中国大数据风控调研报告

5
金融大数据在信贷领域的应用
• 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。
• 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。
中国大数据风控调研报告
金融科技赋能普惠金融与金融基础设施
• 普惠金融主旋律
• 中国金融服务不均衡，促使国务院发布《推进普惠金融发展规划 （2016—2020年）》，为社会各阶层和群体提供适当、有效的金融服 务成为发展重心。但各类银行机构在客群下沉过程中，难以做到商业 可持续，因此，通过大数据等科技手段提收增效成为金融机构核心诉 求。
14
金融大数据在保险领域的应用案例：智能理赔
15
金融大数据在支付领域的应用
• 大数据在支付领域的核心应用是交易反欺诈
• 通过设备指纹、人脸识别、用户行为习惯等方面预先建立交易反欺诈引擎，并根据事后的反馈数据不断优化模型。
16
金融大数据在支付领域的应用案例：交易反欺诈
• 基于大数据分析的风险监控系统，通过分析用户网上交易行为，快速侦测异常行为并作出反馈。
10
金融大数据在信贷领域的应用案例（四）：风险定价
• 从数据收集到风险定价，构建基于场景的多维度风控系统
11
金融大数据在理财领域的应用
• 大数据在理财领域的应用重点是营销获客和智能投顾
• 营销环节与信贷领域类似，通过建立用户画像实现精准营销； • 智能投顾包含KYC和匹配环节，重点是分析用户风险偏好，同时将KYC与KYP结合，实现智能匹配； • 未来，金融大数据将向理财的上游资产管理延伸，提升资管效率。
• 行业趋于合规
• 网络小贷专项整治、现金贷规范整顿、网贷暂行管理办法等一系列法 律法规颁布，标志着监管套利空间消失。非持牌互联网金融公司必须 积极寻求与持牌金融机构的深度合作，将积累的用户、经验以科技手 段赋能金融机构。
• 金融基础设施建设
• 中国金融基础设施不健全，比如普惠金融信用信息体系、普惠金融统 计体系等。新的数据获取、存储、交易、分析技术不断涌现，中国金 融基础设施将完成越级式发展。
• 根据爱分析调研成果，大数据在各领域成
熟度与市场规模、基础设施和应用范围直
电子
接相关。
商务
电信
金融
• 从三方面评估，金融大数据和其他行业相 比渗透更为深入，已经进入成熟期。
餐 饮 农 业
业务监测
医疗
电力 能
政 务
教源
制育
造
公安
业务洞察
业务优化
气泡大小表示大数据在该行业的市场规模
数据盈利
业务重塑
应用范围
7
金融大数据在信贷领域的应用案例（一）：智能营销
• 基于海量多维数据构建全渠道智能化客户经营体系，真正做到智能营销
8
金融大数据在信贷领域的应用案例（二）：反欺诈
• 百度金融科技产品服务体系在反欺诈领域的应用，通过数据和技术甄别信贷领域的潜在风险
9
金融大数据在信贷领域的应用案例（三）：关联分析
• 依托图关联技术，帮助金融机构有效识别隐藏在网络中的黑产信息，在团伙欺诈、黑中介识别等领域广泛应用
• 大数据技术最为成熟，区块链技术尚处于早期
• 现阶段，大数据不论从技术还是场景应用上都最为成熟，AI技术在算法与业 务场景结合上还存在提升空间。物联网技术应用环境较小，更多是作为线上 数据的补充，区块链技术还处于早期阶段，技术本身还不够成熟，距离落地 应用还需要一定时间。
3
金融大数据进入成熟期
基础设施
• 从应用范围看，业务由数据驱动，应用范围广
• 即使传统金融机构，业务也基于IT系统，金融业务与IT紧密结合，完全由数 据 驱动。大数据会对金融机构的各项业务产生变革，在金融领域应用范围广， 能够影响到核心业务。
• 从市场规模看，金融大数据市场规模大，金融机构每年IT投入高于 其他行业
• 以银行为例，2017年中国银行业整体IT投资规模近千亿，占中国IT投入约510%。高IT投入，意味着金融机构在大数据业务的付费意愿更高，付费能力 更强，金融大数据的市场空间更大。
17
大数据风控综合价值最大，领跑应用领域
• 对机构而言，大数据风控是金融机构的通用需求
• 不论是银行还是消费金融公司，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、风险偏好存在差异。
• 对机构而言，风控是金融机构核心能力
• 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。
2
数据是金融科技的核心
• 金融科技最重要的是数据创新技术
• 从数据收集到数据应用的数据流中，涉及到大数据、AI、区块链、物联网等 各项技术。我们定义金融大数据，是覆盖数据全部流程的新技术，而不仅仅 是数据分析技术。
• 以互联网巨头百度为例，百度积累了数十亿搜索数据、百亿级的定位数据
和图像视频数据，形成了一张170亿个顶点、680亿条边的关联网络，可以 有效识别骗贷团伙。
数据来源：爱分析
Байду номын сангаас
4
金融大数据进入成熟期
数据来源：爱分析
• 从基础设施看，金融领域基础设施好，信息化、数据标准化程度高
• 信息化是数据化的基础，只有积累大量业务数据才能进行大数据分析，金融 是最早推行信息化建设的行业，也是电子化业务渗透率最高的领域。同时， 国内银行等传统金融机构多数效仿国外的信息化建设方案，与医疗、工业相 比，金融领域以结构化数据为主，数据标准化程度高，数据清洗相对容易。
• 对金融科技服务商而言，以风控切入的大数据公司未来发展空间更大
• 风控是金融机构的根基，因此金融机构会采取审慎态度选取大数据风控厂商，建立信任周 期长，但合作紧密度更深。风控合作涉及用户全生命周期数据，风控厂商有机会借数据切 入到其他应用场景，未来发展空间更大。
12
金融大数据在理财领域的应用案例：智能匹配
13
金融大数据在保险领域的应用
• 大数据改变保险领域产品理念，降低各环节人力投入
• 借助大数据技术，保险公司能够跟踪用户行为数据，产品设计更加关注用户全生命周期价值； • 通过在各险种建立垂直知识图谱，能够缩短客服人员的培训周期，提高客服效率； • 在核保核赔环节，可以利用图像识别等技术，用技术手段降低欺诈风险。