大數(shù)據(jù)驅(qū)動在線信貸業(yè)務(wù)變革

1、大數(shù)據(jù)驅(qū)動在線信貸業(yè)務(wù)變革概述背景介紹大數(shù)據(jù)風(fēng)控引擎商通貸總結(jié)小額信貸的人群背景介紹ABCD優(yōu)質(zhì)銀行客戶典型銀行客戶，但金融 需求無法全部被滿足無法在銀行獲取金融服務(wù)次級人群、質(zhì)量不好， 非目標(biāo)概述背景介紹大數(shù)據(jù)風(fēng)控引擎商通貸總結(jié)數(shù)據(jù)是信貸的基礎(chǔ)有什么數(shù)據(jù)？如何獲取數(shù)據(jù)？如何存儲數(shù)據(jù)？如何使用數(shù)據(jù)？大數(shù)據(jù)風(fēng)控引擎通過爬蟲從互聯(lián)網(wǎng)獲取個人和企業(yè)的公開數(shù)據(jù)， 并用知識圖譜的方式將其結(jié)構(gòu)化，結(jié)合其他數(shù)據(jù) 源，自動分析進(jìn)件的風(fēng)險點，最后通過搜索引擎 技術(shù)提供企業(yè)和個人的風(fēng)險數(shù)據(jù)查詢，為人工或 者機器決策提供信息大數(shù)據(jù)風(fēng)控引擎FlumeCrawlerSqoopHDFSElastic SearchWebD

2、B信息抽取知識圖譜規(guī)則引擎機器學(xué)習(xí)搜索前端RESTful Client互聯(lián)網(wǎng) 數(shù)據(jù)宜信自有第三方 數(shù)據(jù)數(shù)據(jù)Gateway知識圖譜文檔知識圖譜實體關(guān)系實體查詢黑名單查詢：直接匹配 & 間接聯(lián)系客戶查重實體擴展通過屬性查詢實體 = 獲取實體的其他屬性獲取相似實體知識查詢例：XX公司的法人是否有失信記錄例：XX寫字樓中有多少家機構(gòu)入駐個性化問答由客戶信息生成個性化問題根據(jù)客戶回答，檢測虛假身份等欺詐風(fēng)險知識圖譜的應(yīng)用十億實體，百億關(guān)系（屬性）HBase + ElasticSearch 實現(xiàn)HBase 存儲圖譜數(shù)據(jù)ElasticSearch索引需要查詢屬性知識圖譜概述背景介紹大數(shù)據(jù)風(fēng)控引擎商通貸總結(jié)商

3、通貸面向中小電商全線上實時授信，最快8分鐘放款隨借隨還開放平臺業(yè)務(wù)流程獲客額度預(yù) 估進(jìn)件申 請數(shù)據(jù)獲 取實時風(fēng) 控反欺詐信用評 估人工審 核optional放貸提款撮合放款貸后管 理獲客進(jìn)件轉(zhuǎn)化運營活 動電銷與 回訪合作伙 伴網(wǎng)絡(luò) 獲客通過爬蟲定向抓取平臺上所有的店鋪根據(jù)店鋪的創(chuàng)建時間，品類，評級，評價，上 架貨物，單價及訂單數(shù)等公開信息，過濾出符 合進(jìn)件條件的店鋪，并制定相應(yīng)的營銷策略通過站內(nèi)信、自動聊天等方式進(jìn)行第一輪自動 營銷，篩選出感興趣的客戶后，選擇不同的方 式進(jìn)行轉(zhuǎn)化（主動進(jìn)件、電銷等）網(wǎng)絡(luò)獲客基于店鋪的公開信息店鋪越多，額度越高實時預(yù)估額度預(yù)估店鋪的經(jīng)營數(shù)據(jù)互聯(lián)網(wǎng)上個人的公開數(shù)據(jù)

4、個人授權(quán)數(shù)據(jù)（經(jīng)營數(shù)據(jù)不夠時，用于增信）結(jié)合自有數(shù)據(jù)和第三方數(shù)據(jù)1分鐘之內(nèi)完成數(shù)據(jù)爬取進(jìn)件申請反欺詐信用評估實時風(fēng)控反欺詐借款人是否是本人？姓名，身份證，手機號，銀行卡一致人臉識別，活體檢測借款人是本人，信息是否真實？家庭地址是否真實聯(lián)系人是否真實收入流水是否真實還款能力消費多是否代表有還款能力？高檔消費多是否代表有 還款能力？地位高是否代表有還款能力？工作好代表有還款能 力？住高檔小區(qū)代表有還款能力？ 在高檔寫字樓上班代 表有還款能力？程序員有還款能力？微博被關(guān)注的人多有還款能力？還款意愿信用卡及時還代表有還款意愿？銀行貸款及時還代表有還款意愿？考試不作弊代表有還款意愿？從來不闖紅燈代表有還

5、款意愿？信用評估風(fēng)控系統(tǒng)反欺詐模型評分模型額度模型規(guī)則引擎知識圖譜政策規(guī)則拒貸批貸 需要更多數(shù)據(jù)身份：平臺賬號、行為：網(wǎng)絡(luò)活動、關(guān)系：知識圖譜搜個人身份信息、交叉驗證經(jīng)營活動 索反欺詐模型樣本少（相對與廣告，推薦系統(tǒng)）每個樣本要通過放款來收集每個樣本需要相當(dāng)長時間才能收集到表現(xiàn)特征多，大量的missing value（相對于傳統(tǒng) 的風(fēng)控）上述兩點容易造成過擬合信用評估模型 難點特征工程基于原始特征和領(lǐng)域知識總結(jié)出新的特征模型選擇決策樹：早期樣本量少；可解釋性好；隨機森林：區(qū)分度強信用評估模型 方案額度模型主要特征月均 銷售額利潤率借款期 數(shù)經(jīng)營時 間經(jīng)營健 康度外部負(fù) 債無效銷 售定義了風(fēng)險管理的邏輯去知識圖譜中查什么輸入的數(shù)據(jù)如何使用如何交叉驗證做什么樣的決策輸出：直接拒貸批貸：額度，風(fēng)險定價需要更多數(shù)據(jù)增信支持邏輯運算和遠(yuǎn)程方法調(diào)用規(guī)則引擎主要目的是反欺詐：核實是否本人，是否有虛假 信息優(yōu)質(zhì)用戶，無需人工審核，直接放款發(fā)現(xiàn)風(fēng)險點，電話快速審核人工審核放貸信用額度一個月之內(nèi)有效有效期內(nèi)用戶隨時按需提款P2P撮合系統(tǒng)實時對接資金端，分鐘級完成撮合得益于高效的資金