登录         注册

数据并不可以改变风险,但是可以把风险量化。互联网金融的风控,其实就是对数据的分析,数据越精准,风控能力就越强。也因此,大数据征信的应用倍受关注。


一.消费金融现状


我国消费结构正在从吃、穿等生存型消费向教育、旅游等发展型和品质型消费过渡,消费升级使得消费金融迎来爆发时刻。互联网消费金融能够通过“消费金融化、金融生活化”,实现金融资源跨期、错期配置,还可为消费尤其是电子商务提供良好的金融服务环境。


风控对于金融来说永远是核心,无论是传统金融还是互联网消费金融。所谓风控,无外乎就是在一大堆看似正常的用户中将一小撮“坏人”揪出来,因此这当中就会有“求真去伪”的问题。而谈到风控,就一定要讲数据,因为巧妇难为无米之炊。因此本文想和大家一块来谈谈数据与风控的那些事儿,毕竟这是一件痛苦并快乐的事情。


传统金融的风险控制,主要是基于央行的征信数据及银行体系内的生态数据依靠人工审核完成。而央行征信系统里真正有信贷记录的自然人数仅有3.7亿人(2015年数据),因此对于其他人就需要靠其他数据来进行信贷风险的判断。互联网的发展和大数据的崛起,有效地将征信数据范围做了很大的延伸,使得我们可以利用更多的非金融机构数据进行风险控制,这些数据可以更加全面地预测小额贷款的风险,这也是现如今大数据征信市场一片火热的主要原因之一。


二.征信数据的构成


互联网消费金融征信数据来源可以分为如下三部分:场景内数据、平台自身数据和外部征信数据。


申请贷款时,用户需要提供部分申请信息,如工作信息、学历信息、收入信息等,除此之外合作的平台或场景方也可提供部分信息,如贷款申请时的行为信息等,这些数据我们称之为场景内数据。


如果贷款平台较大较成熟,且有足够的数据积累,风控对外部征信数据的依赖就较小。但实际情况是,互金平台都比较小,场景内数据又有造假嫌疑以及出于用户体验的考虑,不会有太多,因此会较多依赖外部征信数据,这也是现在第三方征信数据市场火爆的原因。


三.消费金融风控体系


聊完了征信数据的构成,那互联网消费金融的风险来源主要有哪些,如何防范这些风险呢?


互联网消费金融因其虚拟性,主要风险集中在两方面,一是欺诈风险,一是信用风险。


风控流程示意图


针对互联网消费金融风险主要表现在欺诈风险和信用风险,因此核心的风险评估流程就是反欺诈和信用评估。对于反欺诈来说,信息核实、高危人群拦截和批量识别是其核心风控手段。而对于信用风险的评估,说到底还是对其收入进行认定,也就是衡量其偿还能力。


互联网消费金融风控在流程上与传统风控一样,可分为贷前、贷中、贷后,但又有差异,因为业务的特点就是线上实时审批,也称之为“秒批”;贷前我们主要关注的是准入和授信两个环节,通俗地说就是贷前实时反欺诈和实时信用评估;贷中主要关注的是贷中异常的监控和贷中运营,比如好的客户我们要不断的进行调额;贷后主要关注的是催收,因为催收做得好,很多信用风险问题都可以解决。


四.大数据征信在风控中的应用


1.完善客户画像


客户画像就是对用户打标签,以表示不同属性的用户。例如打上性别标签、年龄标签、消费偏好标签。这点在电商行业已被广泛运用。


客户画像的原理是,通过样本数据学习不同标签用户的行为特征,再根据学习到的知识来将未知标签的用户进行分类。客户画像的应用面非常广泛。


该点可用于快速识别白名单和黑名单,给予其余中间层客户的详细评级分类;利用大数据提高自动核准率,在电商中常用于大幅提升运营效率,也用于精准营销。在互联网金融的风险控制上则可用于征信评级,反欺诈风险控制以及动态调整级别和监控(增收和降低坏账率)、快速放贷和提升金融服务水平。


2.促进快速放贷


目前银行的放贷速度很慢,其主要时间是浪费在信用审核和人力上。因此一个完善的用户信用模型在这里至关重要。目前已经有银行在做微信申请信用卡,贷款的项目了。


以在国内发展已有几十年历史的信用卡经验为例,信用卡分为A\B\C\D\E五个评级。


银行主要是在申请环节和中间环节进行监控。申请环节的审核包括入学年限审核、是否有稳定工作、身份证+电话+居住地是否一致,民事诉讼公开列表是否出现申请人姓名等。比如你是经常用3G还是wifi,电话打得多还是上网流量用的多,旅游去向,机票航班;党派身份,家庭成员等。孩子在两岁以下风险较高,五岁~20岁风险度降低, 20岁以上、30岁以上风险再次增高,且需尤其注意是否用父母身份证申办信用卡。


网上购物比较多的信用评级在B/C/D之间,网上支付少转账多尤为注意(可能为变相套现)这种都是D-。依赖4G网络评级在C\D,电话>上网评级在B\C,党派身份评级:民主党>共产党>无党派


其实对于传统银行抑或互联网金融,还有一个非常无奈的痛点,就是数据同步的问题。各个平台都拿着自己的数据,数据不互通,是导致用户画像不完善的主要原因,如果能够打通行内外数据,就可以有效甄别优劣质客户,在行业联防联控抵制老赖的基础上,有效分析发现优质客户,实现超短期放贷。这也是蜜蜂数据的运营目的之一,希望对接网贷行业多家P2P平台,打通数据孤岛,建立更加完善的征信体系。


3.反欺诈功能


风险管理的核心应用在反欺诈上,金融行业的反欺诈验证,主要有以下三点:


1、网络申请信用卡收入过分或故意夸大


2、网络申请信用卡姓名,手机号码和身份证的一致性的校验


3、是否存在交易欺诈或逾期记录


第一点:可以通过分析用户的社保数据、运营商数据、网络行为数据(职业、收入等预测画像…)来进行规避。


第二点和第三点:实时分析数据进而监测潜在风险并预警,实时监控系统内的各类数据。


例如:用户操作、交易流水、访问记录等如某内部工作人员在某段时间内操作存贷/汇交易的时间大幅度快于其历史水平;比银行平均水平也要快出很多;内部员工每个月由其自己账户向几家银行汇款或支付好几家信用卡;美国这2-3年留学生临到毕业之前的2-3个月,信用卡消费是历史平均的好几倍甚至更多(如果能结合网络行为信息:查询来源国工作,航旅公司机票那确定性…)美国留学生这个是个很经典的案例。


简言之,大数据反欺诈功能就是通过对大数据的采集和分析,找出欺诈者留下的蛛丝马迹,从而预防欺诈行为的发生。其现实意义在于提升坏人的欺诈成本,在欺诈行为发生之前就将其制止,进而净化诚信体系。


五.总结


大数据风控听起来非常高大上,但在实际工作中也经常会遇到一味炒作概念的人,过分夸大其中机器学习和AI所能起到的作用,或者盲目追求高深复杂的算法。科学合理地利用好大数据,发掘大数据的价值,可以有效地帮我们控制金融风险。


  • 中华人民共和国《企业征信业务备案证》编号:14003 人民银行备案信用代码:G1015010301246690U
  • COPYRIGHT © 2016,www.nanguazhengxin.com/www.zxfu.com,ALL RIGHTS RESERVED
  • 版权所有:内蒙古南瓜征信管理有限公司 工信部备案号:蒙ICP备16001544号-1 16001544号-2
  • 公安局备案号150121020 00132