文档介绍：大数据风控
普惠金融解决之道
叶梦舟
融360首席风控官
目录: 1 2 3 4
行业现状信贷风控体系风控技术架构融360风控服务
线上信贷市场现状消费金融小额现金贷大额现金贷
依托征信等强数据
产品特点依托具体消费场景纯线上获客,小额短期,低额高息
高额分期贷款
2015 – 2016,
市场教育和爆发期,各类线上信贷业务迅猛发展,龙蛇混杂; 集中在3C数码,教育分期, 主要面向蓝领、信用卡白户
目ຽ人群依托流量和授信白名单
医美、二手车等等中低端人群
2017 – 2018,
风控、行业监管问题凸显,合规化是趋势单用户特征维度低,多头现象严重;
优劣势场景拓展,对B端的控制风险可控,获客成本高
监管风险高
竞争纯线上获客,准入门槛低多头/ Payday产品平均每年6次
激烈竞争快速白热化,获客成本攀升复贷七成以上用户存在多头共债现象
线上信贷问题
及挑战风控数据孤岛严重,缺少行业共享数据政策随着行业爆发,裸条、暴力催收事件持续发酵,
能力风控参差不齐,很多缺少足够的技术积累合规势必引来行业监管,需提前做好内控、合规
欺诈识别复贷风险评估
信用评级贷前贷中老用户评级体系
用户画像用户数据更新
风控体系风控
体系
数据为王文明催收用户隐私保护
催收策略贷后内控操作风险控制
失联修复防止内外勾结
欺诈团伙识别:通过社区聚类,挖掘潜在欺诈团伙
风控体系—贷前
欺诈源定位:基于Pagerank/Hits等计算关键用户节点,找出欺诈源
欺诈风险识别
图特征计算:利用Graph Mining算法,产生节点和用户关联特征,构建反欺诈模型
关联分析:
用户社交网络中的关联账户挖掘欺诈行为演化跟踪:动态分析欺诈用户社交特征的演化趋势,捕捉欺诈用户的行为模式
෸空数据挖掘
D area 通过时空数据分析逾期用户空间分布。
A area
风控体系—贷前 B area
C area 数据显示,
时空数据挖掘某些区域的逾期风险高于平均水平
性别
自然属性
自然属性3类标签年Ἳ离散化向量化 LR模型
逾期概率矩阵
星座
෸尚ᨰᕪ
兴趣爱好
兴趣爱好32类标签ৈԔ餐ᷴ向量化随即森林
逾期概率矩阵
风控体系—贷前旅游汽᫣
stack模型授信决策
用户画像人生ᴤ段教育流水
社会属性
社会属性100+标签教育水平消ᩇ流水向量化 XGB
逾期概率矩阵
多数据源授信体系ᩒԾ状况社交网ᕶ
工作
居住
位置属性离散化向量化 LR模型位置属性
常ᦢ逾期概率矩阵
点
其它ᬩ០商
利用多种数据源,
风控体系—贷中结合图算法和关联分析,
老用ಁ网ᕶ刻画更真实用户社交网络,
ᦧᕆ行ԅ
复贷行为为贷中用户行为跟踪和资质变更提供数据支持
社交
媒体
数据层技术层产出层应用层
风控体系—贷后催收分单:
信用评级贷后行为 hadoop、Spark、评分卡、还款意愿
谁去催
用户资质还款行为 GraphX、+ 社交图、
TensorFlow 催收策略:
社交网络深度学习还款能力
催收管理什么时间催、

什么力度催