消费金融大数据风控解决方案

消费金融大数据风控解决方案王睿消费金融业务模式和风险挑战消费金融业务模式从业务模式看，消费金融服务平台主要通过“嵌入消费场景”提供金融服务，“嵌入消费场景”指消费金融平台与线上线下购物平台或商户合作，将贷款资金直接支付给购物平台或商户，再由后者向消费者提供商品和服务，最后由消费者分期偿还贷款消费金融风控面临的主要挑战互联网消费金融风险案例某消费金融公司与一些中介公司合作拓展客户，部分合作公司借此从消金公司违规套取资金，通过“拉人头”的方式骗贷。其中，贷款客户并非实际资金使用人，而套取出的资金却不知所踪。据了解，被中介公司通过“拉人头”方式向消金公司客户已经高达约200人，大多数“人头”的信用记录已经多次逾期，很多人已经向法院起诉，且拒绝向消金公司还款，客户和消金公司的冲突也在不断升级大数据风控体系1组件化的引擎服务涵盖数据处理、模型训练和策略执行全流程，一站式完成风险评估一站式建模2将复杂的数据处理，数据挖掘，机器学习过程标准化，风控人员通过简单的界面操作就能完成风控建模，能够帮助机构迅速构建风控能力快速构建风控能力3汇聚海量征信数据，运用大数据计算能力快速精准分析欺诈和信用风险互联网大数据风控一站式大数据风控平台贴合互联网信贷业务A婚恋社交数据家庭情况房产情况学历情况生活作息爱情规划爱情账户等级婚恋社交信用度评婚恋社交人脉图谱B消费收支数据线上电商和线下银联消费数据，银行卡收支数据，航旅出行数据C互金和银行黑灰名单信贷逾期名单、司法不良名单、多头申请多头负债名单、团伙欺诈名单、百合&世纪佳缘婚恋社交黑名单D芝麻信用信用评分、行业关注名单、申请欺诈评分、欺诈信息验证、欺诈关注清单、企业信用评分E用户行为数据申请表单填写时间借款协议页面停留时间F设备相关数据设备指纹、设备硬件信息、GPS定位信息、设备安装APP数据A用户身份信息居住地、婚姻状况、子女情况、工作单位、职位、房产、收入、联系人数据B用户认证数据公积金、社保、运营商通讯、学历数据、职业数据（猎聘、脉脉和领英）C人行征信报告贷款信息信贷交易信息个人公共信息海量征信数据全方面构建用户信用画像9股东信息团队情况经营情况资产情况增信情况机构评分卡逾期保证金代偿不良债权回购保证金预警件均额度预警现场尽调高风险拒绝人工审批无风险放行在途用信预警控制人预警机构行为预警进件欺诈预警风险决策引擎欺诈提前回购机构冻结自动追偿人工抽检合作平台全流程风控消除平台风险于萌芽针对不同的信审环节，构建不同的风控模型和策略，采用定性和定量的方法对贷前审核、贷中监控和贷后催收实施全流程风险管理.风险定价模型身份认证策略贷款申请风险评级模型贷后风险监控预警策略反欺诈模型和策略贷中复查策略放款贷中复查借款人全流程管控防范风险无死角反欺诈服务不同的金融应用场景,有着不同的业务流程和环节，需要设计不同的风险检查环节和风控策略.构建完成基于场景、事件、规则驱动的欺诈风险判别服务,通过灵活配置就能满足不同场景下、不同业务环节欺诈风险判别的能力...贴合场景和业务灵活定制风控环节和反欺诈策略多层式多维度个人欺诈评估全面排除欺诈风险-三要素核身-客户端环境检测-注册设备是否关联多用户用户注册-异常设备登录检测-异常登录地检测-异常登录IP检测-登录异常人脸识别登录-四要素核身-人脸识别设备是否绑定多银行卡开户银行卡是否涉及欺诈开户绑卡-欺诈名单比对-失信名单比对-多头申请借贷名单比对-多头逾期负债名单比对-关联人欺诈名单比对申请授信-虚假用信校验-信用情况是否恶化确认用信同卡同出监控提现七大策略信贷全流程七大反欺诈策略，覆盖信贷业务全流程整体风险趋势高中低风险比例统计击中反欺诈规则统计高风险地域分析高风险场景分析欺诈风险大盘实时分析把控风险趋势反欺诈是一场持久战，需要和专业的欺诈团伙长期斗争，针对不断演进的欺诈技术和手段，持续优化反欺诈模型和策略，保证攻防战最终胜利.集检测、响应和分析预防于一体的反欺诈攻防体系信用评分服务构建信用评分卡模型精准评估借款人还款能力和还款意愿训练评分模型的基础是训练样本（借款人真实还款表现数据），没有半年左右的交易数据，无法通过机器学习算法来训练模型。故信贷业务开展初期，训练样本的缺失和不足，直接导致消费金融机构，无法建立评分模型.通过共享合作平台数万笔分期借款还款数据，评分模型能够快速启动数万笔分期借还款样本，保障模型快速启动组件化的风控引擎服务涵盖数据处理、模型训练和策略执行全流程，一站式完成模型训练和评估.训练引擎将复杂的数据处理，数据挖掘，机器学习过程标准化，风控人员通过简单的界面操作就能快速完成风控建模和评测，降低模型迭代和调优周期，适应互联网业务需要一站式模型训练决策引擎，快速构建评测模型贷后监控预警服务贷后实时监控预警及时发现信用恶化迹象