因工作需要，最近查閱了不少關(guān)于如何利用大數(shù)據(jù)建設(shè)支撐互金業(yè)務(wù)的智能風(fēng)控平臺(tái)，以下是我個(gè)人對所看資料的總結(jié)及個(gè)人拙見，與同道之士共享。

背景及現(xiàn)狀

互聯(lián)網(wǎng)金融平臺(tái)聚焦互聯(lián)網(wǎng)消費(fèi)信貸業(yè)務(wù)場景，依托線上互聯(lián)網(wǎng)為獲客渠道，識(shí)別更好的客戶群體，為客戶提供更高效的響應(yīng)時(shí)效以及更佳的業(yè)務(wù)體驗(yàn)。線上信貸業(yè)務(wù)普遍具有流程快捷、實(shí)時(shí)審批、極速到賬等優(yōu)點(diǎn)，同時(shí)服務(wù)的客群通常是傳統(tǒng)金融不愿意服務(wù)的客群，這也對風(fēng)險(xiǎn)控制提出了更高的要求。

大數(shù)據(jù)智能風(fēng)控平臺(tái)作為金融資產(chǎn)類IT建設(shè)中最為重要的一個(gè)系統(tǒng)，其理念、內(nèi)容、架構(gòu)、流程反應(yīng)出的內(nèi)容已經(jīng)不僅僅局限在一個(gè)IT系統(tǒng)的范疇之中。系統(tǒng)的擴(kuò)展性、后臺(tái)支撐的靈活性、安全穩(wěn)定等會(huì)多方面影響互聯(lián)網(wǎng)消費(fèi)信貸業(yè)務(wù)發(fā)展，一個(gè)適應(yīng)性強(qiáng)且基于大數(shù)據(jù)平臺(tái)的風(fēng)控系統(tǒng)是現(xiàn)代互聯(lián)網(wǎng)消費(fèi)信貸業(yè)務(wù)能夠快速適應(yīng)市場變化的重要保障。

互聯(lián)網(wǎng)消費(fèi)金融風(fēng)險(xiǎn)的理解

互聯(lián)網(wǎng)消費(fèi)金融面臨的風(fēng)險(xiǎn)主要是信用風(fēng)險(xiǎn)和欺詐風(fēng)險(xiǎn)兩塊。

• 欺詐風(fēng)險(xiǎn)

據(jù)統(tǒng)計(jì)，在中國，互聯(lián)網(wǎng)金融50-70%的損失來自欺詐，這也可以說是風(fēng)控業(yè)務(wù)中最困難的地方。造成這種現(xiàn)狀的原因比較多，一方面是諸如現(xiàn)金貸類型的消費(fèi)金融短期爆發(fā)式發(fā)展，大量創(chuàng)業(yè)公司涌入賽道以互聯(lián)網(wǎng)獲客運(yùn)營的流量思路做金融，與此同時(shí)相應(yīng)的風(fēng)控經(jīng)驗(yàn)和能力缺失，因此給專業(yè)的欺詐分子暴露了較大的風(fēng)險(xiǎn)敞口，通過簡單研究業(yè)務(wù)規(guī)則漏洞，并通過互聯(lián)網(wǎng)傳播，可能帶來較大的損失；另一方面也是欺詐產(chǎn)業(yè)鏈自身研究實(shí)力不斷的完善有關(guān)，現(xiàn)在的欺詐已經(jīng)從以往單一的個(gè)人欺詐演變?yōu)橛薪M織、有規(guī)模的集團(tuán)化欺詐，鏈條上盜號(hào)，數(shù)據(jù)泄露作為基礎(chǔ)賬號(hào)庫，已衍生出一系列包括黑產(chǎn)交易、ID Mapping、定向攻擊的完整產(chǎn)業(yè)鏈，其中的分工和技術(shù)也非常專業(yè)和精細(xì)化。

• 信用風(fēng)險(xiǎn)

信用風(fēng)險(xiǎn)，其定義是借款者違約的風(fēng)險(xiǎn)，換句話說，也就是借款人因各種原因未能及時(shí)、足額償還債務(wù)或貸款而違約的可能性。通常從還款能力和還款意愿兩個(gè)角度去分析信用風(fēng)險(xiǎn)，但在互聯(lián)網(wǎng)消費(fèi)信貸場景中，主要客群是包括中小企業(yè)和收入較低的白領(lǐng)、藍(lán)領(lǐng)客戶，在銀行拿不到較好的貸款額度，不是銀行的目標(biāo)客戶，其信用評分較低，傳統(tǒng)金融認(rèn)為這批客戶還款能力較差；服務(wù)的客群大多屬于信用白戶，無法借助人行征信報(bào)告獲取與客戶還款能力和還款意愿相關(guān)的財(cái)產(chǎn)、學(xué)歷、收入、貸款、信用卡、欠稅欠費(fèi)等信息。

