京東（金融）白條是大數據應用一個很好的實例。京東618大促后，京東白條的知名度再次提升了一個高度 ，大家對它的關注點也隨著增加，例如它和我們的信用卡分期有何區別、為什么說白條是基于大數據的一款產品 、當面對交易風險又是如何控制等。帶著這些問題，51CTO記者對京東云平臺***架構師、京東支付研發負責人唐志雄進行了專訪，看他是如何多角度去分析大數據的應用和整體風控架構設計的。

【受訪者簡介】

[[140698]]

京東支付研發負責人

唐志雄，京東5年級別的骨灰員工，曾負責過京東財務、交易、支付、虛擬資金、結算等核心系統。京東金融成立后加入到金融研發團隊，現在負責京東消費金融（京東白條）和京東保險兩條業務線的技術研發工作，對電商、互聯網金融等新興領域有豐富的經驗和獨特的理解。

【采訪內容】

51CTO:您一直說白條是基于大數據的一款產品，能具體講一下嗎？

唐志雄：京東白條從誕生之初就充分利用的大數據的力量，它和傳統的信用卡相比，不需要填寫繁瑣的申請表單，不需要各種證明，通過用戶的各種行為數據，我們就能評估用戶的風險程度。具體來講，主要在用戶授信和交易風控兩個方面：

授信是從千萬用戶從中識別哪些是優質用戶哪些是風險用戶，將優質用戶引入進來，將風險用戶拒絕門外，這就得充分利用數據的力量來挖掘了，它是一項龐大而且持續投入的事情，也是規避消費金融壞賬的***的防火墻。

當用戶引入之后，如何保護用戶資產安全，又如何識別用戶有往劣質用戶的趨勢轉變，也是需要有很強的發現能力。如何發現？還是需要大數據的充分應用加上運營人員經驗的積累，業務我們不能未卜先知，但是通過數據我們能發現規律，比如大家常見的：喜歡晚上作業、購買高單價商品、收貨地址不明確、喜歡用極速達等。所有這些都是數據告訴我們的。

51CTO:除了京東內部的數據挖掘分析之外，京東體系外的數據是通過什么方式搜集到，又是如何存儲的呢？

唐志雄：外部數據的搜集是對費京東體系用戶需要享受白條服務的一個補充，搜集方式有很多種，可以購買也可以合作，實際上外面的數據的含金量是要打折扣的，我們需要花費一些精力來做數據校驗（真偽），數據清洗等。關于存儲是多級存儲，***級肯定是利用我們的大數據存儲中心，一般是在京東云上。清洗和檢驗之后會放在白條的自己的數據環境中。

51CTO:您覺得在金融領域，會有哪些大數據的應用呢？

唐志雄：現在互聯網金融非常火爆，互聯網公司開始滲入金融，金融公司開始要做互聯網，這里面大數據的應用也許是將來發展的一個方向。舉幾個例子：

1、個人征信領域

目前國內除了人行的征信沒有別的權威機構，但是人行征信僅限于個人在特定金融機構的信貸行為數據，而且還不夠靈活，所以這時候阿里跳出來說要做芝麻信用，京東也要做白條分。為什么是這兩家要大力度去做，因為電商領域留下了用戶大量的真實的行為數據，通過這些數據是完全可以分析用戶的職業、家庭情況、消費水平、興趣偏好等，對用戶的信用評估更全面準確。

2、保險領域

比如剛剛開放費率的車險市場，如果有精確的用戶駕駛行為風險評估，就可以將保險的費率差異杠桿拉的更大，比如很優質的用戶可以達到4折或者3折的保費，而風險高的駕駛員則可能需要2倍甚至更高的保費，這樣做更是保護那些具有良好駕駛習慣用戶的利益。其他的保險例如運費險也一樣，經常退貨的用戶和很少退貨的用戶不一樣的是一樣的保費。

3、投資領域

大的電商是能感知到市場消費的晴雨表的，哪一類商品的熱銷或者滯銷的數據也能間接反映上游的企業的發展狀況，從而可以決策是否對哪些公司進行投資等。 類似的場景還有很多，以前大家也許還在暢想階段的事情，目前就是各大有實力的數據公司真正去挖掘商業價值的時候了。

