组织机构/年会活动: 中国交易银行50人论坛 中国供应链金融产业联盟中国保理年会 中国供应链金融年会 中国消费金融年会 中国交易银行年会
首页 >> 消费金融 >> 列表

大数据在消费金融风控中如何运用

时间: 2018-01-22 17:06:56 来源: 金融咖啡社  网友评论 0
  • 《中国消费金融创新报告》显示,当前我国消费金融市场规模已达约6万亿元,预计未来3年平均增速为20%,2020年消费信贷规模有望超过12万亿元。
消费金融的风控体系


《中国消费金融创新报告》显示,当前我国消费金融市场规模已达约6万亿元,预计未来3年平均增速为20%,2020年消费信贷规模有望超过12万亿元。


惊人的坏账率


消费金融兴起,伴随而来的信贷欺诈案件层出不穷。目前国内大数据征信制度尚未完全建立,众多消费金融从业机构及工作人员风控意识淡薄,风控机制缺失,消费金融领域欺诈成风,给银行、消费金融公司、小额贷款公司等造成了较大的损失。欺诈频繁发生,成为消费金融行业高不良率、高亏损的重要原因之一。


事实上,消费金融市场存在很多“套现者”,利用消费分期各环节中的漏洞——如贷款机构风控不严——进行诈骗。


当前整个互联网消费金融领域坏账率约在10%-15%,其中60%-70%的坏账就是由黑中介“创造”。多数消费金融平台的借款申请人里,10%-15%都由黑中介幕后操纵。


套路层出不穷


“分期公司鱼龙混杂,套路也不尽相同。”某分期平台稽核专员徐光(化名)称,现在套现中介有各种暗套,令人防不胜防,一两句说不清,普通人看到的只是冰山一角。


“提前消费”是个大趋势,一些人过度提前消费还不上贷款的同时,另一些人则钻了社会信用体系不健全、平台风控不到位的空子,干起了欺诈的勾当。在整个市场里,专业做欺诈的产业链从业人员可能超过10万。


之所以存在欺诈、存在套现,根本原因还是消费金融公司的风控不到位或者放贷太激。


大数据征信崛起


对于消费金融市场的未来,风控必将成为左右未来消费金融发展的基石。


互联网的发展和大数据的崛起,有效地将征信数据范围做了很大的延伸,使得我们可以利用更多的非金融机构数据进行风险控制,这些数据可以更加全面地预测小额贷款的风险,这也是现如今大数据征信市场一片火热的主要原因之一。


互联网消费金融征信数据来源可以分为如下三部分:场景内数据、平台自身数据和外部征信数据。


申请贷款时,用户需要提供部分申请信息,如工作信息、学历信息、收入信息等,除此之外合作的平台或场景方也可提供部分信息,如贷款申请时的行为信息等,这些数据我们称之为场景内数据。


如果贷款平台较大较成熟,且有足够的数据积累,风控对外部征信数据的依赖就较小。但实际情况是,互金平台都比较小,场景内数据又有造假嫌疑以及出于用户体验的考虑,不会有太多,因此会较多依赖外部征信数据,这也是现在第三方征信数据市场火爆的原因。


消费金融平台风控体系


那互联网消费金融的风险来源主要有哪些,如何防范这些风险呢?


互联网消费金融因其虚拟性,主要风险集中在两方面,一是欺诈风险,一是信用风险。



针对互联网消费金融风险主要表现在欺诈风险和信用风险,因此核心的风险评估流程就是反欺诈和信用评估。对于反欺诈来说,信息核实、高危人群拦截和批量识别是其核心风控手段。而对于信用风险的评估,说到底还是对其收入进行认定,也就是衡量其偿还能力。


互联网消费金融风控在流程上与传统风控一样,可分为贷前、贷中、贷后,但又有差异,因为业务的特点就是线上实时审批,也称之为“秒批”;贷前我们主要关注的是准入和授信两个环节,通俗地说就是贷前实时反欺诈和实时信用评估;贷中主要关注的是贷中异常的监控和贷中运营,比如好的客户我们要不断的进行调额;贷后主要关注的是催收,因为催收做得好,很多信用风险问题都可以解决。


大数据在风控中如何运用?


1、完善客户画像


客户画像就是对用户打标签,以表示不同属性的用户。例如打上性别标签、年龄标签、消费偏好标签。这点在电商行业已被广泛运用。


客户画像的原理是,通过样本数据学习不同标签用户的行为特征,再根据学习到的知识来将未知标签的用户进行分类。客户画像的应用面非常广泛。


该点可用于快速识别白名单和黑名单,给予其余中间层客户的详细评级分类;利用大数据提高自动核准率,在电商中常用于大幅提升运营效率,也用于精准营销。在互联网金融的风险控制上则可用于征信评级,反欺诈风险控制以及动态调整级别和监控(增收和降低坏账率)、快速放贷和提升金融服务水平。


2、促进快速放贷


目前银行的放贷速度很慢,其主要时间是浪费在信用审核和人力上。因此一个完善的用户信用模型在这里至关重要。


银行主要是在申请环节和中间环节进行监控。申请环节的审核包括入学年限审核、是否有稳定工作、身份证+电话+居住地是否一致,民事诉讼公开列表是否出现申请人姓名等。比如你是经常用3G还是wifi,电话打得多还是上网流量用的多,旅游去向,机票航班;党派身份,家庭成员等。孩子在两岁以下风险较高,五岁~20岁风险度降低, 20岁以上、30岁以上风险再次增高,且需尤其注意是否用父母身份证申办信用卡。


网上购物比较多的信用评级在B/C/D之间,网上支付少转账多尤为注意(可能为变相套现)这种都是D-。依赖4G网络评级在C\D,电话>上网评级在B\C,党派身份评级:民主党>共产党>无党派


其实对于传统银行抑或互联网金融,还有一个非常无奈的痛点,就是数据同步的问题。各个平台都拿着自己的数据,数据不互通,是导致用户画像不完善的主要原因,如果能够打通行内外数据,就可以有效甄别优劣质客户,在行业联防联控抵制老赖的基础上,有效分析发现优质客户,实现超短期放贷。打通数据孤岛,建立更加完善的征信体系。


3、反欺诈功能


风险管理的核心应用在反欺诈上,金融行业的反欺诈验证,主要有以下三点:


(1)网络申请信用卡收入过分或故意夸大

(2)网络申请信用卡姓名,手机号码和身份证的一致性的校验

(3)是否存在交易欺诈或逾期记录


第一点:可以通过分析用户的社保数据、运营商数据、网络行为数据(职业、收入等预测画像…)来进行规避。


第二点和第三点:实时分析数据进而监测潜在风险并预警,实时监控系统内的各类数据。


简言之,大数据反欺诈功能就是通过对大数据的采集和分析,找出欺诈者留下的蛛丝马迹,从而预防欺诈行为的发生。其现实意义在于提升坏人的欺诈成本,在欺诈行为发生之前就将其制止,进而净化诚信体系。


事实上,之于消费金融领域而言,大数据风控也扮演着一个助推者的角色。得益于互联网、大数据、AI等技术的成熟,加之国内消费群体消费意识的转变觉醒,才最终推动我国消费金融行业全面爆发。未来,消费金融平台,将更加倚重于对于风险的控制,只有做好平台风控,消费金融才能良性发展。


来源:金融咖啡社


[收藏] [打印] [关闭] [返回顶部]


分享到:
本文来源:金融咖啡社 作者: (责任编辑:七夕)
  •  验证码:
热点文章
中国贸易金融网,最大最专业的中文贸易金融平台