如何用数据分析框架应对反欺诈风控问题，如何利用大数据开展信贷反欺诈

零售端信贷产品线上化已成为金融业发展的趋势之一如何用数据分析框架应对反欺诈风控问题。在信贷业务中，将长期面临黑灰产团伙骗贷、中介包装、客户伪造、盗用骗贷、渠道合谋等各类欺诈风险，在信用风险层面也存在因征信体系内数据不足、信用白户等而无法对借款人还款能力进行有效评估的问题。

如何控制信贷风险损失、降低风控运营成本、快速支撑新业务拓展和升级，已成为信贷业务所面临的关键挑战。

顶象技术为金融机构提供的金融信贷风控解决方案：

顶象的一站式智能信贷风控平台，涵盖信贷风控全流程管理（贷前、贷中、贷后）、多方数据对接、风控与额度决策、反欺诈策略、贷后可视化监测等功能，提升银行线上信贷实时风控决策能力、自动化审批能力、信审流程管理能力和信贷数据管理能力，实现实时数据复杂处理和沉淀，形成业务闭环，为网络信贷业务健康、可持续发展提供有力保障。

大数据风控模型主要包括：反欺诈模型、二元好坏模型、资产包风控模型等。其有效性主要包括以下三个方面：

1、有效提高审核的效率和有效性：

引入大数据风控技术手段分析，通过多维度的信息分析、过滤、交叉验证、汇总，可以形成一张全面的申请人数据画像，辅助审核决策，可以提高审核的效率和有效性。 

2、有效降低信息的不对称：

引入大数据风控技术手段分析，通过多维度的信息分析、过滤、交叉验证、汇总，可以形成一张全面的申请人数据画像，辅助审核决策，可以提高审核的效率和有效性。 

3、有效进行贷后检测：

通过大数据技术手段对贷款人进行多维度动态事件（如保险出险、频繁多头借贷、同类型平台新增逾期等）分析，做到及时预警。

大数据风控同传统风控在本质上没有区别，主要区别在于风控模型数据输入的纬度和数据关联性分析。据统计，目前银行传统的风控模型对市场上70%的客户是有效的，但是对另外30%的用户，其风控模型有效性将大打折扣。

大数据风控作为传统风控方式补充，主要利用行为数据来实施风险控制，用户行为数据可以作为另外的30%客户风控的有效补充。

谢邀，大数据风控使普惠金融成为可能，传统风控模式审批流程长，作业成本高，致使很多传统金融机构没有兴趣服务小额借款人。而大数据风控全流程线上，能够实现“小额大量”的快速作业。规模效应形成规模收益，大数据风控的应用使得金融机构降低坏账率的同时，借款人的融资成本也大幅降低。真正实现了“普及”和“优惠”。大数据风控可以说就是为普惠金融而生的。

实操中，大数据风控就是以大数据风控建模的方式来审批借款。主要包括三方面。

一是基本信息的判断

即判断“你就是你”，而不是冒用别人身份的欺诈行为。在传统风控模式下，判断是否本人贷款主要靠“面签”，借款人要到金融机构的网点，现场接受审核。在大数据风控模式下，活体识别技术的应用就解决了这个问题。对着手机张张嘴、眨眨眼，金融机构就能够基本判断借款用户的身份真实性。

二是还款能力的判断

还款能力主要由收入水平决定，在传统风控模式下，金融机构会要求你提供收入证明，甚至是银行流水，但大数据风控有更多的维度可以进行更准确的判断，例如电商背景的小贷公司在给C端客户贷款时，会根据客户的历史购买行为来推断用户的收入水平，外卖平台背景的小贷公司在给B端商户贷款时会根据该商户的外卖流水来推断营业收入。

三是还款意愿的判断

在还款能力充足的情况下，还款意愿差一般包括欺诈和信用意识差这两种情况。反欺诈工作主要基于白名单和黑名单。白名单就是“好人名单”，这个名单内的就可以批贷；黑名单就是“坏人”名单，这个名单内的就拒贷。黑白名单的确定主要依靠的就是评分卡，高于某个阈值就进白名单，低于某个阈值就进黑名单。而评分卡的有效性主要依靠的是大量的数据积累。

除此之外，各家金融机构由于数据来源的不同，在大数据风控具体建模方面，还应用了很多差异化的策略，例如通过获取设备数据（一般是手机），来判断用户是否为批量操作借款，或者通过人工智能分析用户的APP操作数据进而对用户的欺诈风险进行评分等。

商业银行的智能风控解决方案

大数据风控的优势是显而易见的，但打造大数据风控的能力却并不容易，尤其对于传统商业银行来说，因为缺少互联网基因，在零售信贷领域频频受到挑战。但挑战也是机遇，在转型零售银行，创新金融服务的过程中，很多银行选择与数据科技公司合作，由成熟的智能风控方案供应商提供高效的解决方案。在大数据风控方面，京东数科以金融科技为驱动力，深度契合场景，提供全流程风控解决方案，专业风控团队提供全面咨询支持，覆盖贷前反欺诈、贷前审核、贷中、贷后持续监控，AI催收等，为商业银行金融场景输出智能风控分析服务。

除了金融科技，京东数科还基于数字科技为商户和政府提供全方位的数字化解决方案。欢迎有兴趣的读者关注京东数科官方头条号，与我们共同关注数字科技最前沿的资讯和进行有深度的探讨。