大数据个人风控产品解决方案
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
姓名、身份证、手机号
工作地、居住地
信息填写 是否正确？如何验证？
手机三要素核验 产
银行卡四要素
品
人像二要素
优
携号转网验证
势
数据更新及时 准确性高 响应速度快
常用联系人电话
工作地、居住地验证
使用效果
➢ 提前防范贷后失联风险，减少坏账发生率 ➢ 目前一个产品的日调用量在200万以上
在网状态 在网时长 常用联系人验证
实际居住地
通过对个人夜间驻留地的长期历史数据分析。筛选出个人夜间驻留频 次最多，时长最长的地点，作为个人的居住地。
使用效果
➢ 贷前做好风险防控，减少坏账 发生率
➢ 已被多家金融机构认可使用
同类产品
• 用户出差漫游地验证 • 用户月最常通话城市 • 号码归属省市
运营商手机信令连续定位连续性好
运 营
Smartsteps精准定位算法定位精准
大数据个人风控产品解决方案
行业背景及痛点
风控管理是金融活动的核心。各类以新技术支撑的智能风控产品服务，已成为传统信贷和互联网信贷业务重要的 支撑工具。行业预测2020年金融科技市场规模将达到245亿元，其中智能风控75.9亿元，占比31%，金融科技进 入智能阶段，智能风控是未来三年集中发力的市场。
44
贷前准入信息核验
➢ 贷前批贷、信用卡申请、保险签单环节用户信息填写是否正确、客户与填写的常用联系人
是否正确、关系是否真的亲密？
➢ 贷款时的银行卡是不是本人的？网贷人像是不是本人？
➢ 填写手机号是11位，但不是手机号？上网卡能不能贷款？副卡能不能贷款？
➢ 信息中是否真实的工作地、居住地？
填写申请材料，需提供：
贷前准入
贷前评估
贷中风控
贷后管理
贷前需要进行相 关信息和资质的 核验，以保障贷 款人的信息正确， 资格符合，且非 欺诈人群。 某大数据多铜多 信息验证和反欺 诈等产品来辅助 银行机构进行贷 前准入核查工作。
贷前评估是通过贷 款人的信用及日常 行为标签，来判断 其贷款风险和偿还 能力，进而决定是 否批贷以及批贷金 额。 某大数据形成了多 种风险标签和信用 标签，来辅助银行 机构进行贷前评估， 提高其风险防控能 力。
通信信用分 手机号状态 在网时长 是否黑名单
用户名下手机号数量 手机最近活跃时间 近6个月流量评分 近6个月话费评分 近6个月通话量评分 近3个月欠费评分
核验结果
线上线下防盗刷
通过用户的通信使用情况，比如本 地，漫游，长途，了解用户通话行 为特征
识别记录手机终端型号，了解用户 手机使用特征、发展趋势、用户换 机周期等
账务数据
位置数据
运营商有客户最为详实的消费账单， 比如流量费、短信费、语音费、新 业务费等，能反映用户的一些消费 特征
运营商通过位置信息，可以掌握用 户出行特征，给用户带来生活的极 大便利
商
优
长期位置历史数据分析样本量足
势
高效的API接口验真查询方便快捷
羊毛党反欺诈
➢ 金融机构、互联网企业进行线上营销活动时，经常被羊毛党恶意领取大 量优惠券，影响了活动的真实目的，也造成了一定的经济损失。
注册
登录 优惠 活动 提现
风险引擎
API
机器学习
规则模型
帐号
行为
设备 指纹
黑卡
某黑 库
行业 数据
贷中风控主要是批贷 后，贷款过程中对贷 款人进行日常行为监 控，通过日常行为进 行风险预警。 某大数据通过深度数 据挖掘，可以为银行 机构提供风险预警服 务，将有风险的名单 反馈银行，可以帮助 银行减少坏账。
贷后催收是对于拖 欠还款的贷款人进 行催收的行为。 某大数据可以提供 相关能力，通过自 有数据，可以找到 失去联系的人员的 最新电话，在合规 合法的前体下，协 助银行机构找到欠 款人，施行催收。
多源 数据
应用场景
卡源、卡商、接码平台、使用人群分析
风险 等级
羊毛 类型
结果输 出
使用效果
➢ 活动前识别羊毛党，减少一定成本，避免经济损失
同类产品
• 恶意卡判别
7
用户信用评分
➢ 用户在金融行业是不是白名单用户、是不是能为贷款用户缩短贷款流程？ ➢ 现金贷用户应该贷多少钱？
沃信用分
基本 信息
人脉 关系
基础信息数据
运营商不仅客户信息覆盖完整，还 可以基于实际行为进行验证；通过 身份信息帮助金融机构快速判定用 户的信用程度
