互联网金融的大数据风控之术（三）

扫描分享

本文共字，预计阅读时间。

全文分为三个章节，此篇为第三章内容。（点击阅读：第一章传统互联网公司的互联网金融风控体系 | 第二章传统金融机构的互联网金融风控体系）

第三章互联网金融的风控体系

十一、陆金所“七步成诗”大数据秘法

第一“步”：风险政策制度框架体系。陆金所成立了专门的风险政策部门，对所有交易对手和产品引入都制定了明晰的风险政策指引，所有业务必须在制度框架内运行。

第二“步”：信用评级。不久的将来，投资者如果登陆到陆金所平台，就会发现每个产品都会显示明确的风险标识。这个标识背后代表的就是陆金所的内部评级结果。事实上，两年前陆金所就已成立了信用评级部门，对交易对手和产品进行主体评级及债项评级，对于有外部评级的标准化产品也会建立映射模型，换算成陆金所自己的风险评级。评级结果除了用于定价外，也会实时向投资者披露。具体来说会用星级来展示产品的安全度，比如5星级产品代表安全程度最高。

第三“步”：信息披露。“和传统商业银行不同，信息披露是互联网平台一个非常重要的风控内容。”杨峻说。其实类似风险提示在许多互联网金融平台上都会出现，但一般都为“标准化”语言。对普通消费者来说相对晦涩难懂，很少有人真正去阅读。不过，陆金所追求的是差异化的风险提示，即针对每一个不同的产品，将其内部评级、底层资产、主要风险、还款来源、保障措施都一一列明，并且用互联网化的语言传达给用户。

第四“步”：投后预警监控。“和一般的中介平台不同，我们认为，双方交易的达成只是我们工作的第一步。”陆金所拥有一套自主开发的预警系统，系统内设定有财务及非财务的指标，对所有在售资产至少每三个月会进行一次检视，一旦发生异常将自动预警。同时对于一些非标资产的所投项目，也会有投后团队进行定期的实地检查。陆金所将根据检查的结果实时调整评级，并动态向投资者披露。“一旦项目发生问题，在项目的各个债权人之间，谁能感知得早、预警得早，受到的损失就会相对较低。”

第五“步”：风险管理系统。陆金所正在打造覆盖全产品线、整个产品生命周期的风险管理系统，实现风控的标准化、智能化、模型化。年底系统上线后将大幅提升陆金所风险管理工作的效率和效果。

第六“步”：风险评价体系。“其实在金融企业里，风控不应该是一个中后台的服务或者管理部门，实际上风控应该起到引领作用。因此，在陆金所风控的触角将伸入前台。”在陆金所，风控人员会被内嵌至前台业务单元中，而前台销售人员的KPI(绩效指标)中甚至有20%是风控的内容。“这就决定了业务人员在做业务时必须将风险摆在第一位，同样的业务量陆金所会根据不同的风险程度给予业务部门不同的业绩评价。”

第七“步”：资产、资金的精准匹配。“这是我们整个风控体系最终要实现的目标，也是我们作为一个平台的最终价值体现。”据杨峻披露，陆金所在资产端将根据内部评级进行风险分类;而在资金端，陆金所也将对投资者进行风险分类，采取的方法除了传统的问卷方式以外，还将运用互联网大数据技术进行持续分析，保证分类的准确性。陆金所已建立产品与投资者风险适配系统，确保资产提供方能够获得符合其所需要的资金，同时投资者都能买到适合其投资风格与风险偏好的产品。

十二、致诚阿福共享平台

宜信旗下的致诚信用正式发布“致诚阿福共享平台”，该平台是在开放宜信真实、全量数据的基础上，以降低行业欺诈和多头负债的信贷风险为目标，联合打造的数据及金融科技共享平台。

主要特点是依托致诚信用强大的数据创新、技术研发能力与行业领先的风控经验，并将加入宜信、青蚨金融、平安银行、有利网等平台的真实、全量借贷数据。

在获得调查对象授权后，查询机构只需提供客户的姓名、身份证号码即可获知该调查对象是否是欺诈类客户、是否在其它信贷机构申请过借款，是否产生逾期，有没有其它机构正在查询他等等，还会将客户逾期90天以上的记录做出重点标注。

