互聯網金融產品如何利用大數據做風控? | 知乎問答精選

 

A-A+

互聯網金融產品如何利用大數據做風控?

2018年02月24日 知乎問答精選 暫無評論 閱讀 12 ℃ 次

【梁川的回答(5票)】:

由於互聯網金融涉及貨幣發行(比特幣)、第三方支付、投資理財(網絡銀行、保險、基金、證券、財富管理)、信貸(P2P、眾籌、網絡微貸)、徵信等等,各個領域的風控策略並不盡相同,不能一概而論,下面討論只能涵蓋了常見的風控策略。

個人認為「大數據」除了強調數據的海量外,更重要的在於用於風控的歷史數據的廣度和深度,其中:

數據的廣度:指用於風控的數據源多樣化,任何互聯網金融企業並不能指望依據單一的海量數據就解決風控問題,正如在傳統金融風控中強調的「交叉驗證」的原則一樣,應當通過多樣化的數據來交叉驗證風險模型。以下的風控策略也如此,可能對同一風險事件採用了多種策略。

數據的深度:指用於風控的數據應當基於某個垂直領域真實業務場景及過程完整記錄,從而保證數據能夠還原真實的業務過程邏輯。

一個關於數據深度典型的反例:第三方支付貌似有豐富的真實交易記錄,但由於大部分場景下無法獲取交易商品的詳細信息及用戶身份,在用於風控時候價值大打折扣。

回到題主的話題:互聯網金融產品如何利用大數據做風控。大致有如下一些常見方法:

1、基於某類特定目標人群、特定行業、商圈等做風控

由於針對特定人員、行業、商圈等垂直目標做深耕,較為容易建立對應的風險點及風控策略。

例如:

針對大學生的消費貸,主要針對大學生人群的特徵

針對農業機具行業的融資擔保。

針對批發市場商圈的信貸。

2、基於自有平台身份數據、歷史交易數據、支付數據、信用數據、行為數據、黑名單/白名單等數據做風控

身份數據:實名認證信息(姓名、身份證號、手機號、銀行卡、單位、職位)、行業、家庭住址、單位地址、關係圈等等。

交易數據/支付數據:例如B2C/B2B/C2C電商平台的交易數據,P2P平台的借款、投資的交易數據等。

信用數據:例如P2P平台借款、還款等行為累積形成的信用數據,電商平台根據交易行為形成的信用數據及信用分(京東白條、支付寶花唄),SNS平台的信用數據。

行為數據:例如電商的購買行為、互動行為、實名認證行為(例如類似新浪微博單位認證及好友認證)、修改資料(例如修改家庭及單位住址,通過更換頻率來確認職業穩定性)。

黑名單/白名單:信用卡黑名單、賬戶白名單等。

3、基於第三方平台服務及數據做風控

互聯網徵信平台(非人行徵信)、行業聯盟共享數據(例如小貸聯盟、P2P聯盟) FICO服務

Retail Decisions(ReD)、Maxmind服務

IP地址庫、代理服務器、盜卡/偽卡數據庫、惡意網址庫等

輿情監控及趨勢、口碑服務。諸如宏觀政策、行業趨勢及個體案例的分析等等

4、基於傳統行業數據做風控

人行徵信、工商、稅務、房管、法院、公安、金融機構、車管所、電信、公共事業(水電煤)等傳統行業數據。

5、線下實地盡職調查數據

包括自建風控團隊做線下盡職調查模式以及與小貸公司、典當、第三方信用管理公司等傳統線下企業合作做風控的模式。

雖然貌似與大數據無關,但線下風控數據也是大數據風控的重要數據來源和手段。

【神州融的回答(1票)】:

互聯網金融的本質其實還是金融,風險控制是金融的命脈。我覺得互聯網金融平台對融資企業的風險控制呈現多樣化,可以舉幾個例子:

1、通過更多的大數據,降低風險。比如京東和阿里,他們掌握網貸公司的所有在線銷售數據和線上的商店的生殺大權。企業的違約成本會很高,又有大數據做支撐所以這兩家的風控會比較好。

2、通過更多獨家數據來降低風險。江蘇有家P2B網貸平台叫開鑫貸(和當地的小貸公司合作),主要是信息撮合,由於開鑫貸是國有背景,之前小貸公司的財務系統就是他們開發的。這樣一個優勢再加上有國開行的背景,現在很受歡迎。

3、通過大數據的挖掘和分析降低風險。比如人人貸,有利網。這兩家也是積極倡議央行開放個人的徵信系統的兩家公司。主要是挖掘獨立第三方信息,降低違約風險。

由於互聯網金融是普惠金融,如果平台不掌握貸款人全面的數據來做決策使得壞賬風險一定會上升。互聯網金融企業還是根據自己的優勢來選好方向把控風險,我覺得這是很有必要的。目前出現了如神州融一類做大數據風控的平台,神州融做大數據風控的模式就是通過大數據整合,全面挖掘出相關信息作風控大數據風控無非就是數據全面挖掘,來進行可靠決策,以此降低風險。

標籤:-風險控制 -互聯網金融


相關資源:





給我留言