数据战争不仅仅发生在军情领域。德国新兴金融机构Kreditech位于汉堡W interhude社区一栋砖房里,看上去一点都不像银行,倒像是新兴科技企业办公室和合租公寓的混合体,两位负责人塞巴斯蒂安?迪耶默和亚历山大?格鲁伯?穆勒也不像银行家。这两位自信的创业者认为银行家的商业模式已经过时,他们的做法是通过网络借钱:短期小额贷款,最高500欧元,平均每位客户贷款额为109欧元。他们并不要求客户提供信用证明,而是利用数据分析手段,自行评估对方欠账的可能性。“理想情况下,审核通过后,客户账户15分钟内就能收到借款。”迪耶默说。作为回报,Kreditech希望用户提供尽可能多的信息,信息越多,预测越精确,客户的信用额度越高。除了可以公开访问的eBay个人主页,Kreditech还要求访问客户的Facebook主页,这样可以确认用户提供的照片和住址是否与其他社交网站上的一致,好友是不是同一群人,借此判断Kreditech是否在与一个真人打交道。除此之外,连用户的借贷申请发自昂贵的iPad还是便宜的A ldi电脑都在评估范围内。申请者本人的行为也有影响,比如他们花了多少时间填问卷,K reditech还会记录对方办输入时出错、使用取消键的频率。
利用这种方式,Kreditech可以处理大量信息。该公司成立于2012年3月,扩张迅速,已在波兰、西班牙和捷克上线,不久准备在俄罗斯开张。
Kreditech创立者不仅希望靠小额贷款和利息收入获利,他们的真正目标是为其他公司―――如在线零售商―――建立国际性的、自我更新的信用数据库,因为现行的数据库参数更少,只反映了一个人过去的信用,就连这种数据库在许多国家也不存在。“全球人口中几乎四分之三仍然没有可靠的信用记录。”格鲁伯-穆勒说。
除了Kreditech,德国的Zestfinance和英国的Wonga也正追寻着类似的目标,在这个尚不稳定的市场里引发了法律和道德问题。Wonga试图把学生从政府学生贷款那里吸引到自己的贷款项目(利率更高)里来,受到了媒体的讨伐。
Kreditech创立者说,在用户隐私问题上,他们做得无可指责。“SCHUFA(德国信用机构)会储存数据,而我们只是使用特定申请者的数据。”此外,任何被拒申请者的数据90天后都会被删除,公司只会保留必要数据,以便识别之前曾经被拒的申请者。
尽管有种种限制,投资者还是认为这种信用评价方式很有吸引力:去年12月K reditech收到400万美元投资,今年4月一个德国基金又投入了差不多400万美元,W onga则已筹到1.41亿美元投资。
Kreditech的商业模式显示了很多大数据应用可能引起的敏感问题。当然,用户是“自愿”一步步放弃他们的数据,就像我们自愿将私人照片贴到F acebook,将我们的政治观点发表到T w itter上一样。每个人都是这巨大的新数据库的提供者―――哪怕是在虚拟世界,我们也要使用会员卡来换取里程数和免费租车机会。
可能很多人对此并无反感,因为我们对自己的数据到底怎样被人利用,仍然模糊不清。我们的数据被卖给了谁,卖得有多频繁?这些购买者会遵守规则,保守秘密吗?如果Kreditech被大公司收购,或者破产,事情将会变得怎样?
当SCHUFA的信用评估者想要与HPI合伙建立一个实验性项目时,揭示出了公众对此类事务的反应是多么敏感。和Kreditech一样,这个项目想要分析Facebook、Twitter和其他社交网站上的数据,但刚一宣布,就引起了抗议,只好立即放弃。
信贷风险评估公司Kreditech获700万美元追加融资编辑本段回目录
Kreditech是一家使用机器学习的方式来评估个人贷款的信贷风险指数的公司。该公司今天宣布,他们获得了来自Kreos Capital的700万美元追加融资。
Kreditech会手机贷款人的大量在线数据,并且将这些数据加以分析,以此评估贷款人的风险指数,而这一工作能够在短短数秒内完成。他们还能够评估贷款人进行诈骗或拖延还款的可能性。
该公司使用的大数据并非来自信贷管理据,而是来自用户的Facebook、电子商务网站购物行为信息、移动电话使用情况以及用户的地理位置信息。今年晚些时候,该公司还会宣布他们将进入B2B领域。
目前,该公司通过为客户提供小额贷款来进行盈利。Kreditech成立于2012年,目前他们的业务已经扩张到了波兰、西班牙、捷克和俄罗斯等国。今天他们同时宣布将会在墨西哥与澳大利亚开始提供服务。
目前他们的投资方除了Kreos Capital外,还包括德国网络巨头Samwer兄弟、以及位于硅谷的Blumberg Capital。截止到目前,他们的融资总额达到了1500万美元。
(via VB 译/快鲤鱼)
ZestFinance:前谷歌CIO创立的机器学习+大数据分析公司编辑本段回目录
ZestFinance,是一家位于洛杉矶的初创公司,他们使用机器学习的方式来评估个人贷款的信贷风险指数。近日该公司获得了2000万美元的C轮风险融资,该轮融资由Peter Thiel领投,Northgate Capital、Matrix Partners、Kensington Capital Holdings、Eastward Capital Partners以及Lightspeed Venture Partners也进行了参投。
ZestFinance是前谷歌首席信息官及工程副总裁Douglas Merrill和Capital One(美国第一资本投资国际集团)公司前主管Shawn Budde的心血结晶。该公司为放款者提供承保模式,旨在为那些个人信用不良或者不满足传统银行贷款资格的个人提供服务。
ZestFinance的模型
在ZestFinance的分析模型中大约有70000个变量,然后使用一些机器学习算法进行分析。一旦机器承接了大部分的工作,那么人类只需要根据分析结果进行一些逻辑分析和判断。总之,ZestFinance声称这种方式比传统的衡量模型提升了60%的效率,更重要的是,还款率也比传统的方法高出了90%。
在2012年1月份,ZestFinance在B轮融资中就获得了7300万美元的风险资金,其中包括2300万美元的股权融资和5000万美元的债务融资。
在2012年, Merrill在参加GigaOM的Structure:Data大会时就表示:“大数据和人类的艺术性的结合才是Hilbert(ZestFinance当时最新的模型,取自统计学家David Hilbert之名)的潜在价值。”
这是因为,虽然机器在寻找关系和模型时表现出强大的能力,但是它们却不善于根据语境来进行推论或者去除那些毫不相干的内容。Merrill曾解释道,例如人类可以基于温度来教机器判断是下雨还是下雪,但是很多机器学习并没有任何意义。就像机器学习了-1度的温度是低于零度,但是50度和51度对它而言并没有太大的区别,而机器真正需要学习的是,温度是否低于或高于32度(当然如果在中国的话,数字可能就是40)。
而在ZestFinance的Hilbert模型中,大约25%的变量是人为干预的结果。Merrill指出,人类并不适合计算如此庞大的数据集和处理复杂的算法,因为它们有70000多个变量。
虽然ZestFinance已经早早看到了银行服务业的短板,但它并不唯一,Zebit、AvantCredit和Kreditech等公司也提供类似的方法。
现在机器学习越来越引起大家的关注,不久前, Hadoop领头公司Cloudera就收购了机器学习创业公司Myrrix,很多人对机器学习的印象可能都是实验室中大量晦涩难懂的理论和数据分析,然而已经有很多创业公司已经将其实现了商业化。(文/王鹏。审校/包研)
原文链接:GigaOM
参考文献编辑本段回目录
http://www.kuailiyu.com/article/5001.html