除了这些明确的线索，“致诚阿福”还会综合所有的信用信息，为机构提供一个致诚信用评分以及相对应的一个违约率，用来帮助机构预估调查对象的违约概率。

尤为可贵的是，为了促进行业信息共享和健康运营，“致诚阿福”前期免费对外提供服务，不要求查询机构与致诚信用进行数据共享和数据交换。

1、一键批量审核

能提供一键对多条申请件的多个环节的审核，可以支撑日常大量的审核业务，迅速给审批人员反馈简单客观的审核结果，从而为信审评判提供信息便利和决策依据。

2、历史业务查看

支持信贷机构随时查看业务情况，通过业务总量、各维度统计、业务记录等3个层级的业务情况报表，机构可以由粗到细、实时地掌握在阿福平台上的业务历史和业务情况。

3、用户管理

实现了信贷机构的“自治”，信贷机构可以建立自己的用户并进行权限区分，能实现企业级的不同业务的用户协作。

4、风险预警

帮助信贷机构对关注的申请信息进行持续的自动跟踪和自动预警，从而提升事后风险防控能力。

十三、玖富“火眼”风控体系

1、名副其实的大数据风控

玖富火眼风控体系的基础数据十分丰富，除了整合内部数据外，还参考了丰富的外部合作方数据，如芝麻信用、腾讯征信、前海征信、同盾科技等。在通过多重数据验证反欺诈的同时，利用多维度数据源建模并不断完善，也提升了反馈潜在风险的能力。

2、机器学习助力自动化风控

大数据风控系统必须经过庞大的交易数据的验证方可完善迭代，据了解，玖富在过去三个月促成交易笔数达到千万级别，一旦交易后续不良与前期出现较大差异，通过机器学习便可快速调整迭代。

自动化收入鉴定、生物识别、基于R引擎的内嵌模型、设备指纹和持续的反欺诈政策改进，形成了多重数据验证反欺诈信息，这比传统的线下审核模式更强大、更有效率。

玖富打造了特有的坏账预测矩阵——“彩虹评级模型”，预测一些较为可能发生的逾期行为。此外，“火眼”风控系统还具备了自动化功能，具有处理高效、风险可控、单笔贷款成本低、边际效应明显等特点，让玖富可以提早发现用户早期逾期表现，并能有更多的时间进行调整。

据了解，目前行业内大数据技术贯穿了金融业务的渠道、数据、信审、反欺诈、额度、后期服务等六大阶段，形成了线上化、机器化、模块化的风控构架体系。充分利用大数据分析技术建立独特的风控体系，可以高效支持贷款的在线实时审批、因客定价与贷后风险的动态监控。

十四、拍拍网魔镜风控系统

拍拍贷的“魔镜”风控系统是一套基于大数据的模型。其中的大数据模型是拍拍贷历经8年、依托600万在线用户、积累近40亿条数据而成。魔镜风控系统所基于的大数据，主要包括：传统的申请资料、信贷数据等审核资料；魔镜还增添了多渠道多维度的海量数据，其中包括用户的信用行为、网络黑名单、相关认证、网上行为数据、社交关系数据、以及第三方渠道及维度。

魔镜对每个标的风险评级，首先基于严格的6大环节风控流程，获取每个借贷用户2千多个字段信息；再经过筛选，转化，加工，最终形成对每个借贷标的准确风险概率预测。

魔镜自去年 8 月上线以来，共处理了约 50 万笔借款，并对其中约 30 万笔借款做出了基于风险评估的定价，并对可能逾期概率给出了预测。未来，其除了不断优化引入更多的维度，或还将开放第三方征信接口，并输出各类征信产品。

针对每一笔借款，风险模型会给出一个风险评分，以反映对逾期率的预测。每一个评分区间会以一个字母评级的形式展示给借入者和借出者。从AAA到F，风险依次上升。

十五、麦子金服“水滴”风控系统

1、消费信贷大数据风控声纹+脸纹审核

在消费信贷领域，麦子金服采用了国际领先的大数据信用审批系统，技术上的最大创新，是在审核方式上采取智能脸纹审核和声波审核，以保证申请人必须为借款人本人绝对不会出现冒用他人身份借款的情况。必要时会通过人工视频和电话复审。