大數(shù)據(jù)智能風(fēng)控平臺(tái)建設(shè)思路

大數(shù)據(jù)風(fēng)控體系需要從下面三方面著手建設(shè)，首先要有技術(shù)平臺(tái)支撐，能夠快速的集成多維風(fēng)險(xiǎn)數(shù)據(jù)、反欺詐規(guī)則配置和風(fēng)險(xiǎn)模型開發(fā)；其次要從源頭對端機(jī)進(jìn)行欺詐識(shí)別；最后在信貸全生命周期通過反欺詐、信用評級(jí)模型等技術(shù)手段對進(jìn)行風(fēng)險(xiǎn)控制。

1) 平臺(tái)層面：建設(shè)集數(shù)據(jù)接入、反欺詐、風(fēng)險(xiǎn)執(zhí)行引擎和模型訓(xùn)練引擎于一體的一站式風(fēng)控平臺(tái)。底層的數(shù)據(jù)服務(wù)統(tǒng)一整合所有風(fēng)控、反欺詐所要用到的內(nèi)外部數(shù)據(jù)接入；上層的反欺詐服務(wù)，可以對反欺詐規(guī)則進(jìn)行定制和管理；風(fēng)控執(zhí)行引擎可以從數(shù)據(jù)服務(wù)或者其他數(shù)據(jù)源接入數(shù)據(jù)，管理和執(zhí)行風(fēng)控策略；風(fēng)控訓(xùn)練引擎提供對建模樣本數(shù)據(jù)做數(shù)據(jù)預(yù)處理，模型訓(xùn)練以及評價(jià)和監(jiān)控功能。

2) 設(shè)備層面，通過在端機(jī)部署設(shè)備指紋SDK主動(dòng)地收集與設(shè)備相關(guān)的信息和特征，通過對這些特征來為每一個(gè)操作設(shè)備建立一個(gè)全球唯一的設(shè)備ID。配合強(qiáng)大的決策引擎，精確分析出一個(gè)設(shè)備上的所有用戶的操作行為，發(fā)現(xiàn)多用戶之間的關(guān)聯(lián)情況，描摹出一個(gè)基于設(shè)備的用戶畫像。通過設(shè)備指紋，更加精準(zhǔn)的分析互聯(lián)網(wǎng)欺詐者的行為軌跡，從蛛絲馬跡中識(shí)別風(fēng)險(xiǎn)、預(yù)警風(fēng)險(xiǎn)，準(zhǔn)確追蹤定位風(fēng)險(xiǎn)產(chǎn)生的用戶主體以及關(guān)聯(lián)的所有用戶。

3) 模型層面，建設(shè)涵蓋貸中、貸前、貸后的全生命周期風(fēng)控模型，比如反欺詐模型、信用評分模型、風(fēng)險(xiǎn)定價(jià)模型等，貸后催收模型等。貸前控制主要找到合格的借款人；貸中控制主要預(yù)防借款人還款能力下降，無法按時(shí)歸還貸款；貸后控制，主要當(dāng)貸款發(fā)生逾期時(shí)，通過有效催收策略降低銀行損失。其中，貸前風(fēng)險(xiǎn)控制最為重要。

平臺(tái)層

應(yīng)該有四個(gè)部分構(gòu)成： 大數(shù)據(jù)聚合平臺(tái)，反欺詐規(guī)則引擎，模型訓(xùn)練引擎和風(fēng)控執(zhí)行引擎。

設(shè)備層

設(shè)備指紋是行之有效的設(shè)備層面的反欺詐手段，通過在頁面或APP置入設(shè)備指紋SDK在線獲取上網(wǎng)設(shè)備（ PC、手機(jī)、PAD等）的軟件、硬件、網(wǎng)絡(luò)、行為等多層次指紋信息，利用算法快速生成唯一的設(shè)備號(hào)，用于標(biāo)識(shí)訪問設(shè)備，可以判斷用戶網(wǎng)絡(luò)行為的可信度，進(jìn)而達(dá)到反欺詐的目的。

具體反欺詐應(yīng)用場景包括：

• 注冊場景：識(shí)別垃圾注冊、羊毛黨（設(shè)備黑名單、設(shè)備關(guān)聯(lián)過多的賬戶信息、設(shè)備注冊過于頻繁、惡意繞過設(shè)備監(jiān)控）；識(shí)別賬戶盜用（設(shè)備關(guān)聯(lián)過多的賬戶信息）；

• 登錄場景：識(shí)別拖庫撞庫；識(shí)別暴力破解（設(shè)備登錄失敗次數(shù)過于頻繁、設(shè)備登錄間隔過短）；識(shí)別賬戶盜用（非常用設(shè)備登錄），

