金融數(shù)據(jù)風(fēng)控體系(一):用戶信用畫像構(gòu)建、反欺詐服務(wù)

1 評論 17122 瀏覽 101 收藏 8 分鐘

互聯(lián)網(wǎng)金融的的核心在于風(fēng)控系統(tǒng),這篇文章就給大家講下風(fēng)控模塊里邊的用戶信用畫像構(gòu)建、反欺詐服務(wù)。

?一、用戶信用畫像構(gòu)建

說到用戶信用畫像的構(gòu)建對于整個風(fēng)控體系的作用毋庸置疑,不同的金融平臺可以根據(jù)自身的業(yè)務(wù)場景以及能力構(gòu)建自己用戶畫像,畢竟有些畫像的數(shù)據(jù)自身沒有也很難從其他的三方平臺獲取,所以構(gòu)建的時候要根據(jù)自身的業(yè)務(wù)場景和公司情況量力而行。

用戶信用畫像的組成體系包括但不限于以下幾點:用戶身份信息、婚戀社交數(shù)據(jù)、芝麻信用、用戶認證數(shù)據(jù)、消費收支數(shù)據(jù)、用戶行為數(shù)據(jù)、人行征信報告、互金和銀行黑灰名單、設(shè)備相關(guān)數(shù)據(jù)等。

1.1 用戶身份信息

該信息的獲取是這九大數(shù)據(jù)里邊比較容易獲取到的數(shù)據(jù),其中包括用戶的三身或四身數(shù)據(jù)、居住地、婚姻狀況、子女情況、工作單位、職位、房產(chǎn)、收入、聯(lián)系人數(shù)據(jù)等,該數(shù)據(jù)用途多用于貸前信用評估、用戶平臺入駐前的認證。

1.2 婚戀社交數(shù)據(jù)

婚戀社交數(shù)據(jù)在整個信用體系里邊承擔(dān)著一個什么樣的角色呢?

其他數(shù)據(jù)類型可以看出一個人的信用水平、還貸能力,消費水準(zhǔn)、用戶行為等等,但是涉及到人格品質(zhì)方面的評估就略顯乏力了,一個人在家庭的的責(zé)任、社交的言論、人生的規(guī)劃、社交圈子等種種產(chǎn)生的行為的數(shù)據(jù),更能反映一個在當(dāng)下社會主流的人格品質(zhì)范疇屬于什么角色定義。

在婚戀社交情況里邊有幾點數(shù)據(jù)尤為重要:家庭情況、房產(chǎn)情況、學(xué)歷情況、生活作息、愛情規(guī)劃、愛情賬戶等級、婚戀社交信用度、社交人脈圈等。

1.3 芝麻信用

芝麻信用在現(xiàn)有的信用體系里邊也是占據(jù)了一定的地位,很多涉及到資金一塊的信用認證多數(shù)會將芝麻信用列為評判標(biāo)準(zhǔn)之一。

其中主要包括信用評分、行業(yè)關(guān)注名單、申請欺詐評分、欺詐信息驗證、欺詐關(guān)注清單、企業(yè)信用評分。

1.4 用戶認證數(shù)據(jù)

現(xiàn)在用戶的認證數(shù)據(jù)主要有幾塊,公積金社保、運營商通信、學(xué)歷數(shù)據(jù)(學(xué)信網(wǎng))、職業(yè)數(shù)據(jù)(脈脈、獵聘、BOSS等職業(yè)招聘平臺的認證數(shù)據(jù))

1.5 消費收支數(shù)據(jù)

消費數(shù)據(jù)在幾個數(shù)據(jù)里邊是比重比較重的一個,關(guān)系到個人的經(jīng)濟水平、償還能力、以及消費行為的判斷,消費收支數(shù)據(jù)主要包括以下幾點:線上電商和線下消費、銀聯(lián)消費、銀行卡收支、航旅出行數(shù)據(jù)等。

1.6 用戶行為數(shù)據(jù)

