星融金融CTO专访:大数据技术为互联网金融赋能
2018-09-19 14:47:27
来源:
太平洋财富网
导语:自互联网金融的概念在国内首次提出以来,就经历了快速发展,各种新业态、新模式不断挑战传统金融领域,互联网金融一度成为市场投资及各方关注的焦点。那么大数据技术在互联网金融领域有那些应用点?
余新卫 CTO
毕业于华中科技大学计算机系,获工学学士
专注领域:分布式,微服务,高并发,互联网金融、区块链
曾任 UT斯达康(深圳)科技有限公司 技术负责人
深圳宜搜天下科技股份有限公司 高级技术经理
上海星融财富投资顾问股份有限公司 技术总监
中国计算机协会、中国电子学会会员
记者:请问余总,如何利用技术手段更好的解决金融风险的痛点呢?
大数据风控技术目前较多应用于P2P和网络小贷等互联网金融领域,针对的主要风险类型是以违约风险为主的信用风险。优点在于与传统风控手段相比数据来源更为广泛,识别速度更快且成本更低,从而有助于更好地解决信息不对称问题。缺点在于受制我国当前信用数据分散且质量不高的现状。
记者:请问余总,如何运用大数据技术进行欺诈识别
进行欺诈申请的客户由于编造了全部或部分信息,很可能在自行申报的相关信息中存在不符合常理的情况,这些信息项可以成为欺诈识别模型的重要变量。
记者:请问余总,具体有哪些欺诈识别
主要的话有四点,第一、地理位置信息的欺诈识别,将客户填写的地址信息定位为地址位置坐标,并与客户常用物流地址位置坐标进行比对,如果发现客户提供了一个距离过大的地址,则该地址信息存在虚假的可能性。针对移动端渠道,可以定位互联网客户的具体申请位置,与申请信息中填写的地址信息或职业信息进行对比验证。第二、基于申请信息填报行为的欺诈识别:通过收集分析客户填写申请过程的行为信息,如填写了多长时间、修改了几次、修改了哪些内容等进行识别。第三、基于客户填报信息与公司存量信息交叉比对的欺诈识别:多个申请件填报的单位电话相同,而对应的单位名称及地址不同,则批量伪冒申请件的可能性就很高。第四、基于外部信息的交叉对比的欺诈识别:恶意申请会隐瞒对其不利的事实,如负债、运营存在问题、法院执行信息等,而抓取互联网上申请人的企业经营信息、法院执行信息可以核实申请人的真实资质。
记者:在日常生活中,我们经常听到授信评分,如芝麻分,那这个如何用大数据进行授信评分?
被排除欺诈可能并进入评分规则引擎的客户,会按类型被分发到不同的细分模块,以适应不同的细分模型,包括不同的产品、不同的行业、不同的客户群,如车贷、消费贷、抵押贷、个人经营贷等。不同类型的借款申请调用不同的信用评分规则引擎,该引擎将并根据用户授权许可自动抓取的数据,通过特定模型转化为个人授信评分数据与商户授信评分数据。其一、基于个人信息抓取的授信评分:抓取用户在互联网上的购买数据、搜索引擎数据、社交数据、账单邮箱信息等多个维度的数据,得到用户性格、消费偏好、意愿、学历等个人信息。其二、基于商户信息抓取的授信评分:抓取商户的交易数据(物流、现金流、信息流数据)和电商的经营数据(如访客量、交易量、用户评价、物流信息等)来对商户进行授信评分。
记者:请问余总,对于贷后管理,又如何通过大数据来分析?
针对“还款意愿差”和“还款能力不足”两大客户逾期的主要原因,大数据技术通过违约信息排查和监测预警及时跟踪违约风险。其一、违约信息排查:通过实时监测存量客户早期逾期、连续多期不还欠款、联系方式失效等情况,并将存量客户与新增的黑名单、灰名单数据匹配,及时发现潜在违约客户。其二、小微商户流水监测预警:利用从数据合作方获取的商户交易流水信息,对其交易流水进行监测预警。突然出现的资金流入、流出,不符合经营规则的交易流水下滑情况,正常营业的大额交易等均可以触发预警。其三、负面信息监测预警:通过大数据实时监测,一旦发现客户的负面信息、公安违法信息、法院执行信息、税务缴税信息、行业重要新闻、借款人社交关系网中的负面情况、借款人的网络浏览行为、资金支付结算情况等,及时触发预警。
[责任编辑:谢涵宇]
责任编辑:谢涵宇PF085
相关内容
热门推荐
热门文章
-
禁止“炒信”“刷单” 电子商务法给电商戴上“紧箍”
-
银行“保本”理财产品“量价齐跌” 消费者还有哪些新选择?
-
银保监会首次发布普惠金融白皮书 拟于近期出版发行
-
大宗商品四季度有望偏强震荡 原油提供价格支撑
-
宝武河钢两大超级巨无霸展开股权融合:宝武入股唐钢
-
一汽夏利“1元”甩卖天津华利 南京知行接盘并承担8亿债务
-
从历年国庆节后表现看A股投资机会 机构这样说
-
5A级景区上海科技馆10月1日起门票价格下调25%
-
银行理财新规:公募理财可借道公募基金投A股
-
坐飞机要多花钱了!燃油附加费将上涨 最高30元/人
-
证监会发布四项金融行业标准 保护投资者合法权益
-
亲子房成旅游住宿业新蓝海 市场需求高达千亿元