自有数据
电信 移动 公安 社保 法院 航旅 铁路 …
外部数据
风控产品概述
利用某大数据的优势，在保证用户隐私安全的前提下，推出适用于金融机构的大数据风险防控产品，进行信息 核验、风险识别、信用评分、预警监控等应用于贷前贷中贷后不同的金融场景，帮助金融机构减少坏帐风险。
稳定 性
消费 能力
行为 偏好
活动 轨迹
近3年的升级改造
转化率
核准率
下单率
↑30%
↑2倍
↑20%
国内首创基于“金融模型+通信数据”的信用评价体系
逾期率
＜2‰
8
疑似多头借贷
➢ 贷前，借贷用户是不是多头借贷用户，能不能进行贷款？ ➢ 贷中，用户是不是又向其他机构进行了多方借贷，通过监控，提前发现
多头借贷风险，更早实施管理措施，避免造成损失。 识别100+款借贷APP使用情况监测
金融机构贷前审核、贷中监控、贷后管理等环节都存在着不同程度的痛点，需要金融科技手段尽快落实在风控环 节中，以实现智能化。
智能风控以数据为桥梁，智能手段为连接器，达到节省 成本、提高运营效率和精准度的效果；同时通过数据将场 景端与资金端串联，提升智能化程度。
数据源优势
互联网日志
通讯数据
终端数据
基于用户访问的网址，下载的应用， 访问的内容等，得到上网喜好
同类产品
• 新版三要素 • 银行卡四要素 • 人像四要素 • 人像五要素
黑中介套现欺诈
➢ 线下黑中介完美包装用户信息，进行恶意套现。就算用户网点面签也很 难识别风险，导致银行不良率上升。
➢ 贷款时这个用户是不是在填写的企业工作？
实际工作地
通过对个人日间驻留地的长期历史数据分析。筛选出个人日间驻留频 次最多，时长最长的地点，作为个人的工作地。
APP使用个数 APP使用变化量 APP使用次数
应用场景
➢ 贷前风险预估 ➢ 贷中监控 ➢ 借贷意向验证
产品特点
➢ 覆盖线上线下借贷行为
入Baidu Nhomakorabea出参
➢ 入参：手机号 ➢ 出参：线上借贷APP使用情况、
线下被催收情况、 在金融机构失联情况等
号码风险识别
➢ 用户手机号的稳定度、通讯偏好，对于银行做 用户维系也是一个重要变量，可应用到银行各 环节及风控模型中
工作地、居住地
信息填写 是否正确？如何验证？
手机三要素核验 产
银行卡四要素
品
人像二要素
优
携号转网验证
势
数据更新及时 准确性高 响应速度快
常用联系人电话
工作地、居住地验证
使用效果
➢ 提前防范贷后失联风险，减少坏账发生率 ➢ 目前一个产品的日调用量在200万以上
在网状态 在网时长 常用联系人验证
实际居住地
通过对个人夜间驻留地的长期历史数据分析。筛选出个人夜间驻留频 次最多，时长最长的地点，作为个人的居住地。
使用效果
➢ 贷前做好风险防控，减少坏账 发生率
➢ 已被多家金融机构认可使用
同类产品
• 用户出差漫游地验证 • 用户月最常通话城市 • 号码归属省市
运营商手机信令连续定位连续性好
运 营
Smartsteps精准定位算法定位精准
大数据个人风控产品解决方案
行业背景及痛点
风控管理是金融活动的核心。各类以新技术支撑的智能风控产品服务，已成为传统信贷和互联网信贷业务重要的 支撑工具。行业预测2020年金融科技市场规模将达到245亿元，其中智能风控75.9亿元，占比31%，金融科技进 入智能阶段，智能风控是未来三年集中发力的市场。
44
贷前准入信息核验
➢ 贷前批贷、信用卡申请、保险签单环节用户信息填写是否正确、客户与填写的常用联系人
是否正确、关系是否真的亲密？
➢ 贷款时的银行卡是不是本人的？网贷人像是不是本人？
➢ 填写手机号是11位，但不是手机号？上网卡能不能贷款？副卡能不能贷款？
➢ 信息中是否真实的工作地、居住地？
填写申请材料，需提供：
贷前准入
贷前评估
贷中风控
贷后管理
贷前需要进行相 关信息和资质的 核验，以保障贷 款人的信息正确， 资格符合，且非 欺诈人群。 某大数据多铜多 信息验证和反欺 诈等产品来辅助 银行机构进行贷 前准入核查工作。
贷前评估是通过贷 款人的信用及日常 行为标签，来判断 其贷款风险和偿还 能力，进而决定是 否批贷以及批贷金 额。 某大数据形成了多 种风险标签和信用 标签，来辅助银行 机构进行贷前评估， 提高其风险防控能 力。
