2011年就成立了，当时名字还是极光推送，从2016年正式升级成极光大数据，请问这样的升级背后的考虑是什么样的呢？
极光大数据CEO罗伟东：极光从开发者服务升级到移动大数据服务商是一件水到渠成的事情。我们看到随着互联网应用的日益深化，2016年全球数据量呈现爆炸式增长，数据渗透到每一个行业和业务领域，并成为未来发展的“生产力”。而事实上早在 2011 年极光创立之初，我们就意识到了大数据的价值，并认为数据的质量和数量非常重要，进而希望通过推送等开发者服务布局大数据领域。
自成立近6年以来，极光积累了海量的移动数据，同时也建立起了一支大数据分析、数据挖掘、应用能力都处于行业领先的技术团队。从“极光推送”到“极光”，两字之差，代表的却是继承与升级。继承的是为用户创造价值的不变理念，升级的是为用户服务的广度与深度。
36大数据：之前罗总（极光大数据CEO罗伟东）在接受媒体采访的时候，一直强调了大数据产品的货币化，那么延伸到金融反欺诈方面来，极光大数据如何将大数据“货币化”？
极光大数据CEO罗伟东：其实大数据产品的货币化指的也就是产品的价值。我认为产品价值应该回归商业本质。产品给客户带来多少价值，这个产品就值多少钱。例如在反欺诈的这个领域，这个客户用了极光大数据的反欺诈服务后，他的违约率降低了多少百分比，降低了多少损失，然后能够愿意为这个损失付出多少，这就是我们的反欺诈产品的货币化空间。所以数据产品的货币化，最终还是取决于产品给客户带来的价值。
那么还从金融反欺诈领域来讲，近几年互联网金融爆发式发展，随之而来的是风险的急剧增长。除了传统的信用风险，外部欺诈已经成为一个主要风险。传统的风险预防机制无法应对这些挑战，导致金融风控只能做到一定程度的“未雨绸缪”，起不到真正的全面风险控制，金融企业的损失还是居高不下，而基于移动数据的反欺诈产品则可以很好地解决这个问题。基于大数据的反欺诈机制的最大价值在于可以将更多方面的影响因素纳入到业务风控领域。
以我们极光大数据提供的反欺诈服务为例，这套体系主要以用户在移动端的行为数据为基础，从用户移动应用使用习惯、线下活动习惯、特定领域互联网+行为习惯等多个维度对用户的风险等级进行评估，进而为金融企业的借贷行为及产品决策提供建议。整个评估过程完全在极光自有的数据源中进行，金融企业甚至无需共享自身的敏感数据即可完成评估。这就帮助了金融类客户大大降低了违约率，提升了风控能力，进而也就实现了极光大数据在金融反欺诈领域的货币化。
36大数据：对于金融反欺诈，数据最大的三个用途在于前期的信息验真和贷中的信息补全和交差验证，以及后期的违约信息系统黑名单建立。极光大数据在金融反欺诈方面的系统架构是什么样的呢？极光大数据在金融反欺诈方面有什么独到之处？
极光大数据CEO罗伟东：反欺诈服务质量好坏其实取决于风险识别模型的关键输入变量质量、种类和模型准确度方面。极光大数据通过全行业无差别服务积累了海量的数据，结合业务合作伙伴相关业务信息和其他输入，建立了金融反欺诈服务平台。
一方面，通过和金融领域合作伙伴合作，我们利用机器学习和数据挖掘技术，将互联网+领域的用户行为分类总结并归纳了四大类独特的风险因子。面向不同的应用场景，极光大数据反欺诈系统可以通过模型自定义开发，使用不同的因子通过风险模型对用户的风险等级进行评定。经过我们的合作伙伴，我们可以看到极光的行为标签在欺诈模型中的单变量 KS 值超过40。
另一方面，极光大数据拥有极具特色的客户行为标签体系，可以作为企业风控模型的外部输入因子为企业提供外部数据服务。通过实际的企业应用反馈，极光大数据从地理位置分析、特征行为分析等方面给企业提供了非常明显的价值。
最后，作为拥有自有数据源的大数据公司，我们通过为众多合作伙伴提供反欺诈数据服务，不断优化和提升行为极光大数据特征因子的算法和模型水平，同时根据不同的业务场景，提供更多强大的数据服务，既可以满足企业对于外部数据的需求，又可以提升外部大数据应用水平。
36大数据：可否为我们详细说一下极光大数据在金融反欺诈方面的应用案例呢？
极光大数据CEO罗伟东：我们曾经服务过某消费金融公司，该公司通过线上方式完成消费借贷业务的开展，是典型的 互联网小微消费金融商业模式。极光通过每日TB 级的数据采集、清洗、加工、分析，形成移动互联网领域权威的海量数据资源，并与多家金融机构合作，对此类金融借贷业务的真实数据和与之对应的客户移动互联网风险行为数据进行有效的关联和分析。
此外还采用API的方式进行系统无缝集成，极大提升了金融客户部署产品的整合效率和应用效率，并以设备为中心，采用弱变量因子，有效避免人为欺诈导致的识别误差。最终，极光大数据的反欺诈产品对用户移动互联网行为的分析和刻画与其在金融违约失信行为有明显相关性。通过极光反欺诈服务能够有效识别违约用户，有效降低违约率，降幅达到 51.9%。
我们还曾针对某银行的风控部门进行数据升级，对新老客户进行有效的数据补充，对风控模型进行有效的效果提升。