51CTO: 對于京東白條來說，交易風險控制是不可缺的。在設計交易風控技術架構的過程中，是否遇到過一些難題？后續的解決方案又是什么？接下來面臨哪些挑戰？

唐志雄：白條是一個信用產品，在交易風控上面我們確實碰到過較多問題，比如規則過于簡單誤攔率較高，隨著數據量的增加和規則的增加系統性能跟不上等。然后就是大家都在摸索和研究，針對“壞人”的特征判別是個持續學習的過程，一開始避免不少誤判，但是后面就會有經驗了，識別率也在不斷提升。 為了降低這個學習的代價，我們就做了分區隔離，一條風控規則的校驗首先是在隔離區運行的（用現在的話來說是旁路檢測），然后不斷是調試和更新規則的過程，直至***規則組合包的識別率達到了我們的要求之后才切換至正式環境，這種措施最有效的降低了誤攔的風險。 要說到挑戰，主要還是精準識別會帶來系統復雜度的提升，復雜度的提升會降低系統的性能，但是我們又必須保證系統的性能對用戶體驗的影響，這是我們要必須克服解決的挑戰。

51CTO:實時風控的規則包在風險發生前制定好等用戶觸發，或者事件發生之后在把問題總結列入規則包。基于對大數據分析，規則包是怎么進行計算，并且實施的？

唐志雄：交易的規則包只是一種人工干預的策略，簡單類比就像數學里面的函數一樣，而各種風險的大數據分析是另外一套獨立的系統，分析出的結果可以直接應用于我們的策略，就像函數里面的各種常量。上次我的分享里面提到的規則包的改進主要是由原來的串行計算升級為并行計算，處理性能有大大提升，這個在規則包數量的增加后變得尤為有效。

51CTO:在設計白條系統架構時，從用戶和商家角度分別是怎樣考慮的？

唐志雄：用戶永遠是所有產品的主角，為了提高用戶體驗，我們在做系統設計時，就圍繞著用戶的問題永遠是***優先級考慮的，在與用戶有關的授信激活、消費與還款環節上，我們在系統構件上就要確保系統的穩定與高性能，用戶的數據永遠不能丟失，同時還做了大量的細節改進，今年618的消費量是去年雙11的四倍，但是我們卻保持了99%的成功率，這就是一個例證。從商家的角度，我們要打破傳統的模式，傳統模式上一家信用卡要與商家進行促銷是很費時費力的，大多是銀行與商家洽談，以折扣的形式呈現給用戶，效率較低且形式單一。而白條則不同，商家可以自行參與各種營銷模式，比如什么商品/服務什么時間能享受白條哪種形式的促銷（N元購、免息、滿減等），費用承擔比例等，都是系統直接控制的，用戶消費后，費用也是實時看瀏覽的，這對商家來說提供了更大的便利性，也對刺激銷售提供了更大的空間。

51CTO:京東是采取哪種機器學習模型？這樣的選擇是由哪些因素來確定的？

唐志雄：京東白條有單獨的數據分析和建模團隊，大多是一些數學高手，我們主要用的幾種模型：隨機森林，lasso回歸，文本主題模型，貝葉斯網絡GBDT等。還有比較傳統的，聚類算法，邏輯回歸等

51CTO:在未付款或正在分期付款期間，針對出現問題的商品，用戶在退換貨的這個過程從技術實踐上經過哪幾個環節處理？

唐志雄：京東白條對京東商城來說，就類似于一家信用卡銀行的角色，商品本身的售后問題由商城來處理，如果發生退款，白條有相應的逆向流程，退回的金額會自動沖抵待還的本金+手續費，不知道你是不是想問退款時的計息規則？這里面的細節又很多了。

小結：

“白條”這種創新的支付方式，使京東在618大促期間大大提升了在線支付的成功率，而且帶來了更多新的用戶，增加了用戶黏度。與此同時，它給消費者也帶來了更好的購物體驗：支付更加便捷，還能滿足高層次的消費愿望。相信無論是消費者還是電商平臺，都希望今后“白條’的額度能夠提升，并且有更加靈活的額度調配方式。但這個愿望可能面臨著一個非常大的挑戰：目前國內消費信息不完整，個人信用難以預估。就這個問題京東采取了積極的應對方式，據悉，京東已經開始與大數據分析公司ZestFinance合作，計劃將這種用戶網購習慣構建成一套完善的個人信用體系，從而讓京東白條技術得到進一步的完善和發展。