12月12日,由中国企业联合会指导,中国企业报联合主办的“第十四届中国企业发展论坛暨2017中国金融科技创新峰会”在北京举行。中国银行原副行长张燕玲、央行金融研究所互联网金融研究中心秘书长伍旭川等专家发表演讲。国美金融凭借专业的风控体系建设荣获“2017金融科技卓越风控机构”称号。
2017 年,金融科技成为最热门的细分领域之一,沃顿商学院这样定义金融科技:用技术改进金融体系效率的经济行业。
依托线下零售巨头国美的广泛场景及强大资源,国美金融以“场景+金融+科技 ”为发展模式,在探索消费场景与金融服务相融合的发展中,积累了丰富的实践经验。其中,基于其特有的消费场景打造出的强大风控体系,是国美金融在消费金融领域得到快速、健康发展的重要因素。
风控决策基础为多维度交叉数据
如今,消费场景日益丰富,消费金融需求的数据维度增多,这就意味着多用户、海量数据资源的支持,同时,也是场景金融风控决策的重要基础。
据了解,国美金融的数据构成有央行征信,但同时有大量独立的第三方数据。与新兴征信企业合作及金融创新科技,采集大量客户信息,除央行征信的基础信息外还包括社交网络、地址图谱等细项数据收集,为大数据风控打下坚实的基础。目前,国美金融数据维度已到1000多个。
据国美消费金融CRO曹强介绍,国美金融风控模型包含申请模型、欺诈模型、催收模型、额度模型等十几个模型,除传统FICO评分方法外,引入机器学习、图聚类等方法进行风险建模,精准定位客户风险。
反欺诈如何定义,“关系”更关键
反欺诈是风控中最重要的环节,而大数据的反欺诈难点在于如何把不同来源的数据整合在一起,并构建反欺诈引擎,从而有效地识别出欺诈案件。
常用的风控模型,是通过建立一个规则引擎或者机器学习模型来描述欺诈行为特征,从而将欺诈行为从正常操作中区别开来。国美金融认为,无论是规则引擎还是机器学习模型,都是从历史案例中发现发生金融风险时重复出现的个体行为模式。这在很多领域被证明为有效,然而在解决金融欺诈问题时却出现,金融欺诈模式不仅仅是重复出现在历史案例中的个体行为模式等情况。
对此,国美金融建立了自己的知识图谱。知识图谱能把不同个体按照其关系连接在一起,从而提供了从“关系”角度分析问题的能力。
在反欺诈领域,如何定义‘关系’更为关键,‘关系’定义恰当,能有效减小图计算的复杂度和提高利用图算法进行反欺诈的效果,事半功倍,也是基石。国美金融大数据中心总监李少伟说道。
国美金融基于大数据技术建立了罗盘用户洞察体系、水滴风险控制体系,极大地推进精准营销水平、完善风险管理机制。从本质上实现数据驱动业务、技术改变金融。