大數據風控在金融領域的應用現狀、解決方案總結

03-14

風險管理是金融的本質之一，而風控是所有金融業務的核心。近年來，伴隨金融科技（FinTech）浪潮，國家密集出台相關文件，要求加大互聯網交易風險防控力度，鼓勵通過大數據分析、用戶行為建模等手段建立和完善可疑交易監測模型。

（一）應用場景及典型風險

大數據風控即大數據風險控制，是指利用數據分析和模型進行風險評估，為金融行業和個人用戶提供全方位的安全保障。常見的業務場景有信貸、支付、登錄、註冊、精準營銷等。關於大數據風控的應用，主要從如下場景展開分析：

信貸場景中為信貸企業預防貸前、貸後等場景的欺詐風險。對借款人的歷史借貸、消費特徵等行為進行分析，前置性判斷用戶的還款能力（經濟實力）和還款意願（道德風險），為信貸決策提供可參考依據。

構建整體風控解決方案，提供全方位的大數據分析，協助互聯網信貸企業，尤其是小微金融企業客戶，更廣泛利用大數據提升風控和獲益能力，減少潛在的資金和信用損失。

（二）創新型應用技術

風控工具的開發及使用可促進多維度第三方數據充分利用從而提升風控效果。

設備指紋技術。基於國際領先的設備識別技術，通過獲取上網設備的軟體、硬體、行為等多層次指紋信息，為每一個操作設備生成全球唯一的設備ID，精準分析設備用戶的操作軌跡，對設備進行標識、評估欺詐風險。設備指紋技術普遍用於反欺詐的事前、事中、事後各個環節。　

身份認證技術。身份認證解決方案中融合了數字簽名、人臉識別、時空碼及設備指紋等多項核心安全技術，從而確保整個身份認證過程的安全性與便捷性。解決了平台用戶賬號登錄、管理授權、轉賬匯款、支付交易、資金提現等關鍵環節的二次身份確認問題。

兼顧移動端與PC端。用戶無需攜帶除手機外的任何額外認證設備（如U盾）即可完成身份認證；無需獲取用戶數據（如姓名、身份證等），無數據泄露風險，同時保護用戶隱私信息。

智能決策引擎。智能決策引擎主要作用是實時對交易進行風險判斷。它是在傳統的規則引擎的基礎上，結合目前主流的模型引擎，使規則引擎與模擬引擎配合使用，將機器學習嵌入到整個反欺詐過程中。基於機器學習的智能決策引擎，將越來越受到重視，並在風險防控中發揮更大的作用。

（三）大數據風控解決方案

隨著互聯網金融興起，風控從業者也如雨後春筍般應運而生，由於各機構所面對的業務場景、數據來源、用戶群體不盡相同，因此目前行業還沒有統一的標準來提出一套完整的解決方案。同時，欺詐因素的不確定性，也使得大數據風控不得不因地制宜，量身定製最合適的解決方案。綜合目前風控行業的實際情況，簡要介紹以下幾種：

應用行業先進技術構建反欺詐模型。在海量數據的基礎上，採用分散式並行計算、存儲管理和實時檢索，並運用關聯、分析和建模，解決實際業務問題。縱深多重賬戶防護體系，有效識別欺詐分子，有效防範拖庫撞庫、賬號盜用等賬號風險，從而保障賬戶安全。

基於生物識別的身份認證與交易驗證。生物特徵具有唯一性，可以測量或可自動識別人類的生理特徵和行為特徵來進行個人身份認證的鑒定。

智能決策流實現秒級審批。近年來，隨著人工智慧崛起，機器學習技術也得以較快發展，智能決策引擎就是基於機器學習的基礎上實現的。

同時結合大數據技術，把風控系統提升到了實時反欺詐，通過低延時、高吞吐量的數據處理能力為實時風控系統，尤其是模型的訓練提供了強有力的支持。

小結

金融是現代經濟的核心，它對經濟的運行與社會制度的完善具有重要的促進作用。防範風險、居安思危的意識人類自古就有，隨著互聯網金融行業的發展，欺詐風險問題也越來越突出，更多的人意識到大數據風控在金融領域的重要性，並通過大數據技術來解決風控難題。

但在當前階段，許多大數據風控系統普遍存在數據的真實性不高、有效性仍需通過市場來論證、數據收集和使用過程中面臨著合法性問題等。因此，我國的大數據風控依然還有很長一段路要走。

本文章由「大數據反欺詐小屋」發布，2018年3月8日。