大数据，大侦探.docVIP

大数据，大侦探 　　2010年，蒋韬在硅谷出差时刷的一笔信用卡让他记忆犹新。不是因为在硅谷，也不是因为这笔交易的额度特别大，而是他竟然收到国内银行的来电，确认这笔操作是否由他本人完成，随后这笔消费才被通过。要拦截这笔交易，背后一定有个强大的风控团队，当时蒋韬还在刚起步的阿里巴巴风控部工作，除了能帮助企业减小损失，他从普通用户的角度也发现了风控的重要性。 　　当时为银行服务的多是一些国外的风控机构，它们的数据来源更为广泛，而国内的数据往往集中在金融、电商等少数领域。经常和数据打交道的蒋韬发现，如果只拥有单一领域的数据，判断的维度有所局限，并且大多是在欺诈事件发生后才能列出黑名单。如果能搜集到全行业的数据，就有可能预判出嫌疑人。但国内的机构通常不愿意共享数据，哪怕是互联网巨头，要收集到自身领域之外的数据也并不容易。因为其他行业的巨头也会担心，现在看似毫无关联的公司，在未来很难说不会成为对手。 　　蒋韬想让数据流动起来。假如有一家机构不做电商、信贷、P2P等，并能在所有机构间承担风险共享风险传递的作用，那么价值会非常大。“这样就可以打破割裂形成的数据孤岛。如果各行业的数据能打通，不诚信、欺诈的行为就没有这么容易了。而要打通这些数据，实现风险的共享，只能够靠第三方的中立机构去完成。”蒋韬告诉《第一财经周刊》。如果能打通全行业的数据做建模，就能建立多个指标和维度，不仅可以发现诸如卡被盗刷的风险，还可以预先发现风险，提前拦截。 　　想明白了要做全行业的数据生意，2013年，他从阿里巴巴离职后创办了同盾科技。 　　这个想法让有着多年电商从业经验、明了欺诈给企业带来的困扰的吴海燕动了心。吴海燕明白，电商、互联网金融和O2O领域，是需要反欺诈服务的重点行业。她后来成为了华创资本的管理合伙人。2013年年初，互联网金融才刚兴起，国内还没有第三方风控出现，她判断这个事能做，于是和IDG一起，给了同盾科技千万级的天使投资。 　　2013年成立之后，这家总部位于杭州的公司在不到3年间，接入了超过5000家客户，完成4轮融资。目前，它主要服务金融领域，同时也涵盖航旅、电商和游戏等多各行业客户。 　　普通用户可能每天都在使用它的服务，也感知不到这家做风险识别和预判机构的存在。只有接入它们后台大数据的B端企业，才可能从每天变化的数据中去发现拦截建议的效果，继而更好地服务用户。根据不同场景，拦截建议不仅是在事后列出黑名单，更会在欺诈分子行骗之前，就把他们找出来。比如揪出羊毛党、锁定盗你卡的目标对象、挖出总是给你发送垃圾内容的供应商、鉴别电商中的虚假交 易等。 　　同盾科技总部背景电视上跳动的数字，或许能更清晰地解释这家公司目前在做什么。这块找不到任何开关或按钮，只能由专人登录安全系统来打开的电视上，显示的是一张中国地图。若存在安全风险，在地图上就会跳出红色的小圆点。你能很容易地根据小红点的数量，以及各类指标的跳动，监控当下的欺诈事件，并给出预警。不过蒋韬对这个每5分钟刷新一次的系统并不满意，他希望下一代的更迭能精确到实时。 　　有数据就能鉴别是谁在使坏，这件听上去很复杂的事情就是同盾科技目前在做的大数据风控―利用跨行业多维度的数据，为企业建立风控模型，然后为它们解决信贷风险和欺诈风险。用更直白的话来说，就是用数据来分析预判你是好人还是坏人，然后告诉企业你安不安全。 　　目前推出的“智信分”系统可以识别用户有多“好”，比如在申请一笔银行贷款时，背后就有这套模型给出的建议，根据用户行为判定信用等级，判断放贷或是拒绝。“反欺诈并不是将行骗者绳之以法，而是在欺诈行为发生之前就将其制止。”蒋韬说。目前，同盾科技鉴别刷单行为的准确率已经高达90%以上。当然，这些建议仅仅是给最终放贷的机构做参考，最终的决策权在使用同盾科技服务的机构手上。 　　要做到这些，关键在于数据和建模，而建模的基础是海量数据的收集。可是真正要做到基于公有云的数据收集，同盾科技内部的管理团队，纠结了一年多。 　　因为同盾创始团队来自阿里巴巴、PayPal等大公司，不少客户看中他们的技术能力，希望同盾科技能为它们做技术外包，也叫作私有云服务。比如开发一套软件连接到客户的数据库中，做后台分析。这些客户带着能帮助早期创业公司活下去的资金找上门，但条件是数据不能共享，因为它们多在金融领域，对数据“共享”极为敏感。同盾科技的目标却是打通数据做公有云平台，因此需要海量数据建立模型来监测欺诈分子的行为，然后鉴别并抓住他们，这才是实现大数据风控的基础。 　　蒋韬和他的管理团队知道资金对于一个创业公司有多重要。以一个二三十人的团队为例，最初融资到的千万级种子轮，在半年的时间就可以烧完。有了资金，意味着可以招更多更优秀的工程师优化模型，可以有现金流，甚至估值能更高。可私有云的方向和同盾科技想做公有