大資料能夠進行資料變現的商業模式目前就是兩個，乙個是精準營銷，典型的場景是商品推薦和精準廣告投放，另外乙個是
大資料風控，典型的場景是網際網路金融的大資料風控。
金融的本質是風險管理，風控是所有金融業務的核心。典型的金融借貸業務例如抵押貸款、消費貸款、p2p、**鏈金融、以及票據融資都需要資料風控識別欺詐使用者及評估使用者信用等級。
傳統金融的風控主要利用了信用屬性強大的金融資料，一般採用20個緯度左右的資料，利用評分來識別客戶的還款能力和還款意願。信用相關程度強的資料緯度為十個左右，包含年齡、職業、收入、學歷、工作單位、借貸情況、房產，汽車、單位、還貸記錄等，金融企業參考使用者提交的資料進行打分，最後得到申請人的信用評分，依據評分來決定是否貸款以及貸款額度。其他同信用相關的資料還有區域、產品、理財方式、行業、繳款方式、繳款記錄、金額、時間、頻率等。
網際網路金融的大資料風控並不是完全改變傳統風控，實際是豐富傳統風控的資料緯度。網際網路風控中，首先還是利用信用屬性強的金融資料，判斷借款人的還款能力和還款意願，然後在利用信用屬性較弱的行為資料進行補充，一般是利用資料的關聯分析來判斷借款人的信用情況，借助資料模型來揭示某些行為特徵和信用風險之間的關係。
網際網路金融公司利用大資料進行風控時，都是利用多維度資料來識別借款人風險。同信用相關的資料越多地被用於借款人風險評估，借款人的信用風險就被揭示的更充分，信用評分就會更加客觀，接近借款人實際風險。
常用的網際網路金融大資料風控方式有以下幾種：
一、驗證借款人身份
驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭位址。企業可以借助國政通的資料來驗證姓名、身份證號，借助銀聯資料來驗證銀行卡號和姓名，利用運營商資料來驗證手機號、姓名、身份證號、家庭住址。
其他的驗證客戶的方式包括讓客戶出示其他銀行的信用卡及刷卡記錄，或者驗證客戶的學歷證書和身份認證。
二、分析提交的資訊來識別欺詐
大部分的貸款申請都從線下移到了線上，特別是在網際網路金融領域，消費貸和學生貸都是以線上申請為主的。 線上申請時，申請人會按照貸款公司的要求填寫多維度資訊例如戶籍位址，居住位址，工作單位，單位**，單位名稱等。如果是欺詐使用者，其填寫的資訊往往會出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、填寫的不同城市，不同單位的**相同、不同單位的位址街道相同、單位名稱相同、甚至居住的樓層和號碼都相同。還有一些填寫假的小區、位址和單位名稱以及**等。 如果企業發現一些重複的資訊和**號碼，申請人欺詐的可能性就會很高。
三、分析客戶線上申請行為來識別欺詐
欺詐使用者往往事先準備好使用者基本資訊，在申請過程中，快速進行填寫，批量作業，在多家**進行申請，通過提高申請量來獲得更多的貸款。 企業可以借助於sdk或js來採集申請人在各個環節的行為，計算客戶閱讀條款的時間，填寫資訊的時間，申請貸款的時間等，如果這些申請時間大大小於正常客戶申請時間，例如填寫位址資訊小於2秒，閱讀條款少於3秒鐘，申請貸款低於20秒等。使用者申請的時間也很關鍵，一般晚上11點以後申請貸款的申請人，欺詐比例和違約比例較高。 這些異常申請行為可能揭示申請人具有欺詐傾向，企業可以結合其他的資訊來判斷客戶是否為欺詐使用者。
四、利用黑名單和灰名單識別風險
網際網路金融公司面臨的主要風險為惡意欺詐，70%左右的信貸損失**於申請人的惡意欺詐。客戶逾期或者違約貸款中至少有30%左右可以收回，另外的一些可以通過催收公司進行催收，m2逾期的**率在20％左右。 市場上有近百家的公司從事個人徵信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶徵信評分。反欺詐識別中，重要的乙個參考就是黑名單，市場上領先的大資料風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單在兩百萬左右。 黑名單**於民間借貸、線上p2p、信用卡公司、小額借貸等公司的歷史違約使用者，其中很大一部分不再有借貸行為，參考價值有限。另外乙個主要**是催收公司，催收的成功率一般小於於30%（m3以上的），會產生很多黑名單。 灰名單是逾期但是還沒有達到違約的客戶（逾期少於3個月的客戶），灰名單也還意味著多頭借貸，申請人在多個貸款平台進行借貸。總借款數目遠遠超過其還款能力。 黑名單和灰名單是很好的風控方式，但是各個徵信公司所擁有的名單僅僅是市場總量的一部分，很多網際網路金融公司不得不接入多個風控公司，來獲得更多的黑名單來提高查得率。
