京东战略投资为何青睐大数据公司Zest finance∣笔记
英途说
2015年8月，英途邀请平安、宜信、玖富、景林等互联网金融领先公司到硅谷进行考察。一周时间，对话了近20家网贷、众筹、金融服务、移动支付和金融大数据等领域的创新企业，如LendingClub、Prosper、Sofi、Better Finance、Funding Circle、ZestFinance、Bitpay等。英途将陆续将这些宝贵考察笔记分享出来，供途粉们学习参考。
硅谷考察周第三站来到了Zest finance，Zest finance是一家大数据征信服务公司。他们创立Zest finance是为了使非银行用户享受正常的金融服务。现在，这个团队已经拥有超过百位的智能数据怪才、数学家和计算机科学家，共同致力于重新改变金融业，并给更多需要的人提供信贷。
Douglas Merrill毕业于普林斯顿大学，获得了博士学位，曾经担任过RAND Corporation的研究员、PricewaterhouseCoopers的安全顾问，Charles Schwab的高级副总裁。2003年加入谷歌，担任首席信息官和工程副总裁，在谷歌的五年让Douglas Merrill收获颇丰。
2
ZestCash——为个人信用评分在500到600范围内，深陷次级抵押贷款危机的美国消费者，提供一个低于银行的“发薪日贷款50%的发薪日贷款的选择。
Basix——对于个人信用评分在600到700范围内的客户，以更好地利率价格给他们提供信贷。
International——对信贷和消费者数据建设方面有着巨大需求的新兴信贷市场，还有很大的发展空间。
京东对Zest实施了战略投资，双方成立了名为JD Zest finance Gaia的合资公司，专注于做互联网金融领域的大数据。
以京东的数据和其他数据资源，用Zest的智能数学模型制定一套信贷评价产品和服务。
传统的信用评分模型一般拥有500个数据项，从中提取50个变量，利用一个预测分析模型做出信用风险量化评估，做出决策。而在ZestFinance的新模型中，往往要用到10000个数据项，从中提取100,000个变量，利用10个预测分析模型进行集成学习或者多角度学习，进而得到最终的消费者信用评分。
ZestFinance能发现信息之间的隐藏关系。
举个例子说明，随着个人收入增长，违约率降低。但如果那些个人收入增长的信息是虚假的，那么就会出现如上图红线所示的情形；而Zest通过额外信息进行分析，并及时发现，采取措施不予授信，进而降低违约率，以达到如图所示黑线的效果。
y轴是违约率，x轴表示随着时间进展每一个新模型的建立都会降低违约率。
除了关注违约率，我们应该更关注还款情况，如上图所示，每一代的模型都在不断提高还款率。ZestFinance最初的投资回报率在100%左右，随着模型的不断改进，目前的客户投资回报率达到了150%以上。
而且，zest的成本是竞争对手的四分之一，原因是我们的数据主要来源于合作方。
Zest从有限的数据开始，但是在建模领域做了创新。存储信息、客户信息、浏览数据、交易数据用来建立假设模型。贷款的申请、使用和偿还情况用来生成目标。
圆圈代表网页，箭头表示跳转网页，我们会发现，从这个到那个网页会对你的信用状况有些了解，红色箭头代表信用不好，而绿色代表信用好，看起来逻辑简单，但有大量的数学工作，这是我们虚假信息的理论。
上图对比发现，客户模型与zest模型的区别。在限定违约率的情况下，客户模型只能做前两列客户，但借助于zest的技术可以多做一列的客户，在相同费用情况下，zest模型可以支持更多的客户需求。
本文由英途途友玉器贷副总裁王金伟根据考察内容撰写