大数据风控并不是完全改变传统风控,实际是丰富传统风控的数据维度。金融大数据中,首先还是利用信用属性强的金融数据,判断借款人的还款能力和还款意愿,然后再利用信用属性较弱的行为数据进行补充,一般是利用数据的关联分析来判断借款人的信用情况,借助数据模型来揭示某些行为特征和信用风险之间的关系。
常用的金融大数据风控方式有以下几种:
大数据风控方式1、验证借款人身份
验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。另外,还可通过人脸识别技术验证申请人是否是借款人本人,以及让客户出示其他银行的信用卡及刷卡记录,或者验证客户的学历证书和身份认证等验证方式。
大数据风控方式2、分析提交的信息来识别欺诈
大部分的贷款申请都从线下移到了线上,申请人会按照贷款公司的要求填写多维度信息,企业可根据异常填写记录来识别欺诈。例如填写不同城市居住小区名字相同、不同单位的电话相同等。如果企业发现一些重复的信息和电话号码,申请人欺诈的可能性就会很高。
大数据风控方式3、分析客户线上申请行为来识别欺诈
企业可以借助于SDK或JS来采集申请人在各个环节的行为,如果这些申请时间大大小于正常客户申请时间,或者晚上11点以后申请贷款,可能揭示申请人具有欺诈倾向,企业可以结合其他的信息来判断客户是否为欺诈用户。
大数据风控方式4、利用黑名单和灰名单识别风险
互联网金融公司面临的主要风险为恶意欺诈,市场上有近百家的公司从事个人征信相关工作,其主要的商业模式是反欺诈识别,灰名单识别,以及客户征信评分。黑名单和灰名单是很好的风控方式,但是各个征信公司所拥有的名单仅仅是市场总量的一部分,很多互联网金融公司不得不接入多个风控公司,来获得更多的黑名单来提高查得率。
大数据风控方式5、利用移动设备数据识别欺诈
公司可以利用移动设备的位置信息来验证客户提交的工作地和生活地是否真实,另外来可以根据设备安装的应用活跃来识别多头借贷风险。欺诈用户一般会使用模拟器进行贷款申请,移动大数据可以识别出贷款人是否使用模拟器。
大数据风控方式6、利用消费记录来进行评分
大数据风控除了可以识别出坏人,还可以评估贷款人的还款能力。常用的消费记录由银行卡消费、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、特殊会员消费等方式。
大数据风控方式7、参考社会关系来评估信用情况
参考借款人常联系的朋友信用评分可以评价借款人的信用情况,这种方式挑战很大,只是依靠手机号码来判断个人信用可信度不高。一般仅仅用于反欺诈识别,利用其经常通话的手机号在黑名单库里面进行匹配,如果命中,则此申请人的风险较高,需要进一步进行调查。
大数据风控方式8、参考借款人社会属性和行为来评估信用
参考过去互联网金融风控的经验发现,经常不交公共事业费和物业费的人,其贷款违约率较高。经常更换手机号码的人贷款违约率比一直使用一个电话号码的人高很多。午夜经常上网,很晚发微博,生活不规律,经常在各个城市跑的申请人,其带贷款违约率比其他人高30%……
大数据风控方式9、利用司法信息评估风险
涉毒涉赌以及涉嫌治安处罚的人,其信用情况不是太好,寻找这些涉毒涉赌的嫌疑人,可以利用当地的公安数据,也可以采用移动设备的位置信息来进行一定程度的识别。涉赌和涉毒的人活动规律比较特殊,经常半夜在外面活动,另外也经常住本地宾馆,这些信息都可以参考移动大数据进行识别。
神州融实时联网芝麻信用、前海征信等反欺诈、核身、行为、交易、设备指纹、爬虫等3000+维度鲜活的金融大数据,为金融机构提供一站式数据整合,降低数据接入成本,补充了传统风控数据维度不足的缺点,能够帮助借贷机构更加全面识别出欺诈客户,评价客户的风险水平,为风控提供了新的思路。