专访友盟+CDO李丹枫：从14亿独立设备挖掘大数据能力，赋能金融风控

2015年，在第二届世界互联网大会闭幕式上，马云就曾提出：世界正从IT时代进入到DT时代。

同时，阿里也在数据上大力布局，2016年1月，阿里一口“吞”下三家大数据公司：移动开发者服务平台友盟、中文网站统计分析平台CNZZ及互联网数据服务平台缔元信网络数据，成立了新公司“友盟+”。

友盟+致力于打造全域数据服务平台，数据体量大到惊人，目前覆盖135万个APP，685万个网站；每天能触达到的全球移动设备14亿。

显然，友盟+的数据与阿里数据形成很好的补充。阿里数据主要来自淘宝、天猫，而友盟+有移动互联网、互联网、出行、文化娱乐等方面的数据，对用户可以拼成一个更完整的画像。而以数据驱动，阿里也能为更多B端企业服务，从数据端更了解消费者。

友盟+的用户是面向对用数据驱动运营以及营销的企业。近期，也在金融风控领域进行了探索。

四大产品线

友盟+有四大产品线，包括ADplus、Oplus、DIP和Dplus。

ADplus：通过Uni Identify+机器学习打通所有设备

ADplus聚焦在全链路，提供面向不同人群的广告监测服务，包括品牌、APP广告主和面向淘宝/天猫商家的效果监测服务。

其实，广告监测最核心的是用户画像，即从各个平台分析行为数据。比如一个广告在PC端和手机端同时展现，系统可以监测到这背后是否是同一个人。对于广告主，就可以控制投放数量，既可以多方面触达用户，又可以避免用户太频繁看到这些广告。

友盟+CDO李丹枫介绍，ADplus有两种跨平台方式。一种是通过Uni Identity能力，比如用户在移动设备登陆淘宝/天猫，在PC端也登陆淘宝/天猫，那么通过Uni Identity就可以把移动设备和PC设备联系在一起。

第二种方式是通过机器学习打通，利用Uni Identity，训练一个模型，再通过各个端的行为来判断是否为同一个人。

模型基本可以覆盖所有设备，广告主如果要求精度非常高，可以把模型阈值调高，如果广告主需要覆盖面非常广，可将阈值调低。总之，依赖全网的大数据，可以从更多维度，更好了解目标客户，同时更好制定营销策略。

值得一提的是，ADplus通过Uni Identity打通能力实现跨屏幕、跨设备、跨媒体数据的融合和打通，识别用户。拥有来自线上线下的大数据资源和全网用户画像。旗下广告监测产品ADplus，除具备广告监测的基础指标外，还拥有阿里巴巴授权的营销活动评估后链路数据，能够展现到达/兴趣/行动等数据指标，同时基于阿里巴巴Uni Identity实现跨屏幕体系，实现跨屏打通，全链路还原消费者真实路径与转化效果。

Oplus：将线上商家的数据化运营赋能线下商家

Oplus将线上商家的数据化运营的能力提供给线下商家，帮助线下商家收集进店的数据，包括客流、客户画像，以制定更好的营销策略。

这些数据主要通过线下的物联网设备获取，例如，用户在商场打开手机Wifi，附近的设备能捕捉到手机，获取的这些信息会和友盟+的线上数据打通。

Dplus：AI+报表分析

Dplus是【友盟+】之本，帮助企业客户通过精细化的数据分析和一站式的数据服务，为企业客户提供产品、运营、推广策略的决策。

李丹枫说，过去的报表分析都是通过分析以往数据，人为总结经验。而Dplus是通过AI的方法，让机器对过去数据进行学习，做出辅助决策来帮助人。

DIP：数据大脑

DIP是一个数据智能平台，也是以上产品的大脑，支持内部产品的智能运算和用户画像。

金融业务线也是基于DIP提供的底层服务，DIP提供输出接口，模型在DIP的产品里面训练。

聚焦金融业务的获客和风控

今年以来，友盟+也开始进行数据创新，主要切入金融领域。

“我们的是为互联网金融公司提供数据集和技术服务，而不是与他们竞争做信贷产品，这些都是我们的客户。”李丹枫说。

之所以不切入传统金融，李丹枫解释，因为传统金融公司通过已有的放贷、车贷、信用卡可以判断用户信用，不需要太多的数据来支撑。但互联网金融的用户，他们大部分是没房子，没车，没信用卡，需要数据来做信贷服务。

其实互联网金融业务线很长，包括获客、风控、反欺诈、贷后催收全链服务，友盟+现阶段聚焦获客和风控。

获客就是了解用户浏览行为，判断他们是否对金融和借贷类的产品有兴趣。比如，友盟+已经与平安科技合作，帮助他们判断哪些客户对申请信用卡有需求，其CPA（即广告每行动成本，CPA计价方式是指按广告投放实际效果，即按回应的有效问卷或定单来计费，而不限广告投放量）降低35%。而判断哪些人对贷款有需求方面，CPA降低了25%。

风控方面，在算法上，友盟+使用比较传统的逻辑回归模型和树状结构模型，并未采用深度学习模型，因为深度学习模型可解释性不强。

为什么在金融领域的可解释性要很强？

李丹枫介绍，因为是否给用户贷款，需要给予其一个理由。其实在美国，像种族、家庭、年龄、性别等很多信息不能用，涉及到歧视。国内虽然没有这么严格的规定，但是也需要告诉客户原因。

他还说：“友盟+的数据非常独特，数据体量非常大，我们的风控模型是基于行为的风控模型，我们给到客户，客户再跟他们搜集到的数据做结合，以及最终的模型判断，我们的模型只是辅助。”

具体而言，友盟+的风控有两种模式：

模式1：建立私有化模型，企业提供给友盟+一些历史数据样本，比如哪些用户已经还款，哪些没还款，通过这些样本建立一个私有模型。这个模型跑在友盟+的服务器上，用友盟+的数据反馈出一个风险指数，再整合到企业自有的模型里面做判断。

模式2：做一个开放平台，开放出一些数据，让客户在比较安全的环境里，把两边的数据结合在一起，进行建模。模型是跑在友盟+的服务器上，但是底层数据不输出。

“我们的金融业务走完了从0到1，接下来希望从1到100。我们的工作就是每天从14亿的设备里面找到相互的关系，再投射到设备背后的人，围绕人为商家提供服务。AI的应用要围绕用户的角度，对用户的更多数据搜集，更多维度的理解，更深度的挖掘，对用户更好的理解，提供更好的服务。”李丹枫说。

在盈利模式上，友盟+会给B端企业提供付费服务，比如风控服务按查询量收费，目前已经服务融360、闪银等公司。李丹枫透露，公司去年没有商业目标，但今年开始有商业目标。

他还强调，友盟+也在和阿里DT团队协作，把阿里这么多年积累的数据管理经验提供给客户。目前很多企业是在阿里五年前的状态，他们公司的各个部门有数据，但是这些数据没有打通。阿里希望把这个能力输出一部分，帮助客户更好使用它们的数据，以及深度定制、采集和管理数据。