在该环节，借款人需要提交自己的身份证，并在APP手机摄像过程中，根据要求做眨眼、张嘴、摇头等动作，后台智能设备将根据这些动作，确定申请人的活体身份，并把双眼之间的距离等面部数据变成数字，形成一个数据串，借此认定其身份。除了在初始环节需要眨眼等视频认证之外，申请放款之前，申请人还需要再上传一段借款合同的阅读视频。

水滴系统将多维度提取借款人的央行征信信息、信用卡数据、芝麻信用、公安部数据、教育部学籍数据等其他第三方数据等，对借款人进行审核和筛选，然后辅以人工审核，最后确认满足要求后才能完成放款。

整个审核过程3分钟内即可完成。每年完成几十亿元的借款额，审核人员不超过80人。

在借款发放之后，水滴系统还将根据借款人的生活轨迹、还款记录等信息及时掌握客户动态，确保还款。

麦子金服会定期对审核、客服等风控人员进行信息安全培训，培养了专业的风控团队。与借款信息接触最密切的审核人员工作环境也相对独立和安全，能够妥善保管客户信息与交易资料。

同时，一旦发现潜在重大借款欺诈行为，风控团队会第一时间赶赴借款人所在地实地调研分析判定，将金融欺诈行为扼杀在摇篮里。

2、房屋抵押推行四维评级模型

麦子金服的房产抵押借款不做商住和厂房房产，只选择像上海这样房产价值稳定并处于上升阶段的城市，作为业务受理区域，将在大房东平台发生借贷交易的系统性风险降至最低。

麦子金服与中国指数研究院、上海指数研究中心合作获取每周全国主要城市的房地产成交报告和土地成交报告，以及月度、年度的全国房产市场分析。从中摘取包括成交量、成交价格、成交波动、人口流入度的变化等变量作为模型的参数。另外，评估专员将每月对平台待收还款的资产价格做重估，作为系统模型变量的参数。该系统性风控模型将输出大房东目前待收资产的估值波动合理性范围，为大房东预测不良率和动态调整资产抵押率提供决策参考依据。

在反欺诈等方面，麦子根据传统金融机构的5C分析原则，建立了4＋2的风控设计，即四维评级模型和双重保障。并设立了四维评级模型：最优级、优级、良级、一般级、关注级、风险级。对贷款人进行个人背景调查，如个人资本积累状况、个人家庭背景、法院执行记录、个人征信记录、公安刑侦记录等。通过“不对称偏差”模型验证借款人背景逻辑性。个人背景的调查包括还款能力，如借款人偿还利息以及到期偿还本金的能力和来源，借款人的职业收入、公司经营利润、还款来源真实性的判断和验证、第三方担保能力、再融资能力等。考察借款人企业的资产情况、其他可用于偿债的不动产价值、存货价值、股票、债券等投资品价值等。

此外，运用合作伙伴世联评估EVS系统、中指评估系统对抵押物进行初评，并结合实地考察抵押物状况，结合当地房产中介机构的挂牌价进行终评。目前麦子撮合的借贷交易，95%以上由上海市东方公证处出具公证书，当出现借款人违约时，可凭借公证书出具强制执行公证书，由法院执行庭强制执行拍卖借款人房产。根据《物权法》的规定，不动产抵押以登记作为生效要件。大房东每笔抵押借贷交易，均至房产交易中心办理抵押登记手续，并取得他项权证。

十六、融360“天机”风控系统

融360近日推出了名为“天机”的风控系统。这个系统包含一组模型，会根据身份认证、还款意愿和还款能力三大维度，给申请贷款的用户进行信用评分，依据分值来决定是否应放款。

目前“天机”系统，基于借款申请人自主提交的个人数据，可以做到10分钟左右完成审批，最快当天放款。而针对特定细分市场，融360的目标是力争5万以内的小额贷款平均12小时放款。

除了贷款审批速度实现了突破，贷款获批率也得到了显著提升，同一类用户，用抵押物、收入流水证明等粗放式的传统风控方式，贷款获批率在15%左右，而使用大数据模型结合人工后获批率可以达到30%以上。至于贷款的逾期率，以12个月违约风险举例，通过“天机”模型筛选的用户，逾期率比没有经过筛选的低一半。