在具体执行的过程中，我们采用极光自有ID方式进行数据共享，有效避免银行客户标识信息泄露。同时，从移动互联网行为端对于客户的行为特征进行识别，有效补充银行的数据资源。最终，我们帮助企业在其信贷过程中识别了超过 5000 次新老客户在互联网金融服务中的失信违约行为。
36大数据：说起极光大数据的数据服务，我们特别想知道极光大数据在商业地产方面的表现，针对商业地产这种“低数据源”的行业，极光大数据如何利用手里的数据服务于他们呢？
极光大数据CEO罗伟东：线上线下联动的服务模式是传统实体商业发展的必然方向，并且体验式服务在实体商业地产运营的转型过程中非常重要。极光大数据可将线上线下的数据打通，在综合触达方式的优化以及智能实时营销推荐等多方面为商业地产提供完整的解决方案。
依托我们极光自有数据管理平台的海量数据源和数十亿级别的实时数据，结合线下近场通信感知技术，极光大数据可以帮助商场实时感知并分析商场内顾客的线上和线下行为。再通过超过 500 个的用户标签体系，我们可以精确地刻画出顾客的兴趣爱好特征画像，继而帮助商家从茫茫人海中筛选出目标群体，并通过机器学习和数据挖掘的算法实现营销信息精准推荐服务。
36大数据：极光大数据目前的商业地理服务方案中有哪些内容？可以简单给我们举例吗？
极光大数据CEO罗伟东：最近大家都在谈的“新零售”，事实上极光大数据正在成为零售业等商业地产重构市场商业模式过程中的重要参与者。基于上一个问题中所提到的线上线下联动，极光大数据可根据商场方提供的信息对目标人群的标签进行筛选，进而界定出促销活动的目标群体。
在目标群体界定完毕后，我们会根据前者的年龄、性别和兴趣等标签帮助商场设计广告页面，并在百度、腾讯、阿里妈妈、今日头条等多家主流媒体上通过DSP广告的方式向顾客投放具有针对性和吸引力的促销优惠信息，同时可以通过极光的数据能力帮助商场更好地利用自有流量实现服务能力的增强。换句话说，当顾客进入到特定区域时就能实时收到和当前消费需求相对应的促销信息，商场也就实现了线下消费引流。这就是我们利用极光大数据强大的实时线下位置处理能力、智能产品推荐及海量的客户兴趣标签库所实现的“新零售”。在广告投放完毕后，我们还会对广告的点击数量和覆盖区域等情况进行实时监测和分析，以便根据实际情况及时调整投放策略，从而实现投放效益最大化的效果。
此外，去年我们在商业地理方面完成了一个活动影响力评估模型，通过这个模型我们帮助当地政府实现对会展经济在区域经济影响力的评估报告。在前几年，当地政府是和运营商进行合作，但是受制于运营商的数据单一性和隔离性，效果不是很理想。我们的商业地理服务从客流、金流和信息流角度，对区域影响力进行了深入的多维度建模，全面反映了活动对于当地政府所辖的不同行政区划的影响，对当地政府进行发展规划提供了可靠的数据支持，客户非常满意分析结果，并且大大缩短了分析周期。
36大数据：可以透露一下极光大数据2017年会有哪些新的计划吗？
极光大数据CEO罗伟东：极光的使命是数据改变世界，我们从改变开发者开发 app 应用的门槛入手，一步一步发展到提升数据的价值，帮助企业实现数据价值变现。2017年是极光非常重要的一年，在开发者服务方面，我们会从“多样性”入手，发布更多更好的开发者的产品；在数据服务方面，我们会从“服务价值”入手，在数据价值挖掘和业务过程结合领域充分体现极光数据特点，通过开箱即用的数据服务产品让企业、机构等实现大数据领域的数据应用。
36大数据：我个人认为，只有中国大数据整体大环境越来越好，像咱们这样的大数据公司才会跟着越来越好，在您看来，中国大数据产业目前最缺乏的是什么？你对中国大数据产业有什么想法和愿景呢？
极光大数据CEO罗伟东：确实近几年来随着大数据越来越受追捧，市场上也催生出了不少号称做大数据的公司，看起来竞争非常激烈。但事实上这个行业只有核心竞争力的公司才能存活下来。
大数据真正的关键点是“大”、“真“以及对于数据的处理能力，这也是目前这个看似竞争激烈的行业比较缺乏的，而这却是我们极光大数据的优势。我们成立近6年来服务了超过40万款移动应用，累计覆盖超过 50 亿个移动终端，月活跃用户超过 6 亿，产品覆盖了中国国内 90% 以上的移动终端。因为在 app 推送市场我们的占有率第一，保证了数据的广度最大以及数据来源的真实性，这也是我们和其他无数做大数据的公司差异化的基础，其他家并没有极光这样持续的稳定的广覆盖和高质量的数据。
中国的大数据产业目前还是在早期，处于前面两三年的阶段。我认为这个行业在未来发展中一定会把AI结合进来。目前我们所做的所有数据产品都还没用到AI，只是一个统计的功能。就是很简单地把这些数据清洗、分析出来，做一些分析报表统计，这样就已经可以解决很多问题了。未来随着数据量越来越大，再结合AI会有更多想不到的东西产生。所以我认为，在未来整个大数据产业还有很长的路要走。也希望行业可以在大浪淘沙的竞争中留下那些真正有实力的公司，将数据作为生产力帮助社会和企业解决问题，用数据改变世界。
