Mathematics（原Finance）最近发布了第二季度财务报告。
数据显示，舒客综合技术服务收入占比接近50%，表明公司数字化技术平台建设已初见成效。
财报发布前，金融正式公布品牌升级计划，推出“数学”新品牌，应对金融科技2.0时代的新挑战。
技术收入占比的提升，体现了强大技术能力的成功“外化”。
数学打造金融大脑，是金融数字化转型的助推器，为金融机构提供五大解决方案。
其中，数字技术的核心武器——数字风控，成为B端用户发起合作邀请的热门话题。
目前，舒客已与近百家机构进行风控产品的技术输出合作。
Mathematics今年二季度披露的最新风险指标显示，领先风险指标D1采集率二季度末下降至6.2%，取得了好于疫情前的表现，继续领跑行业。
财务报告的披露。
强大的风险绩效指标体现了以Argus智能风控引擎为核心、多风险模型策略为补充的强大风控体系。
通过Argus系统，舒克可以筛选单笔交易的数十万个变量和10多个风控模型。
约98%的授信申请和99.5%的订单申请实现全自动审核和二级反馈结果。
截至目前，阿格斯已拦截新潜在风险1万余起，保护资产超1亿，每天挽回损失1000万。
一个成熟的风控体系是由众多的模型和策略组成的。
由于不同人群获得的信息维度不同，他们需要使用合适的模型和策略来做出最准确的判断。
作为众多风控模型策略之一，舒客推出的金融人才地图通过庞大而复杂的关系网络确定用户资质。
金融人物地图对客户进行评分，综合判定其信用等级。
很多情况下，新用户直接点击媒体投放平台的H5页面即可完成整个贷款申请流程。
与客户下载APP发起贷款申请不同，H5页面考验的是平台的技术和判断用户风险的能力。
舒客的H5贷前关系网络模型利用财务人图谱，在请求外部授信之前充分利用内部数据，贷款命中率达到80%。
在严格的风控体系下，数学采用多模型组合决策方案代替单一模型决策，多角度对用户资质和风险做出精准判断。
传统模型中，将用户视为孤立的个体，忽视了“人分为群体”的社会属性。
因此，Mathematics引入了社区发现算法，开发了基于社会关系的两阶段社区发现模型，丰富了决策系统。
两阶段社区发现模型分为第一阶段粗粒度识别和第二阶段细粒度识别。
初始种子用户组成后，在粗粒度识别阶段进行子图分割，得到多个用户组。
此时群体规模比较大，无法做出一刀切的定性判断。
数学继续在每个组内进行细粒度的识别，主要使用两种方法。
一是采用自主研发的自适应相似度算法计算用户相似度，保留群组内相似用户；另一种是利用自研规则推荐算法生成排除群内黑人或白人用户的规则，并进一步过滤。
目前，通过社区发现模式的日均回收量占整体回收量的20%，风险水平低于大盘。
舒客作为数据驱动、人工智能赋能的金融科技平台，凭借深厚的技术积累，在迈向2.0时代的技术升级之路上取得了扎实的成果。
未来，我们将继续坚定不移实施数字科技平台建设，服务实体经济，积极实施普惠金融建设。