“互聯(lián)網(wǎng)金融與大數(shù)據(jù)風控”結(jié)合的九大維度

1、“互聯(lián)網(wǎng)金融與大數(shù)據(jù)風控”結(jié)合的九大維度大數(shù)據(jù)能夠進行數(shù)據(jù)變現(xiàn)的商業(yè)模式目前最常見的主要是兩個，一個是精準營銷，典型的場景是商品推薦和精準廣告投放；另外一個是大數(shù)據(jù)風控，典型的場景是互聯(lián)網(wǎng)金融的大數(shù)據(jù)風控。金融的本質(zhì)是風險管理，風控是所有金融業(yè)務的核心。典型的金融借貸業(yè)務例如抵押貸款、消費貸款、供應鏈金融、以及票據(jù)融資都需要數(shù)據(jù)風控識別欺詐用戶及評估用戶信用等級。傳統(tǒng)金融的風控主要利用了信用屬性強大的金融數(shù)據(jù)，一般采用個維度左右的數(shù)據(jù)，利用評分來識別客戶的還款能力和還款意愿。信用相關程度強的數(shù)據(jù)維度為十個左右，包含年齡、職業(yè)、收入、學歷、工作單位、借貸情況、房產(chǎn)、汽車、單位、還貸記錄等。金融企

2、業(yè)參考用戶提交的數(shù)據(jù)進行打分，最后得到申請人的信用評分，依據(jù)評分來決定是否貸款以及貸款額度。其他同信用相關的數(shù)據(jù)還有區(qū)域、產(chǎn)品、理財方式、行業(yè)、繳款方式、繳款記錄、金額、時間、頻率等。一、驗證借款人身份驗證借款人身份的五因素是姓名、手機號、身份證號、銀行卡號、家庭地址。企業(yè)借助多種數(shù)據(jù)渠道可以驗證借款人姓名、銀行卡號、手機號、身份證號、家庭住址。如果借款人是欺詐用戶，這五個信息都可以買到。這個時候就需要進行人臉識別了，通過人臉識別技術驗證申請人是否是借款人本人。其他的驗證客戶的方式包括讓客戶出示其他銀行的信用卡及刷卡記錄，或者驗證客戶的學歷證書和身份認證。目前在互聯(lián)網(wǎng)金融領域，貸款申請日趨向線

3、上轉(zhuǎn)移。線上申請時，申請人會按照貸款公司的要求填寫多維度信息。例如戶籍地址、居住地址、工作單位、單位電話、單位名稱等。如果是欺詐用戶，其填寫的信息往往會出現(xiàn)一些規(guī)律，企業(yè)可根據(jù)異常填寫記錄來識別欺詐。例如，填寫不同城市居住小區(qū)名字相同，填寫的不同城市、不同單位的電話相同，不同單位的地址街道相同，單位名稱相同，甚至居住的樓層和號碼都相同。還有一些填寫假的小區(qū)、地址和單位名稱以及電話如果企業(yè)發(fā)現(xiàn)一些重復的信息和電話號碼，申請人欺詐的可能性就會很高。三、分析客戶線上申請行為來識別欺詐欺詐用戶往往事先準備好用戶基本信息，在申請過程中，快速進行填寫，批量作業(yè)，在多家網(wǎng)站進行申請，通過提高申請量來獲得更多

4、的貸款。企業(yè)可以借助于或來采集申請人在各個環(huán)節(jié)的行為，計算客戶閱讀條款的時間、填寫信息的時間、申請貸款的時間等，如果這些申請時間大大小于正常客戶申請時間。例如，填寫地址信息小于秒，閱讀條款少于秒鐘，申請貸款低于秒等。用戶申請的時間也很關鍵，一般晚上點以后申請貸款的申請人，欺詐比例和違約比例較高。這些異常申請行為可能揭示申請人具有欺詐傾向，企業(yè)可以結(jié)合其他的信息來判斷客戶是否為欺詐用戶。四、利用風險名單識別欺詐互聯(lián)網(wǎng)金融公司面臨的主要風險為惡意欺詐，左右的信貸損失來源于申請人的惡意欺詐?？蛻粲馄诨蛘哌`約貸款中至少有左右可以收回，另外的一些可以通過催收公司進行催收，逾期的回收率在左右。市場上有近百

5、家的公司從事征信相關工作，其主要的商業(yè)模式是風險名單識別以及客戶信用評分。風險名單一方面來源于民間借貸、線上2信用卡公司、小額借貸等公司的歷史違約用戶，另外一個主要來源是催收公司。風險名單還意味著多頭負債，即申請人在多個貸款平臺進行借貸，總借款數(shù)目遠遠超過其還款能力。目前有很多征信機構(gòu)將自己的信貸數(shù)據(jù)與同行業(yè)分享，旨在降低行業(yè)風險。以致誠阿福為例，致誠阿福是致誠信用率先將宜信年累計的萬真實借貸數(shù)據(jù)、逾萬風險名單與全行業(yè)共享，為2消費金融、小額信貸等眾多機構(gòu)提供的風控解決方案，包括借款記錄查詢、風險名單查詢、致誠評分等服務，旨在防范多頭負債與惡意欺詐，有效降低行業(yè)風險。行為數(shù)據(jù)中一個比較特殊的就

