大数据风控与反欺诈

大数据风控与反欺诈目录COMPANY13行业的简析憨分数据的风控经验行业反思2行业简析1PART新颜征信行业合作月借贷金额超过200亿元，月活跃用户达到900万。行业的发展趋势0-4040-6060-8080-100100+全国省市的万人借款人数一线城市12%二线发达8%二线中等17%二线较弱5%三线城市21%四线城市21%五线城市3%六线城市13%16-206%31-4027%41-509%50以上2%21-3056%现金贷用户居住地分布现金贷用户年龄分布注：逾期率统一为M1逾期率，M1逾期指逾期天数为一个借贷周期。平台分类是按平台技术、运营、人气、品牌和风控合规等综合评价分类，ABC。结论：逾期主要集中在超短期和中期两类产品，另外总体M1逾期率趋于稳定在2%左右。随着平台综合评价等级的降低，其逾期率有明显的提升，C类平台的M1逾期率是A类平台的2倍以上。新颜征信注：指同一时间有在两个或两个以上平台借贷的用户称为共债用户。17年6月共债用户规模为200多万，其占比有原来的7%提升至34%，增加了5倍。共债用户平台数由原来最多3家平台增加到7家平台，说明共债用户正朝着更多平台共债发展。新颜征信12345678非共债11.6%23.7%4.4%36.1%5.7%5.1%46.4%8.4%6.5%5.8%56.7%9.9%8.6%6.9%6.1%66.3%10.8%10.4%8.6%6.9%5.9%75.7%11.3%11.6%10.0%8.2%7.0%6.3%86.5%11.0%11.6%11.5%10.4%9.4%8.3%7.1%M1逾期率共债平台数共债订单非共债用户的M1逾期率为1.6%，而共债用户的逾期率达到7.7%，所以跨平台多头会导致逾期率提升4.8倍！订单数的增加，用户的M1逾期率在不断上升，呈线性相关！共债平台数的增加，用户的M1逾期率也再增加，但不呈线性相关！憨分数据的风控经验2PART——一体化全流程风险控制管理FinancialTechnologyInnovationKeepDataFullyControlledinPortableEquipment高效率的穹顶风控体系全产业链智能一体化/精确的授信决策引擎1.经千万级别数据验证的风控模型2.通过线上数据实现客户风险定价3.信贷工厂式作业，审批流程标准化核心优势风险和收益平衡（基于回报进行风险策略和风险偏好顶层设计）回报风险业务条线现状目标B目标回报风险承受度目标A风险，回报最优化曲线风险和回报最优化目标A：减少风险的同时有限度提高回报目标B：现有风险承受度内，追求回报最大化风险和回报最优化市场销售业务部门和风险管理部门的平衡，找到最佳平衡点。以客户为中心经营理念与执行能力需匹配，是战略规划的核心；大规模客户分群、建模型，是战略落地的基础。——风险和收益平衡全面风险管理解决方案客户了解客户市场研究产品销售风险管理模型聚合风险管理战略，架构，风险政策“信贷工厂”风控流程基于大数据风控工具集合现有分数建立模型关系型数据平台IT技术平台客户数据客户细分客户体验了解市场趋势了解竞争态势消费者调查渠道网点多渠道接触客户以客户需求丰富产品类型产品设计网络平台微信营销，服务支持支持品牌，公关，广告，舆情营销活动管理客服中心支持投诉SPARK,爬虫SAAS平台全面化数据战略外接数据源互联网金融平台基础建设数据仓库与商业洞察CRM全生命周期客户管理数据安全与隐私银联智策分支付数据反欺诈鹏元邦盛资源数据架构设计金融创新构建组织架构/信用评估体系/审催制度/监控渠道战略线上O2O线下电话销售外呼读秒，芝麻百融，聚信力天创穹顶应用层实施层基础层“以客户为中心”的精准客户管理“全流程覆盖，聚合征信的风险管理决策引擎““基于行业需求”不同产品，输出能力大数据风险决策引擎+精准客户关系管理=全面风险管理体系——风险管理移动产品线线下产品线标准化以客户需求设计产品风险定价数据驱动数据汇聚流程优化实时反欺诈自动分级授信7x24小时实时监控信息互联基于大数据信息互联，优化贷后催收策略，及时进行信息修复，精准催收，提高催收效率及效果.信息互联结合专家经验及数据分析，7x24小时风险监控体系，快速精准地识别风险，及时应对根据监控指标表现及客户贷后行为分析，高效优化反欺诈策略，降低欺诈风险实时反欺诈汇集各部门各环节数据，建立数据仓库，将大数据学习变为行动，基于数据快速准确做出风控决策数据汇聚流程优化整合自有及外部数据资源，优化产品风控流程，提升风控效率及准确度7*24小时实时监控——数据驱动——坏账及处理•通过获取上网设备的软件、硬件、行为等多层次指纹信息生成全球唯一的设备ID•为每一个入网设备提供虚拟空间的“身份证”。•精准分析设备用户的操作轨迹，对设备进行标识、评估欺诈风险。1.羊毛党2.欺诈类用户3.困难用户坏账用户——坏账及处理利用APP装机，和各大App设备指纹SDK内嵌，关联手机号，打击养卡人脸识别防范了大部分的欺诈份子羊毛党利用3D打印，人脸模型来匹配我们的人脸识别视频的作用原始但真实的方法，基于券商在线开户，视频见证。用例：我是XX，我在XX借款1000元！电催的时候，客户的朋友和家人听到第一反映是，我儿子（朋友）不会借这个，会觉得你是诈骗。真实的案例；将用户的借款视频发给家人或朋友，出现代还的情况。行业现阶段反思3PART反思：借新抵旧，谁会是下一个接盘侠谢谢观赏THANKYOU