十七、51大数据智能风控体系

51信用卡构建了一套基于大数据的智能风控体系，具备全面的风险识别与管控能力，这套系统主要围绕数据、技术、场景三个核心元素来构建。

首先，51信用卡拥有7000万经过银行信用卡授信的用户，并且掌握超过60亿条的消费记录，多达20余个维度的近万个风控变量，这是相对其他平台的独特优势。

其次，51信用卡具备全生命周期的模型研发能力，开发了100多个覆盖全生命周期的各类模型，上千条经过验证的反欺诈和信用风险规则，同时研发了一套具有自主知识产权的风控引擎系统，可以支持海量数据和高并发的数据处理，加快审核速度，提高用户体验，同时能够大大缩短新的策略、新的模型的研发和迭代周期。

和现行的单纯强调机器模型的风控不同，51信用卡还采用了“人机结合”的的管控模式。在贷前、贷中、贷后的全流程风险管控中，不仅将数据、策略、模型、系统、人工等环节进行了深度整合，同时充分发挥专业信审员、反欺诈分析师和信用风险分析的经验和智慧，来识别机器无法判断的隐藏风险和差异化风险。

据悉，截至8月底，51信用卡的M3+逾期率控制在1%以内，显著低于行业平均水平。

51信用卡风险评估是从五个维度来考量，侧重信用数据比例较大，51信用卡主要是基于用户信用卡电子账单历史分析，还有填写电商及社交进行交叉验证。根据用户的信用卡数据、开放给51平台的电商数据所对应的购买行为、手机运营商的通话情况、登记信息等等获取多维度大数据采集的信息交叉验证，最后确定用户的风险等级以及是否贷款给该用户。

具体来说：

1.手机自入网到你目前所申请时候的期限【使用时间越长，用户风险就越低】

2.账单期数【账单越多说明你用卡时间时效比较长，直接反应用户稳定性，从而风险降低】

3.卡的数量、授信额度，以及还款比和账单完整度判断用户的还款能力和诚信度。

4.手机联系人，通过3-4个月有效通话记录以及通讯录中是否存在负面联系人【黑名单】判断用户自身的可靠程度。

5.淘宝，主要看常用收货姓名及电话号码是否与申请人预留号码一致。

十八、任我花“火眼金睛”风控系统

为了解决年轻消费人群在央行征信空白、数据量有限、信用数据碎片化的问题，任我花自主研发的“火眼金睛”风控系统，除了传统的申请资料、信贷数据等审核资料外，更注重挖掘海量碎片信息中的有效数据及其之间的逻辑关系。“火眼金睛”通过接入近50家数据源将借贷用户完全数据化解析，构建出以8大行为和数百个维度为基础的用户征信画像;通过多渠道、多维度的海量数据清洗，如用户的通讯数据、网络黑名单数据、出行数据、电商消费数据、社交关系数据等来形成风险模型，以“靠谱度评分”的方式给予借贷人进行风险定价。此外，任我花还会将失信人数据与前海征信、上海资信、蚂蚁金服等已获得预征信牌照的机构分享，让失信人群在网络空间上寸步难行。

“火眼金睛”在具体风控过程中引入黑科技，防止骗贷行为的发生，如：通过引入SenseTime的人脸识别、活体验证技术，抓取用户若干面部影像，再进行身份证人像检测比对，完成身份核实;通过身份证号、银行卡号、手机号、验证码“四码合一”的方式来确保借贷资金进入借贷人的银行卡，防止有人利用他人身份进行骗贷;通过电商数据校验来验证借款在用户消费能力范围内，防止过度授信;通过通信数据分析来交叉验证借款人的家庭信息、以及网络多维度关系，基于关系网络建立欺诈规则及专家评分模型，有效识别欺诈申请;通过反欺诈模型、持续位置追踪、征信机构灰名单、网络黑名单分析来交叉验证借款人是否多头借贷、过度借贷，做到多方位、全流程防范网络借贷诈骗。

任我花通过对大数据的分析应用，优化风控体系，根据用户的信贷予以信用评价，形成严密的反欺诈系统，沉淀的自有数据品牌“靠谱征信”，将于不久的未来向更多的消费金融机构及合作商户输出信用数据报告及风控管理，是“火眼金睛”风控体系的后期再应用。