案例 ▏极光大数据在“金融反欺诈”中的应用

近年来，随着互联网金融的迅速壮大，各类类信贷产品的消费群体范围日益扩大。无论是传统金融机构，还是新兴互联网金融机构，都要面临如何更高效的筛选客户和预防欺诈行为的挑战。这种需求也催生了巨大的金融反欺诈服务市场。目前国内“金融反欺诈”的数据提供市场现状如何、未来发展空间怎样?应该如何推动该市场良性发展? 围绕上述问题，近日金融行业的权威媒体、中国人民银行旗下《金融时报》独家专访了极光大数据的CEO罗伟东，就大数据在“金融反欺诈”中的应用做了深入的探讨。

作为中国领先的移动大数据服务商，极光的大数据反欺诈服务已在业内享有较高知名度。同时，其作为一家2011年成立的创业公司，已顺利完成三轮融资，投资机构中不乏IDG等大型投资机构。

　　 记者：据您了解，目前国内“金融反欺诈”的数据提供市场现状是怎样的?

罗伟东：从业务开展模式看，传统的金融企业一般会采取“黑白名单”、基于规则的防范机制，和通过自有业务数据进行分析建模等传统方式来做风控。但这些方式往往存在滞后性、机制僵化和数据不全面等弊病，导致金融风控只能做到一定程度的“未雨绸缪”，起不到真正的全面风险控制。而一些互联网金融公司以互联网思维来做互联网金融业务，比如 P2P、消费金融等，流量至上的原则往往会带来风控的危机。此外，这些互联网金融企业的用户，大部分是缺乏央行征信数据的群体。缺乏多维度数据支持，以及风控模型的迭代验证，互联网金融的风控步履维艰，行业坏账率居高不下。

从数据源模式看，目前在金融反欺诈领域，传统的数据提供方往往就是央行的征信数据，银行及企业的内部客户数据，同时会对外采购一定范围内的通信运营商的数据、机构数据等，甚至会去数据黑市上买一些非法的用户信息作为数据来源。这些数据往往在多样性、实时性、完整性、准确性和真实性上存在比较大的问题。随着移动互联网时代的到来，企业会越来越重视移动端的用户行为数据，然而，如何通过移动端用户行为数据提高“金融反欺诈”服务能力是一个非常有趣的方向。因此，我认为“金融反欺诈”的数据提供市场目前还不是特别成熟，部分数据源所提供的数据的价值还有待商榷。

从数据分析技术看，目前大家大多采用比较传统的数据分析方法。目前大家常用的算法主要有随机森林模型，决策树模型，逻辑回归模型，神经网络模型，支持向量机，深度学习等模型。这些技术其实都很成熟了。我们知道数据和特征比模型更重要，数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。

　　 2、大数据在“金融反欺诈”领域的未来发展空间如何?在推动这个市场良性发展方面，您有哪些建议?

罗伟东：就像前面提到的，近几年互联网金融爆发式发展，行业的迅速膨胀的背后，是风险的急剧增长。除了传统的信用风险，外部欺诈已经成为一个主要风险，甚至在一些P2P公司，恶意欺诈产生的损失占整体坏账的60%。传统的风险预防机制无法应对这些挑战，而基于移动数据的反欺诈产品则可以很好地解决这个问题。

基于大数据的反欺诈机制最大的价值在于可以将更多方面的影响因素纳入到业务风控领域。以我们极光大数据提供的反欺诈服务为例，这套体系可以从移动应用使用习惯、线下活动习惯、特定领域互联网+行为习惯等多个维度对用户的风险等级进行评估，进而为金融企业的借贷行为及产品决策提供建议。

整个评估过程完全在极光自有的数据源中进行，金融企业甚至无需共享自身的敏感数据即可完成评估。因此我认为，随着移动互联网不断深入人们的生活，利用大数据在金融行业进行反欺诈的市场前景将会非常广阔。

和数据相关的行业的良性发展，首先就是要求数据本身的真实可靠和准确，同时数据的实时性和质量也非常重要。所以我们认为：企业要坚决抵制黑产数据，首先这些数据的合法性存在很大的问题，而从数据的准确和实时性上面也无法提供企业所需要的数据

同时，我们建议企业更加重视外部合法数据源价值挖掘的合作，从我们的经验可以看到外部数据尤其是移动互联网行为特征的应用方法其实还存在很大距离，外部数据在企业的反欺诈方向的作用还可以进一步挖掘。

　　 记者：极光大数据在“金融反欺诈”方面有哪些具体优势?

罗伟东：极光大数据从移动互联网+的角度和行为特征角度，帮助企业实现风控领域的大数据资源和技术的应用，这是真正意义上的大数据反欺诈，相对于从业务本身来进行模型开发和预测的传统模式，拥有四大优势：

一是，数据种类多，数据量大，帮助企业找到风险客户的多方面行为特征，有利于发掘关联性高的因子。目前极光大数据反欺诈服务已经覆盖了 3600万风险用户，分析了 3亿多个风险行为，识别出超过1700万 的 “羊毛党” 用户群。二是，极光大数据引擎的挖掘和分析能力强大，机器学习技术可以实现评估模型自主学习和提升。三是，极光自身的数据全、数据新，数据和评估标准横跨多个行业，企业能够实时监控评估结果，可与原有风控体系互为补充，发挥协防作用;四是，我们与很多金融机构金融机构及征信机构都保持着良好的合作关系，在共同开发侦测模型、欺诈名单库共享等领域密切合作

　 记者：除了金融反欺诈，可否分享一下大数据对于整个金融行业有何巨大的意义?如何帮助金融企业和整个金融行业提升效率、解决问题呢?

罗伟东：现阶段，随着互联网应用的日益深化，数据渗透到每一个行业和业务领域，并成为未来发展的“生产力”。大数据本身的意义就在于可以帮助行业解决一直以来都难以解决的问题并提升运营效率。除了提升金融风控水平之外，在很多领域大数据都能发挥作用。比如消费金融的ABS资产证券化，极光可以通过大数据帮助评级机构更好地建立有效模型对资产进行评级，也可以帮助投资人识别优质和劣质资产，从而有助于推进消费金融的资产证券化进程，降低整个行业的资金利用成本。

此外，在金融机构的精准营销方面，潜在客户识别、特征客户的定向服务等都可以利用大数据来提升运营效率，突破企业原有的天花板。比如，极光提供的综合性营销服务可以帮助企业优化自己的流量营销策略，也可以充分利用 PB 级外部数据资源，帮助企业降低外部数据应用门槛，例如通过极光大数据的数据服务和线上线下融合平台帮助金融企业比如银行企业扩大信用卡消费的场景和活跃度。

 

责任编辑：陈近梅