针对银行网点欠缺的农村地区，新网银行通过大数据、云计算、人工智能等技术，依靠行为信息、消费信息、社交信息，有效解决了“征信白户”的“风险识别难”和“作业成本高”这两大难题。
在我国无论是农村地区的商户，还是刚出大学的创业者，他们想要拿到银行的贷款并不容易。一个原因在于征信的空白。对于他们来说，此前并未与金融机构“打过交道”，因此没有任何信贷记录，这个时候便只能被“拒之门外”。
事实上，这类信用“白户”在农村并不少见。据百行征信发布的《中国信用白户调研报告》显示，中国信用“白户”是一个较为庞大的群体，这部分人群长期存在，且其信贷需求在传统信贷模式下没有得到很好的满足。
针对这类信用“白户”，该如何破局？专家认为，数字技术能够助力普惠金融发展，闯出最后一公里客群触达的深水区，啃下信用历史匮乏客户授信的硬骨头。
具体如何做？新网银行高级风控工程师陈少磊向记者表示，向信用“白户”授信的难点在于“风险识别难”和“作业成本高”。其中，风险识别主要包括欺诈风险识别和信用风险识别两方面。
在欺诈风险识别方面，需要做到三个真实，即真实的人、真实的设备和真实的意愿。陈少磊指出，通过人脸识别、行为识别等技术可以对真实的人和真实的设备进行验证。难点在于真实的意愿，除了使用图像识别、行为识别、机器学习模型，还需要运用关联网络作为技术，通过对人和人之间的联系来判断是否存在相关风险。
“比如，在识别电信诈骗这块，我们就发现不少用户在遭遇电信诈骗时，他们中有一部分会戴着耳机，我们就针对这块就专门训练了耳机识别模型，为电信诈骗识别提供依据和参数。”陈少磊举例指出。也就是说，如果发现客户在申请授信时习惯戴着耳机，系统就会特别注意客户是否可能存在电信诈骗风险。
风险识别的另外一大难点在于信用风险的识别。新网银行在线安全部总经理贾坤表示，传统风控基本上采用的是黑名单、决策引擎、人工核签等方式，来评价客户的偿债风险、负债情况、不良记录。现在新网银行广泛使用机器学习模型，比如GBDT、XGboost、神经网络等，助力提升防范风险的能力。
“这就好比是切西瓜，只有切的刀数越多，才能切下更多的皮，留下西瓜的瓤。”陈少磊解释，风险管理也是一样的道理，充足的数据样本训练出优质的模型，不同维度的各类模型多角度的看待问题，能更加客观、充分的识别信用风险。
这也意味着，数据尤为重要。陈少磊认为，“白户”只是缺乏人行等征信数据，并不是没有数据，可以依靠行为数据、消费数据、社交数据等进行大数据分析。比如，对通讯数据的分析，通过用户的手机品牌、手机号存续年限、每月消费情况等来分析客户的稳定性、消费能力等情况。
当然，在个人信息数据安全、信息隐私方面的问题越来越被关注的背景下，保障数据的安全十分关键。新网银行在线安全部总经理贾坤指出，当前整个大数据领域的发展已经进化到3.0模式，运用区块链技术、联邦学习和多方安全计算等数据安全技术，帮助解决遇到的困难和问题。
此外，针对“作业成本高”问题，大多数金融机构正在实现线下获客向线上获客、线下贷款审批向线上自动审批、贷后现场监督向在线、实时、自动化的防线转变。比如新网银行，只需要一张身份证，在线上传相关材料，即可完成贷款申请，极大程度简化客户的办理手续。
据新网银行高级风控工程师陈少磊介绍，新网银行已实现自动化审批，平均审批速度20秒。
正因为金融机构积极推动我国数字普惠金融发展，信用“白户”创业者面临的难题正在得到解决。农村地区商户和大学生创业者自2020年6月，相继获得授信额度，并成功获得贷款。
