金融科技的核心就是和大数据技术有效结合,利用大数据的能力,促进金融企业在金融业务的全生命周期中,不断提升效率和服务能力。但是金融科技一结合大数据,也不能当成是万能药,大数据目前还有它的局限性,只能作为金融风控的补充手段,下面就结合大数据产业和具体方案聊一下,大数据在金融风控中的应用。
壹
为什么要用大数据风控?
不论是银行还是消费金融公司,互联网小贷公司等其他金融机构,金融机构普遍有风控需求,底层业务逻辑几乎完全相同,只是面对客群,金融产品、风险偏好存在差异。
银行等传统机构本质上是风险经营。一方面,监管层对金融机构的风控能力提出很高要求, 另一方面,风控直接会影响金融机构的利润水平。
因此,大数据风控直接解决金融机构的核心需求,价值度最大。大数据风控能够能够在用户画像,反欺诈,信用评级等方面大大提高金融机构的效率和风控能力,是金融企业发展过程中必须结合的一项科技手段。
贰
常用的大数据行业数据
- 央行征信报告:一般持牌金融机构有央行征信介入权限,包括个人的执业资格记录、行政奖励和处罚记录、法院诉讼和强制执行记录、欠税记录等。
- 司法信息:最高法以及省市各级法院的最新公布名单,包括执行法院、立案时间、执行案号、执行标的、案件状态、执行依据、执行机构、生效法律文书确定的义务、被执行人的履行情况、失信被执行人的行为等信息。
- 信用卡信息:银行储蓄卡/信用卡支出、收入、 逾期等信息。
- 航旅信息:包含过去一年中,每个季度的飞行城市、飞行次数、座位层次等数据。
- 社交信息:包含社交账号匹配类型、社交账号性别、社交账号粉丝数等。
- 运营商信息:核查运营商账户在网时长、在网状态、消费档次等信息。
- 网贷黑名单:根据个人姓名和身份证号码验证是否有网贷逾期,黑名单信息。
- 还有驾驶证状态,租车黑名单,电商消费记录等等。
叁
大数据产业特点介绍
01
产业数据资产化
在大数据时代,数据渗透到每个行业,逐渐成为企业资产,也成为大数据产业创新的核心驱动力。自身生产数据的互联网企业具有得天独厚的优势,其可以利用其丰厚的数据资产,挖掘数据的潜在价值,洞察用户的信息行为,推动产业利用数据实现精准和个性化的生产、营销和获利模式。
02
产业技术的高创新性
创新是大数据产业发展的基石。世界上每天都在生成海量数据,如何有效地获取数据、存储数据、整合数据和服务用户,需要大数据产业技术不断革新。具体来讲,包括对大数据的去冗降噪技术、高效率低成本的大数据存储与有效融合技术、非结构化和半结构化数据的高效处理、适合不同行业的大数据挖掘分析工具和开发环境、大幅度降低数据处理、存储和通信能耗等技术的不断优化和创新,为用户提供高效、高质量、个性化的服务。
03
产业决策智能化
大数据产业在推动企业决策智能化发展中起到领头羊的作用。首先是产业自身决策智能化的发展,其次是为行业决策智能化提供数据、技术与管理平台。赛迪的研究报告显示:过去,企业对数据的关注只是存储和传输,而企业利用的数据不足其获得数据的5%,在数据量每年约60%增长的情况下,企业平均只获取其中25%~30%的数据,作为企业战略的数据还远未得到挖掘。随着大数据产业的发展,分布式计算的大数据推动生产组织向去中心、扁平化、自组织、自协调方向演化,促进劳动与资本一体化,并且在决策过程中极大地克服人类的有限理性,推动决策朝着智能化、科学化的方向发展。
04
产业服务个性化
Monetate公司的调查报告显示,与未利用数据分析的企业相比,投入并分析数据的企业增长率为49%,而通过可量化的个性化实现在线销售额的增长率为19%。因而,基于数据的分析成为大数据产业提供个性化服务的重要工具。这些产业通过数据挖掘用户的兴趣和偏好,针对个体需求开展个性化定制与云推荐业务,提升产品服务质量,满足用户更高级别的需求,以获得更高的经济收益。
肆
大数据风控的覆盖流程
大数据覆盖信贷领域各个流程,重点是获客、身份验证和授信环节,贷中后环节。
- 获客环节建立用户画像,跟踪用户完整生命周期;
- 身份验证环节,通过身份验证,活体识别等技术解决申请人是否本人的问题,关联分析则是利用图关联技术,找出欺诈团伙;
- 授信环节汇聚多方数据源,通过建模进行风险定价,金融科技服务商输出信用评分给机构使用;
- 贷中后环节,主要是排查异常客户,及时报警,以及逾期客户失联修复等。
伍
大数据风控的价值点分析
1.数据
大数据风控中什么是最重要的?
答案是:数据。
数据的大数据风控中的核心中的核心,没有什么比数据直接告诉金融机构某个目标客户是黑名单客户,逾期严重客户更简单和高效的事情了。
数据最好能有海量数据,覆盖足够多的用户;用户数据价值密度高、噪音少,数据清洗容易;用户数据维度多,能够形成丰富的用户画像;自身业务场景能够获取有价值数据 。
2.技术
对于有些金融机构来讲,如果风控标准很严格,其实排查不能准入的客户其实是不难的,但是对于大部分金融机构来讲,风控和业务是互斥的,为了提高业务量,就必须降低准入标准,但是又要防范风险,这就需要借助技术手段,通过反欺诈建模和信用建模方式,对一下白户进行评估,以及评估客户信用水平,以决定是否准入。
技术要求有强大的底层技术架构能力,良好的企业级产品输出能力和大数据清洗和建模能力,未来还需要结合Al等技术,形成智能的风控和反欺诈平台。
3.场景
理财,保险,汽车金融,现金贷等金融服务,对应的场景不同,对建模的要求也不同,建模能力要求对客户的业务场景非常理解,模型才能适合行业特征。需要经验丰富的建模团队和行业专家队伍;服务过行业标杆客户,了解客户的业务场景;深度理解业务需求。
陆
大数据风控在信贷中的应用
以中诚信征信系统为例,介绍大数据风控在信贷过程中的流程:
当前的信贷审批流程中,对于资质好,信用好的客户,只要通过“客户信息交叉验证、负面信息扫描,欺诈风险识别”,并在大数据信用评估中分值较高,那么系统自动审批通过;反之,系统会自动拒绝或者申请人工复核。
大数据还处于发展初期,目前比较大的问题还是数据量不够大,不够全,以及如何协调数据开放和公民隐私之间的矛盾,未来还需要结合人工智能和区块链、物联网等技术,实现数据的不可篡改,数据收集及时等能力,从而更好为金融服务。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.