• 支付/轉(zhuǎn)賬場景：識(shí)別盜卡盜刷（設(shè)備關(guān)聯(lián)過多銀行卡信息）；識(shí)別洗錢（設(shè)備累積交易金額過大、設(shè)備累積交易頻次過多、設(shè)備給過多賬戶轉(zhuǎn)賬）；

• 信貸場景：識(shí)別黑中介（設(shè)備關(guān)聯(lián)申請貸款人過多）。

模型層

風(fēng)險(xiǎn)管理需要貫穿信貸業(yè)務(wù)的全生命周期，實(shí)現(xiàn)全流程風(fēng)險(xiǎn)管理目標(biāo)。如下表展示了全生命各個(gè)信貸業(yè)務(wù)相應(yīng)的風(fēng)險(xiǎn)管理對策，其中預(yù)授信，身份核查，申請反欺詐，信用風(fēng)險(xiǎn)評估，風(fēng)險(xiǎn)定價(jià)，用信反欺詐屬于風(fēng)控貸前環(huán)節(jié)，風(fēng)險(xiǎn)預(yù)警屬于風(fēng)控貸中環(huán)節(jié)，貸后催收屬于風(fēng)控貸后環(huán)節(jié)。

貸前風(fēng)控

（一）預(yù)授信

基于行內(nèi)自有客戶數(shù)據(jù)和合作平臺(tái)客戶數(shù)據(jù)通過預(yù)授信評估模型進(jìn)行初步的信用評估，形成預(yù)授信白名單和預(yù)授信額度，通過營銷短信的方式將預(yù)授信額度通知客戶。一旦客戶提交授信激活申請，其額度將會(huì)重新評估，預(yù)授信額度不會(huì)作為最終的授信額度。

舉例：預(yù)授信評估模型可依據(jù)申請人所在城市，工資收入，公積金，工齡，年齡，單位性質(zhì)，單位規(guī)模，職務(wù)級(jí)別等信息給出相應(yīng)的風(fēng)控決策和預(yù)授信額度。

（二）身份核查

建立基于四要素驗(yàn)證，活體識(shí)別，人臉識(shí)別，聯(lián)網(wǎng)核查，實(shí)名驗(yàn)證，學(xué)歷驗(yàn)證等技術(shù)手段的身份核查模型。在用戶申請貸款時(shí)通過身份核查技術(shù)手段對用戶身份的真實(shí)性進(jìn)行核查，確保借款人的身份信息真實(shí)有效，排查欺詐風(fēng)險(xiǎn)。

（三）反欺詐

用戶在授信申請和用信時(shí)，需要進(jìn)行反欺詐把控，利用風(fēng)險(xiǎn)名單，風(fēng)控規(guī)則和欺詐模型，對用戶可能的欺詐風(fēng)險(xiǎn)進(jìn)行風(fēng)險(xiǎn)評估，主要完成用戶行為信息和風(fēng)險(xiǎn)名單的欺詐判定。具體包括：用戶申請行為欺詐規(guī)則分析，用戶歷史逾期風(fēng)險(xiǎn)、跨行業(yè)信貸風(fēng)險(xiǎn)、欺詐團(tuán)伙的名單和數(shù)據(jù)分析，用戶偽冒，中介或欺詐團(tuán)伙風(fēng)險(xiǎn)模型預(yù)測分析。

（四）信用風(fēng)險(xiǎn)決策

信用風(fēng)險(xiǎn)決策的核心是用戶信用風(fēng)險(xiǎn)評估。信用評估模型是近年來興起的一種為了保障銀行和其他金融部門的金融安全而設(shè)立的一種關(guān)于人身金融權(quán)限的劃定模型，模型運(yùn)用數(shù)理統(tǒng)計(jì)模型技術(shù)，通過對消費(fèi)者信用歷史記錄和業(yè)務(wù)活動(dòng)記錄的深度數(shù)據(jù)挖掘、分析和提煉，發(fā)現(xiàn)蘊(yùn)藏在紛繁復(fù)雜數(shù)據(jù)中、反映消費(fèi)者風(fēng)險(xiǎn)特征和預(yù)期信貸表現(xiàn)的知識(shí)和規(guī)律，并通過評分的方式總結(jié)出來，作為管理決策的科學(xué)依據(jù)。模型以客戶的信用歷史資料，例如客戶的基本信息、工作情況、與銀行關(guān)系等方面的指標(biāo)作為輸入，利用一定的信用評分模型，建立定量化、自動(dòng)化的評估系統(tǒng)，用量化的數(shù)值來體現(xiàn)所評估客戶的信用風(fēng)險(xiǎn)，根據(jù)客戶的信用分決定該客戶所可以持有的金額權(quán)限，由此來保證還款等業(yè)務(wù)的安全性。