央行和上海經信委正在聯合多家網際網路金融公司建立統一的黑名單平台，但是很多網際網路金融公司都不太願意貢獻自家的黑名單，這些黑名單是用真金**換來的教訓。另外如果讓外界知道了自家平台黑名單的數量，會影響其公司聲譽，降低公司估值，並令投資者質疑其平台的風控水平。
五、利用移動裝置資料識別欺詐
行為資料中乙個比較特殊的就是移動裝置資料反欺詐六、利用消費記錄來進行評分
大會資料風控除了可以識別出壞人，還可以評估貸款人的還款能力。過去傳統金融依據借款人的收入來判斷其還款能力，但是有些客戶擁有工資以外的收入，例如投資收入、顧問諮詢收入等。另外一些客戶可能從父母、伴侶、朋友那裡獲得其他的財政支援，擁有較高的支付能力。 按照傳統金融的做法，在家不工作照顧家庭的主婦可能還款能力較弱。無法給其提供貸款，但是其丈夫收入很高，家庭日常支出由其太太做主。這種情況，就需要消費資料來證明其還款能力了。 常用的消費記錄由銀行卡消費、電商購物、公共事業費記錄、大宗商品消費等。還可以參考航空記錄、手機話費、特殊會員消費等方式。例如頭等艙乘坐次數，物業費高低、高爾夫球俱樂部消費，遊艇俱樂部會員費用，奢侈品會員，豪車4s店消費記錄等消費資料可以作為其信用評分重要參考。 網際網路金融的主要客戶是屌絲，其電商消費記錄、旅遊消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯金融公司專門從事個人電商消費資料分析，只要客戶授權其登陸電商**，其可以借助於工具將客戶歷史消費資料全部抓取並進行彙總和評分。
七、參考社會關係來評估信用情況
物以類聚，人與群分。一般情況下，信用好的人，他的朋友信用也很好。信用不好的人，他的朋友的信用分也很低， 參考借款人常聯絡的朋友信用評分可以評價借款人的信用情況，一般會採用經常打**的朋友作為樣本，評估經常聯絡的幾個人（不超過6六個人）的信用評分，去掉乙個最高分，去掉乙個最低分，取其中的平均值來判斷借款人的信用。這種方式挑戰很大，只是依靠手機號碼來判斷個人信用可信度不高。一般僅僅用於反欺詐識別，利用其經常通話的手機號在黑名單庫裡面進行匹配，如果命中，則此申請人的風險較高，需要進一步進行調查。
八、參考借款人社會屬性和行為來評估信用
九、利用司法資訊評估風險
涉毒、涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。 尋找這些涉毒涉賭的嫌疑人，可以利用當地的公安資料，但是難度較大。也可以採用移動裝置的位置資訊來進行一定程度的識別。如果裝置經常在半夜出現在賭博場所或賭博區域例如澳門，其申請人涉賭的風險就較高。
另外中國有些特定的地區，當地的有一部分人群從事涉賭或涉賭行業，一旦申請人填寫的居住位址或者移動裝置位置資訊涉及這些區域，也要引起重視。涉賭和涉毒的人員工作一般也不太穩定或者沒有固定工作收入，如果申請人經常換工作或者經常在某乙個階段沒有收入，這種情況需要引起重視。
涉賭和涉毒的人活動規律比較特殊，經常半夜在外面活動，另外也經常住本地賓館，這些資訊都可以參考移動大資料進行識別。
總之，網際網路金融的大資料風控採用了使用者社會行為和社會屬性資料，在一定程度上補充了傳統風控資料維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。
網際網路金融企業通過分析申請人的社會行為資料來控制信用風險，將資金借給合格貸款人，保證資金的安全。
**：
網際網路金融做大資料風控的九種維度
在網際網路金融迅猛發展的背景下，風險控制問題已然成為行業焦點，基於大資料的風控模型正在成為網際網路金融領域的熱門戰場。那麼，大資料風控到底是怎麼一回事呢？與傳統風控相比，它又是怎樣來進行風險識別的呢？本文對此進行了 大資料能夠進行資料變現的商業模式目前就是兩個，乙個是精準營銷，典型的場景是商品推薦和...
揭秘網際網路金融的大資料風控
大資料能夠進行資料變現的商業模式目前就是兩個，乙個是精準營銷，典型的場景是商品推薦和精準廣告投放，另外乙個是大資料風控，典型的場景是網際網路金融的大資料風控。金融的本質是風險管理，風控是所有金融業務的核心。典型的金融借貸業務例如抵押貸款 消費貸款 p2p 鏈金融 以及票據融資都需要資料風控識別欺詐使...
網際網路金融大資料風控成新寵
近年來，網際網路金融在各種政策利好的條件下發展得如火如荼。近日央行 關於促進網際網路金融健康發展的指導意見 以下簡稱 指導意見 的出台，不僅肯定了網際網路金 融的地位，更對行業提出了更高的發展期望，要求行業應當注重風險防控。網際網路金融的本質是金融，核心還在於風險控制。隨著金融大資料的不斷完善，越來...