6、是移動設備數(shù)據(jù)反欺詐，公司可以利用移動設備的位置信息來驗證客戶提交的工作地和生活地是否真實，另外還可以根據(jù)設備安裝的應用活躍度來識別多頭負債風險。欺詐用戶一般會使用模擬器進行貸款申請，移動大數(shù)據(jù)可以識別出貸款人是否使用模擬器。欺詐用戶也有一些典型特征，例如很多設備聚集在一個區(qū)域，一起申請貸款。欺詐設備不安裝生活和工具用，僅僅安裝和貸款有關的，可能還安裝了一些密碼破譯軟件或者其他的惡意軟件。欺詐用戶還有可能不停更換卡和手機，利用卡和手機綁定時間和頻次可以識別出部分欺詐用戶。另外欺詐用戶也會購買一些已經(jīng)淘汰的手機，其機器上面的操作系統(tǒng)已經(jīng)過時很久，所安裝的版本都很舊。這些特征可以識別出一些欺詐用戶

7、。大數(shù)據(jù)風控除了可以識別出壞人，還可以評估貸款人的還款能力。過去傳統(tǒng)金融依據(jù)借款人的收入來判斷其還款能力，但是有些客戶擁有工資以外的收入。例如投資收入、顧問咨詢收入等。另外一些客戶可能從父母、伴侶、朋友那里獲得其他的財政支持，擁有較高的支付能力。按照傳統(tǒng)金融的做法，在家不工作照顧家庭的主婦可能還款能力較弱。無法給其提供貸款，但是其丈夫收入很高，家庭日常支出由其太太做主。這種情況，就需要消費數(shù)據(jù)來證明其還款能力了。常用的消費記錄由銀行卡消費、電商購物、公共事業(yè)費記錄、大宗商品消費等。還可以參考航空記錄、手機話費、特殊會員消費等方式。例如頭等艙乘坐次數(shù)、物業(yè)費高低、高爾夫球俱樂部消費、游艇俱樂部會

8、員費用、奢侈品會員、豪車店消費記錄等消費數(shù)據(jù)可以作為其信用評分重要參考。互聯(lián)網(wǎng)金融的主要客戶是中低消費人群，其電商消費記錄、旅游消費記錄、以及加油消費記錄都可以作為評估其信用的依據(jù)。有的互聯(lián)金融公司專門從事個人電商消費數(shù)據(jù)分析，只要客戶授權(quán)其登陸電商網(wǎng)站，其可以借助于工具將客戶歷史消費數(shù)據(jù)全部抓取并進行匯總和評分。物以類聚，人以群分。一般情況下，信用好的人，他的朋友信用也很好。信用不好的人，他的朋友的信用分也很低。參考借款人常聯(lián)系的朋友信用評分可以評價借款人的信用情況，一般會采用經(jīng)常打電話的朋友作為樣本，評估經(jīng)常聯(lián)系的幾個人的信用評分，去掉一個最高分，去掉一個最低分，取其中的平均值來判斷借款人

9、的信用。這種方式挑戰(zhàn)很大，只是依靠手機號碼來判斷個人信用可信度不高。一般僅僅用于反欺詐識別，利用其經(jīng)常通話的手機號在風險名單庫里面進行匹配，如果命中，則此申請人的風險較高，需要進一步進行調(diào)查。參考過去互聯(lián)網(wǎng)金融風控的經(jīng)驗發(fā)現(xiàn)，擁有伴侶和子女的借款人，其貸款違約率較低。年齡大的人比年齡低的人貸款違約率要高，其中歲左右的貸款人違約率最高，歲左右的人違約率最低。貸款用于家庭消費和教育的貸款人，其貸款違約率低。聲明月收入超過萬的人比聲明月收入低于萬千的人貸款違約率高。貸款次數(shù)多的人，其貸款違約率低于第一次貸款的人。經(jīng)常不交公共事業(yè)費和物業(yè)費的人，其貸款違約率較高。經(jīng)常換工作，收入不穩(wěn)定的人貸款違約率較

10、高。經(jīng)常參加社會公益活動的人，成為各種組織會員的人，其貸款違約率低。經(jīng)常更換手機號碼的人貸款違約率比一直使用一個電話號碼的人高很多。午夜經(jīng)常上網(wǎng)、很晚發(fā)微博、生活不規(guī)律、經(jīng)常在各個城市跑的申請人，其帶貸款違約率比其他人高。刻意隱瞞自己過去經(jīng)歷和聯(lián)系方式、填寫簡單信息的人，比信息填寫豐富的人違約概率高0借款時間長的人比借款時間短的人逾期和違約概率高左右。擁有汽車的貸款人比沒有汽車的貸款人，貸款違約率低左右。涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。尋找這些涉毒涉賭的嫌疑人，可以利用當?shù)氐墓矓?shù)據(jù)，但是難度較大。也可以采用移動設備的位置信息來進行一定程度的識別。如果設備經(jīng)常在半夜出現(xiàn)在賭博場所或賭博區(qū)域，例如澳門，其申請人涉賭的風險就較高。另外中國有些特定的地區(qū)，當?shù)氐挠幸徊糠秩巳簭氖律娑净蛏尜€行業(yè)，一旦申請人填寫的居住地址或者移動設備位置信息涉及這些區(qū)域，也要引起重視。涉賭和涉毒的人員工作一般也不太穩(wěn)定或者沒有固定工作收入，如果申請人經(jīng)常換工作或者經(jīng)常在某一個階段沒有收入，這種情況需要引起重視。涉賭和涉毒的人活動規(guī)律比較