星融金融CTO专访：大数据技术为互联网金融赋能

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。