风控是所有金融业务的核心。金融借贷业务例如抵押贷款、消费贷款、供应链金融都需要数据来识别欺诈用户及评估用户信用水平。传统的金融风控主要利用客户的信用属性数据，一般采用20个纬度左右的变量，利用信用评分来识别客户的信用风险。互联网金融的大数据风控并不是对传统风控的颠覆，而是对传统风控的丰富。大数据风控除了利用申请人的信用属性数据外，还将收集其他各种维度的信息（如行动轨迹、行为倾向、兴趣爱好、社交属性等），借助机器学习算法来揭示申请人的欺诈风险和信用风险。常见的互联网金融大数据风控方式有以下八类：
身 份 认 证
姓名、手机号、身份证号、银行卡号、身份证照片、申请人生活照、身份证在公安库中关联的照片，这几类信息的相互验证是互金行业的必备的风控手段。此外，越来越多的机构采用手机号实际使用人验证、关联人验证、居住地址验证、工作地址验证、同户人员验证等信息来查验申请人的资料真实性。
负面信息记录
个人的信用记录是申请贷款时非常重要的一项参考因素，负面信息和不良信用记录都需要纳入考虑的范围之内。目前的负面信息记录主要包含黑、灰名单记录，网络公开负面信息，司法信息（司法被执行人、法院结案等），黄牛、刷单号码，赌博、吸毒记录等。这些负面记录能直接反应贷款人的信用情况，也是大数据风控中必备的数据之一。但是目前市场上宣称的负面信息记录总条数超过3000万，这其中有些是金融机构通过历史的放贷所积累出来的黑名单，另外一些则是滥竽充数，依次充好。负面信息记录的真实效果如何需要互金机构自己来评估。
信息共享
“信息共享联盟”主要是通过免费或低价的形式接入信息共享平台，建立信息互联互通、联防联控机制。通过整合接入机构的查询请求，信息共享平台可以获取到某个身份ID在某段时间的申请记录，用以防范申请人的多次借贷。同时，某些信息共享平台还要求接入机构向其提供更多的关于申请人的信息，比如家庭地址、工作单位、联系人电话等。通过对这些信息的整合，信息共享平台可以建议一个庞大的关联网络，挖掘群体性欺诈等高风险内容。使用信息共享平台的优势在于其能够看到申请人是否有多重借贷记录，而缺点则是平台需要有较大的体量才能体现出效果且平台的数据纯净性不太可控。
关联网络分析
关联网络分析是用于挖掘申请人之间，申请人与其关联人之间关系的有效方式。目前大部分的互金机构都会收集用户的手机通讯录或者通话记录，利用这些数据在辅以申请信息中的联系人、家庭地址和工作地址。互金机构可以构建一个超大的关联网络，对于识别群体欺诈，恶意欺诈和失联召回都具有较大作用。比如，欺诈用户在填写信息时，往往能发现一些奇怪的规律：不同的城市中小区名字楼层房号相同、不同的单位地址电话相同，还有填写虚假的小区、地址和单位名称以及电话信息等，互金机构可根据这种异常来识别欺诈。采用关联网络的优势在于能够挖掘更深层次的欺诈行为，但困难在于需要依赖于较大体量的数据和分析能力。
还款能力评估
大数据风控不仅可以判断借款人的身份，还可以评估其还款能力。传统金融对借款人还款能力的判断主要依据其收入，但是，有些客户拥有工资以外的收入，例如投资收入、顾问咨询收入等。另外一些客户可能从父母、伴侣、朋友那里获得其他的财政支持。举一个例子，家庭主妇并没有直接的收入来源，按理来说还款能力比较弱，但是如果丈夫收入很高，家庭日常支出由其太太做主，那么就明显不能只靠收入来判断了。这种情况下，就需要借助消费数据了，常用的消费记录有银行卡消费、电商购物、公共事业费记录、大宗商品消费等，还可以参考航空记录、手机话费等方式，例如头等舱乘坐次数，旅游消费、奢侈品会员、4s店的消费记录都是十分有意义的数据。消费记录能够有效的辅助机构对申请人的收入评估，但缺点在于消费数据收集困难，呈数据孤岛的形态。
社会属性分析
通过对数据的分析，其实不难发现，在一定程度上可以通过借款人的社会属性和行为来判断他是否会违约。
设备属性
目前移动端的互金业务一般会获取用户设备的各种信息，如实时位置、手机安装的app列表，申请人填写信息的顺序、时间等。欺诈用户一般会使用模拟器进行贷款申请，设备数据可以识别出贷款人是否使用模拟器。欺诈用户也有一些典型特征，例如很多设备聚集在一个区域，一起申请贷款；欺诈设备不安装生活和工具用App，仅仅安装和贷款有关的App，可能还安装了一些密码破译软件或者其他的恶意软件。这些信息都有助于获取到更为客观的信息，能有效的识别申请人的性质，但局限在于更适用于APP端，其他渠道所能获取到的信息较少，并且某些信息需要申请人授权才能获取。
信息修复
当客户失联的时候，电话地址等传统修复手段的效果有限，这时就需要通过综合大数据，精准查找修复失联债务人，全面挖掘客户在运营商(手机)、社交(微信、qq等)、互联网(购物、租车、婚介)等各个场景下预留的新的联系方式或者其亲属的联系方式，提高客户触达率。解决逾期高阶阶段出现的客户失联、地址不真实、资产情况无法评估等问题。信息修复能够在一定程度上降低企业的损失，但有侵犯客户隐私的嫌疑，需要慎重使用。
综上所述，互联网金融的大数据风控采用了用户社会行为和社会属性数据，在一定程度上补充了传统风控数据维度不足的缺点，能够更加全面识别出欺诈客户，评价客户的风险水平。
网友评论