金钱柜揭示互联网金融大数据风控的秘密

大数据能够进行数据变现的商业模式目前就是两个,一个是精准营销,典型的场景是商品推荐和精准广告投放,另外一个是大数据风控,典型的场景是互联网金融的大数据风控.

  金融的本质是风险管理,风控是所有金融业务的核心.典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级.
  一 验证借款人身份

  验证借款人身份的五因素认证是姓名、手机号、身份证号、号、家庭地址.企业可以借助国政通的数据来验证姓名、身份证号,借助银联数据来验证号和姓名,利用运营商数据来验证手机号、姓名、身份证号、家庭住址.

  如果借款人是欺诈用户,这五个信息都可以买到.这个时候就需要进行人脸识别了,人脸识别等原理是调用国政通/公安局 API接口,将申请人实时拍摄的照片/视频同客户预留在公安的身份证进行识别,通过人脸识别技术验证申请人是否是借款人本人.

  其他的验证客户的方式包括让客户出示其他银行的信用卡及刷卡记录,或者验证客户的学历证书和身份认证.

  二 分析提交的信息来识别欺诈

  大部分的贷款申请都从线下移到了线上,特别是在互联网金融领域,消费贷和都是以线上申请为主的.

  线上申请时,申请人会按照贷款公司的要求填写多维度信息例如户籍地址,居住地址,工作单位,单位电话,单位名称等.如果是欺诈用户,其填写的信息往往会出现一些规律,企业可根据异常填写记录来识别欺诈.例如填写不同城市居住小区名字相同、填写的不同城市,不同单位的电话相同、不同单位的地址街道相同、单位名称相同、甚至居住的楼层和号码都相同.还有一些填写假的小区、地址和单位名称以及电话等.

  如果企业发现一些重复的信息和电话号码,申请人欺诈的可能性就会很高.

  三分析客户线上申请行为来识别欺诈

  欺诈用户往往事先准备好用户基本信息,在申请过程中,快速进行填写,批量作业,在多家网站进行申请,通过提高申请量来获得更多的贷款.

  企业可以借助于SDK或JS来采集申请人在各个环节的行为,计算客户阅读条款的时间,填写信息的时间,申请贷款的时间等,如果这些申请时间大大小于正常客户申请时间,例如填写地址信息小于2秒,阅读条款少于3秒钟,申请贷款低于20秒等.用户申请的时间也很关键,一般晚上11点以后申请贷款的申请人,欺诈比例和违约比例较高.

  这些异常申请行为可能揭示申请人具有欺诈倾向,企业可以结合其他的信息来判断客户是否为欺诈用户.
http://www.p2pwangdaix***/