近年来，消费金融行业快速发展，在金融回归本源大趋势下，线上线下的大量消费场景得到开发，但风控始终是消费金融发展的基石，在越来越强调普惠金融、服务效率、用户体验、消费者权益保护的当下，消费贷款的审批对it系统尤其是对核心风控决策系统提出了很高的要求和挑战。
首先，消费贷款的客单价只有3000-4000元，如何做到较低的审批成本，较高的审批通过率和较低的逾期率，是最关键也是最大的一个挑战；第二，相对于传统银行，互联网消费金融公司从线上线下全国多渠道获客，客户流量容易出现突发性，且全自动审批，依靠大量数据做决策，体现出高并发、大数据的特性；第三，消费金融业务大多发生在实时借贷场景，这决定了审批授信的速度对用户体验非常关键，如何做到极致的审批速度，提升用户体验，增加获客成功率也是一大挑战。
针对消费金融业务场景的特点与挑战，马上消费金融进行了一些创新性探索，其搭建的基于大数据消费金融智能决策平台可以做到全自动审批（无人工处理）、提供24小时不间断服务并且具有高并发、大数据、人工智能等能力，其关键创新点如下：
一、审批数据的接入与管理
马上消费金融作为互联网消费金融持牌机构除了直连央行征信外，也会接入公安、芝麻等数十个外部数据源，以及自建数据源，在审批过程中将并行调用这些数据源服务，瞬时产生大量的数据作为自动决策的依据基础。
数据对于审批至关重要，马上从数据源管理制度和it系统建设两方面做了大量的工作，设有专门的团队负责数据源发现、商务谈判、评测、生产效果跟踪、下线等工作；在it系统方面，自主研发了统一数据接入系统，满足数据源接入需求，目前已升级到3.0版本，具有少量编码即可完成开发、灵活的mock测试支持、调用可精细化追踪、数据成本可精细化管理与分摊、稳定的服务、自动服务切换、关键数据源的动态配额、精细的数据质量与服务稳定性监控、数据安全控制、高并发与大数据量存储支持、可在大数据平台准实时分析数据的能力。
二、自建与应用人工智能技术
对于小额、分散、高频、大量的消费金融业务，传统的人工审批已经不再适合，以马上消费金融公司为例，日审批峰值100万单，假设1人平均1单审批耗时5分钟，1日工作8小时测算，1000000/(8*60/5)=10416，最多需要1万人做审批，招聘1万专业的审批人员是不可能完成的任务，且成本巨大，假设人均工资年薪20万，则年人力成本：10416*200000=2083200000，约20亿rmb，加上为1万人提供的场地等附加费用，实际成本将更加巨大，可见在消费金融领域，人工智能有着很好的应用场景，也是消费金融公司的核心能力。
马上消费作为一家金融科技公司，在人工智能领域做了相当多的投入，目前拥有超过百人的人工智能专家团队，主要服务于以下4个方面：
1，反欺诈与授信模型：基于存量用户数据、外部接入数据、自建数据，围绕信贷审批，利用传统、机器学习方法训练模型，用于自动识别用户欺诈行为和给予合理的授信额度，目前已经建立了几十万的变量特征库和上百个模型，用于不同的数据源、产品和审批阶段，组合应用后效果显著，做到较高的通过率和较低的逾期率；
2，人脸识别：自研facex活体人脸识别技术，经过几十亿样本数据的训练与生产应用的不断优化，目前识别精准度高达99%，可以应对绝大部分复杂环境，对于检验是否是真人以及是否是客户本人起到了非常好的效果，有效降低了欺诈的概率，马上消费自研的人脸识别技术效果优与市面上通用产品，其中有2点关键的因素：一是在业务开展中积累了大量的照片库，而这些照片均来自消费金融这个业务领域，更利于训练出符合该领域特征的模型；第二：建立了欺诈份子的照片库，对于欺诈份子的照片可以做单独的处理，进一步提升效果。
3，文本识别：应用nlp的语意分析等技术识别文本语意，应用在智能客服和舆情监控方面，马上消费金融自研的智能客服系统对客户的问题解决率超过80%，达到一流水准，大幅降低了语音客服的占比，降低客服成本的同时改善了客服体验。
4，语音识别：自研语音识别技术，目前应用在催收和客服场景，未来会拓展到贷前环节，应用到反欺诈领域。
三、审批规则引擎
对于自动化风控决策，马上消费金融公司在多年的实践下，逐渐形成以模型为主、规则为辅的审批策略，以便做到更高的通过率和更低的逾期率，围绕该策略，创新性的研发出为消费金融领域独有的决策规则引擎，该规则引擎主要特点如下：
1，轻规则、重模型：模型可以综合更多维度的数据做出最佳判断，而规则更适合强因素的判断，比如：黑名单；
2，具有变量池和规则池，可以更好的做到变量共享和规则共享；
3，支持a/btest、空转测试功能；
4，支持线下效果评测，在开发新规则/模型或者调整规则/模型时，模拟生产环境，应用真实数据评测新规则/模型效果
5，精细化的监控机制，可以快速发现规则/模型异常和任何规则变化对审批效果的影响分析。
四、审批工作流系统
在用户申请贷款的审批过程中，需要经过多个决策环节，总体上可以归类为3个环节，1：合规性判断；2：反欺诈；3：信用与额度评估，这些大的环节下可能会有一些小的环节，每个小环节对应一到多个工作流节点，通常是一个小环节由2个工作流节点组成，第一个节点负责并行调用决策依赖的原始数据或者模型数据，第二个节点调用规则引擎进行决策，一个正常的用户通常会走完整个流程，而不合规用户则在第一个大的环节被拒绝，欺诈用户在第二个大的环节被拒绝，对于走完整个流程的正常用户审批耗时最长，由于消费金融通常是在消费场景下开展放贷业务，所以对实时性要求较高，是决定用户体验的很重要一个因素，马上消费金融目前已经做到平均亚秒级授信。