（五）風(fēng)險(xiǎn)定價(jià)

基于風(fēng)險(xiǎn)分級(jí)給予不同人不同的產(chǎn)品定價(jià)（不同人申請同一款產(chǎn)品選擇一樣的貸款參數(shù)，獲得的利率和額度可能不一樣），以獲得更精準(zhǔn)的客戶，帶來更多的粘性客戶和更高的轉(zhuǎn)化率。給予客戶的授信額度，應(yīng)當(dāng)綜合客戶的風(fēng)險(xiǎn)、還款能力等多方面考慮。在貸款業(yè)務(wù)的實(shí)際操作中，對個(gè)人信用貸款利率和額度的主要考慮因素為以下幾點(diǎn)：貸款人情況（如貸款人信用情況、個(gè)人財(cái)力、銀行往來記錄），資金用途，還款來源等。

貸中風(fēng)控

貸中風(fēng)控作為信貸風(fēng)險(xiǎn)管理的核心組成部分，是控制風(fēng)險(xiǎn)、防止不良貸款發(fā)生的重要手段。采用大數(shù)據(jù)智能貸中預(yù)警服務(wù)，分析監(jiān)控對象的可能失信或負(fù)面異常信息，可在不需人工干預(yù)的情況下，第一時(shí)間掌握貸款客戶的關(guān)鍵信息。風(fēng)控平臺(tái)借助貸前風(fēng)控?cái)?shù)據(jù)、信貸業(yè)務(wù)過程數(shù)據(jù)、行內(nèi)自有數(shù)據(jù)和外部數(shù)據(jù)，對所有在途放貸事件進(jìn)行貸中監(jiān)控分析，定時(shí)跑批，篩選出新增危險(xiǎn)客戶?；诘讓拥拇髷?shù)據(jù)框架，高效的對貸款全量進(jìn)監(jiān)控。跑批的過程中會(huì)通過規(guī)則策略和風(fēng)險(xiǎn)預(yù)警模型來實(shí)現(xiàn)智能預(yù)警。

貸后風(fēng)控

建立催收評分卡模型。根據(jù)客戶的綜合行為信息，應(yīng)用數(shù)據(jù)挖掘和統(tǒng)計(jì)學(xué)方法，建立可以客觀準(zhǔn)確預(yù)測客戶風(fēng)險(xiǎn)程度、損失程度、響應(yīng)可能性、還款款可能性的催收評分模型。根據(jù)催收評分對早期逾期客戶的風(fēng)險(xiǎn)情況進(jìn)行評估，將客戶分為高風(fēng)險(xiǎn)、中等風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)三類，再根據(jù)逾期時(shí)間長短，逾期金額，將客戶分為高風(fēng)險(xiǎn)(H)、中等風(fēng)險(xiǎn)(M)、低風(fēng)險(xiǎn)(L)和不催收(N)四類，并制定不同的催收策略（電話催收、短信催收、上門催收、信函催收等）。

建設(shè)難點(diǎn)

個(gè)人認(rèn)為，大數(shù)據(jù)智能風(fēng)控平臺(tái)建設(shè)的難點(diǎn)主要有一下幾塊。

• 數(shù)據(jù)的獲取和整合

風(fēng)控是一個(gè)復(fù)雜的過程，數(shù)據(jù)的獲取和整合是智能風(fēng)控的基礎(chǔ)，智能風(fēng)控體系利用數(shù)據(jù)對風(fēng)險(xiǎn)進(jìn)行管控，因此數(shù)據(jù)可獲得性、數(shù)據(jù)質(zhì)量及數(shù)據(jù)處理能力非常關(guān)鍵。

• 場景如何融合

如何將大基于大數(shù)據(jù)分析產(chǎn)生的知識(shí)嵌入到信用風(fēng)險(xiǎn)、操作 風(fēng)險(xiǎn)、欺詐風(fēng)險(xiǎn)等風(fēng)險(xiǎn)管理的各個(gè)領(lǐng)域中。

• 如何進(jìn)行管理支持

智能風(fēng)控平臺(tái)與傳統(tǒng)的風(fēng)控體系的管理歐式差別較大，在傳統(tǒng)的風(fēng)控體系下建立的業(yè)務(wù)制度、業(yè)務(wù)流程勢必?zé)o法適應(yīng)智能風(fēng)控體系。因此及時(shí)調(diào)整優(yōu)化業(yè)務(wù)流程，轉(zhuǎn)變業(yè)務(wù)思路，如何將之適應(yīng)智能風(fēng)控體系將是一個(gè)難點(diǎn)。

引用百度金服圖片