金融行業風控概念及分析

網際網路金融是指以依託於支付、雲計算、社交網路已及

搜尋引擎等網際網路工具，實現資金融通、支付和資訊中介等業務的一種新興金融。做好

網際網路金融，要立足於三個基本點:平台、資料、金融。而在這其中，大資料，作為連線平台、使用者、金融等方面的工具，有著舉足輕重的意義。

由於網際網路金融涉及廣泛、囊括多個領域，各領域的風控策略也不盡相同，不能一概而論，下面就大資料風控在網際網路金融領域的運用做乙個大致的分類和解析。

首先，如何理解大資料風控

大資料風控的有效性除了強調資料的海量外，更重要的在於用於風控的資料的廣度和深度。其中：

資料的廣度：指用於風控的資料來源多樣化，任何網際網路金融企業並不能指望依據單一的海量資料就解決風控問題，正如在傳統金融風控中強調的「交叉驗證」的原則一樣，應當通過多樣化的資料來交叉驗證風險模型。網際網路金融的風控策略也如此，可能對同一風險事件採用了多種策略。

資料的深度：指用於風控的資料應當基於某個垂直領域真實業務場景及過程完整記錄，從而保證資料能夠還原真實的業務過程邏輯。例如，很多第三方支付平台有豐富的真實交易記錄，但由於大部分場景下無法獲取交易商品的詳細資訊及使用者身份，在用於風控時候價值大打折扣，因而資料的完整性和垂直深度很重要。

1、基於某類特定目標人群、特定行業、商圈等做風控。由於針對特定人員、行業、商圈等垂直目標做深耕，較為容易建對應的風險點及風控策略。

例如：針對大學生的消費貸，主要針對大學生人群的特徵

針對農業機具行業的融資擔保。

針對批發市場商圈的信貸。

2、基於自有平台身份資料、歷史交易資料、支付資料、信用資料、行為資料、黑名單/白名單等資料做風控。

>>>>身份資料：

實名認證資訊（姓名、

身份證號、手機號、銀行卡、單位、職位）、行業、家庭住址、單位位址、關係圈等等。

>>>>交易資料/支付資料：例如b2c/b2b/c2c電商平台的交易資料，

p2p平台的借款、投資的交易資料等。

>>>>信用資料

p2p平台借款、還款等行為累積形成的信用資料，電商平台根據交易行為形成的信用資料及信用分（

京東白條、

支付寶花唄），sns平台的信用資料。

>>>>行為資料：例如電商的購買行為、互動行為、

實名認證行為（例如類似

>>>>黑名單/白名單：

信用卡黑名單、賬戶白名單等。

3、基於第三方平台服務及資料做風控網際網路徵信平台（非人行徵信）、行業聯盟共享資料（例如小貸聯盟、p2p聯盟） fico服務、retail decisions(red)、maxmind服務。

>>>>

輿情監控及趨勢、口碑服務。諸如巨集觀政策、行業趨勢及個體案例的分析等等

4、基於傳統行業資料做風控人行徵信、工商、稅務、房管、法院、公安、金融機構、車管所、電信、公共事業（水電煤）等傳統行業資料。

5、線下實地盡職調查資料

包括自建風控團隊做線下盡職調查模式以及與小貸公司、典當、第三方信用管理公司等傳統線下企業合作做風控的模式。線下風控資料也是大資料風控的重要資料**和手段。