发布时间:2020-12-18 22:49:59 文章来源:互联网
微博 微信 QQ空间
    写一个方向哦!大数据应用于互联网金融。

    01、第三方支付欺诈管理
 
    大数据技术对第三方支付欺诈风险防范的应用,主要在以下4个场景。
 
    1.注册场景
 
    看注册者注册来源请求的IP地址是否是代理、同一个设备上发起的注册行为是否过于频繁;通过外部的或者自有虚假手机码数据库进行识别,并建立一个定期的清洗机制,确保数据的精准性。
 
    2、登录场景
 
    运用的大数据规则模型对登录时间间隔和IP解析地址偏移进行测算,判断用户的登录行为异常;在登录页面布控人机识别检测程序,判断登录来源设备是否缺失、伪造,用户登录环境是否异常。
 
    3、绑卡场景
 
    对卡进行卡、身份证、姓名、预留手机四要素进行验证。可以利用大数据技术对绑卡用户的信息、设备、IP等维度进行关联分析,对于中介或者团伙的批量绑卡行为特征进行快速甄别。
 
    4.支付场景
 
    可以通过对一周或者一个月内的账户资金流入流出数据进行分析,如果资金的流动密集集中在一些账户,活跃的IP、设备是同一个或者相近的,可能存在着盗卡支付和洗钱套现的行为。
 
    02、网络借贷
 
    在网络借贷中,一方面可以获取信贷产品的特点,如贷款人的特征和借款记录,信贷产品的期限、风险和收益度;另一方面又可以获取用户的特点,如客户的产品浏览记录、个性化需求和兴趣偏好、客户的个人属性、客户过去的贷款行为和贷款记录等,从而为贷款客户做出个性化推荐。
 
    03、互联网消费金融
 
    消费金融中最重要的问题就是本身所存在的信用风险和欺诈风险。由于消费金融的主要客户群体是年轻人群和中低收入人群,且主要是以个人的信用状况为担保,没有抵押物。许多消费金融公司依托大数据风控机构。通过对客户群体的消费数据分析,进行客户评级,获得有效的风控模型,进而对客户进行分流和筛查,进行差异化管理,并不断优化风控模型和信贷审核流程,达到可量化的自动化决策的目的。
 
    (1)外部信息源整合。第三方信用服务机构整合欺诈、电商平台等多维度全方位的信息。
 
    (2)风控模型与评分。从还款能力与还款意愿等多角度对客户进行审核,对不同种类的客户进行差异化评估,并基于评分卡进行审批、授信、差异化定价、风险预警、额度调整等流程的设计,实现信贷工厂的批量化与规模化的要求。
 
    (3)自动化决策。针对互联网消费金融的快速放贷的要求,搭建了一套自动化决策模型和风控体系,进行欺诈风险的评估,计算信用风险等级,并给出可信任的参考授信额度,达到快速授信、实时放贷的目的。

另一视角

换一换