通信信用分 手机号状态 在网时长 是否黑名单
用户名下手机号数量 手机最近活跃时间 近6个月流量评分 近6个月话费评分 近6个月通话量评分 近3个月欠费评分
核验结果
线上线下防盗刷
通过用户的通信使用情况，比如本 地，漫游，长途，了解用户通话行 为特征
识别记录手机终端型号，了解用户 手机使用特征、发展趋势、用户换 机周期等
账务数据
位置数据
运营商有客户最为详实的消费账单， 比如流量费、短信费、语音费、新 业务费等，能反映用户的一些消费 特征
运营商通过位置信息，可以掌握用 户出行特征，给用户带来生活的极 大便利
商
优
长期位置历史数据分析样本量足
势
高效的API接口验真查询方便快捷
羊毛党反欺诈
➢ 金融机构、互联网企业进行线上营销活动时，经常被羊毛党恶意领取大 量优惠券，影响了活动的真实目的，也造成了一定的经济损失。
注册
登录 优惠 活动 提现
风险引擎
API
机器学习
规则模型
帐号
行为
设备 指纹
黑卡
某黑 库
行业 数据
贷中风控主要是批贷 后，贷款过程中对贷 款人进行日常行为监 控，通过日常行为进 行风险预警。 某大数据通过深度数 据挖掘，可以为银行 机构提供风险预警服 务，将有风险的名单 反馈银行，可以帮助 银行减少坏账。
贷后催收是对于拖 欠还款的贷款人进 行催收的行为。 某大数据可以提供 相关能力，通过自 有数据，可以找到 失去联系的人员的 最新电话，在合规 合法的前体下，协 助银行机构找到欠 款人，施行催收。
多源 数据
应用场景
卡源、卡商、接码平台、使用人群分析
风险 等级
羊毛 类型
结果输 出
使用效果
➢ 活动前识别羊毛党，减少一定成本，避免经济损失
同类产品
• 恶意卡判别
7
用户信用评分
➢ 用户在金融行业是不是白名单用户、是不是能为贷款用户缩短贷款流程？ ➢ 现金贷用户应该贷多少钱？
沃信用分
基本 信息
人脉 关系
基础信息数据
运营商不仅客户信息覆盖完整，还 可以基于实际行为进行验证；通过 身份信息帮助金融机构快速判定用 户的信用程度
自有数据
电信 移动 公安 社保 法院 航旅 铁路 …
外部数据
风控产品概述
利用某大数据的优势，在保证用户隐私安全的前提下，推出适用于金融机构的大数据风险防控产品，进行信息 核验、风险识别、信用评分、预警监控等应用于贷前贷中贷后不同的金融场景，帮助金融机构减少坏帐风险。
稳定 性
消费 能力
行为 偏好
活动 轨迹
近3年的升级改造
转化率
核准率
下单率
↑30%
↑2倍
↑20%
国内首创基于“金融模型+通信数据”的信用评价体系
逾期率
＜2‰
8
疑似多头借贷
➢ 贷前，借贷用户是不是多头借贷用户，能不能进行贷款？ ➢ 贷中，用户是不是又向其他机构进行了多方借贷，通过监控，提前发现
多头借贷风险，更早实施管理措施，避免造成损失。 识别100+款借贷APP使用情况监测
金融机构贷前审核、贷中监控、贷后管理等环节都存在着不同程度的痛点，需要金融科技手段尽快落实在风控环 节中，以实现智能化。
智能风控以数据为桥梁，智能手段为连接器，达到节省 成本、提高运营效率和精准度的效果；同时通过数据将场 景端与资金端串联，提升智能化程度。
数据源优势
互联网日志
通讯数据
终端数据
基于用户访问的网址，下载的应用， 访问的内容等，得到上网喜好
同类产品
• 新版三要素 • 银行卡四要素 • 人像四要素 • 人像五要素
黑中介套现欺诈
➢ 线下黑中介完美包装用户信息，进行恶意套现。就算用户网点面签也很 难识别风险，导致银行不良率上升。
➢ 贷款时这个用户是不是在填写的企业工作？
实际工作地
通过对个人日间驻留地的长期历史数据分析。筛选出个人日间驻留频 次最多，时长最长的地点，作为个人的工作地。
APP使用个数 APP使用变化量 APP使用次数
应用场景
➢ 贷前风险预估 ➢ 贷中监控 ➢ 借贷意向验证
产品特点
➢ 覆盖线上线下借贷行为
入Baidu Nhomakorabea出参
➢ 入参：手机号 ➢ 出参：线上借贷APP使用情况、
线下被催收情况、 在金融机构失联情况等
号码风险识别
➢ 用户手机号的稳定度、通讯偏好，对于银行做 用户维系也是一个重要变量，可应用到银行各 环节及风控模型中