用戶行為數(shù)據(jù)可以將申請表單的填寫時間和借款協(xié)議頁面停留時間,作為參考數(shù)據(jù)之一。

1.7 人行征信報告

人行征信的數(shù)據(jù)就不用多說了,是金融征信取證的重要依據(jù)之一,包括用戶的貸款信息、信貸交易信息、個人公共信息。

1.8 互金和銀行黑灰名單

互金和銀行的黑灰名單可以作為搭建風(fēng)控里邊黑灰名單的一個重要依據(jù),黑灰名單里邊包含信貸逾期名單、司法不良名單、多頭申請和多頭負債名單、團隊欺詐名單等。

1.9 設(shè)備相關(guān)數(shù)據(jù)

設(shè)備的相關(guān)數(shù)據(jù)有幾個維度的數(shù)據(jù)比較重要,設(shè)備的指紋和面部識別、設(shè)備硬件信息、GPS定位、設(shè)備安裝APP數(shù)據(jù)。

二、反欺詐服務(wù)

不同的金融應(yīng)用場景,有著不同的業(yè)務(wù)流程和環(huán)節(jié),需要設(shè)計不同的風(fēng)險檢查環(huán)節(jié)和風(fēng)控策略,構(gòu)建完成基于場景、事件和規(guī)則驅(qū)動下的欺詐風(fēng)險判別服務(wù),通過靈活配置就能滿足不同場景下、不同業(yè)務(wù)環(huán)節(jié)欺詐風(fēng)險判定的能力。

  • 理財應(yīng)用:激活事件、注冊事件、登錄事件、認證事件、綁卡事件、活動時間等場景;
  • 借貸應(yīng)用:注冊事件、登錄事件、綁卡事件、充值事件、授信事件、放款提現(xiàn)事件等場景。

通過反欺詐模型、用戶行為分析、風(fēng)險信息庫和反欺詐規(guī)則庫判定客戶的信用度。

2.1 評估維度

(1)身份評估模塊

  • 設(shè)備異常評估:設(shè)備綁定認證、設(shè)備相似度評估、跨機構(gòu)設(shè)備注冊。
  • 地理位置評估:GPS ip評估、陌生交易地區(qū)評估、跨地區(qū)跨機構(gòu)、GPS定位與申請地址不符;
  • 客戶環(huán)境異常:IOS越獄、安卓ROOT、公共WIFI、疑似木馬應(yīng)用;
  • 習(xí)慣相似度評估:大小寫習(xí)慣、閱覽時間、客戶輸入法行為;
  • 客戶身份核查:姓名、身份證、手機號、人體活體驗證。

(2)信貸交易行為評估

  • 交易行為:交易時間習(xí)慣、交易頻率、短時間交易數(shù)量、交易金額;

(3)信用評估

  • 欺詐信息庫:設(shè)備欺詐庫、IP欺詐庫、賬號欺詐庫;
  • 失信信息庫:信貸逾期名單、司法不良名單、多頭申請多頭負債名單、團伙欺詐名單;
  • 欺詐關(guān)聯(lián)圖譜:欺詐關(guān)聯(lián)圖譜。

2.2 反欺詐策略

(1)七大策略

(2)信貸全流程

  • 用戶注冊:三要素核身、客戶端環(huán)境檢測、注冊設(shè)備是否關(guān)聯(lián)多用戶;
  • 登錄:異常設(shè)備登錄檢測、異常登錄地檢測、異常登錄IP檢測、登錄異常人臉識別
  • 開戶綁卡:四要素核身、人臉識別、設(shè)備是否綁定多銀行卡開戶、銀行卡是否涉及欺詐;
  • 申請授信:欺詐名單對比、失信名單對比、多頭申請貸款對比、多頭逾期負債名單對比、關(guān)聯(lián)人欺詐名單對比;
  • 確認用信:虛假用信效驗、信用行為記錄;
  • 提現(xiàn):同卡同出監(jiān)控。

三、最后

本文章是作者學(xué)習(xí)內(nèi)容的一些整合,最近在研究風(fēng)控這塊,有感而發(fā),如果有什么好的建議可以下方評論,互相探討下。

 

本文由 @藍色刀鋒 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載

題圖來自Unsplash,基于CC0協(xié)議

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 現(xiàn)在都8102年了

    回復(fù)