大數據風控的搶灘之戰

吳俊宇

互聯網金融讓快速交易成為可能，但如果沒有做好風控，勢必釀成巨大的風險，而數字和科技恰恰是做好風控的核心。

金融科技無疑是2016年互聯網金融領域最火熱的一個詞語。特別是2016年11月的烏鎮世界互聯網大會上，“數字普惠金融”和“金融科技”這兩個概念被提及的頻率大大高于往屆。

既然要做到數字和科技，必然需要依靠大數據。此前，借貸寶“裸條”事件的曝光，也暴露了在互聯網金融行業里，不少企業的風控手段非常初級，甚至是“簡單粗暴”。互聯網金融讓快速交易成為可能，但如果沒有做好風控，勢必釀成巨大的風險，而數字和科技恰恰是做好風控的核心。

想要做好風控，往往要建立一套完善的風控模型，用來計算平臺能夠承受哪些風險等級的客戶，將各種金融交易的風險控制在合理范圍內，使衍生品市場交易能夠穩定運行，盡可能地減少波動。如今，雖然螞蟻金服、微眾銀行、百度金融、網易金融、京東金融等都是依靠大數據進行風控，但各平臺的做法有很多細節上的差別。

螞蟻金服：智能風控大腦

毫無疑問，螞蟻金服在金融科技領域一直處于領頭羊的位置。螞蟻金服的大數據處理能力很強，其中有一套CTU，即基于海量數據的智能風控大腦，是螞蟻金服的工作核心。

智能風控大腦的工作流程主要是判斷發起請求的是否為賬戶主人。CTU的判斷內容主要包括是否是可信的行為、可信的位置、可信的設備及可信的關系。如果這些維度都可信，再判斷資金、個人隱私、相關數據有無風險。判斷依據是我們所熟知的支付寶、余額寶、招財寶、芝麻信用、網商銀行等業務數據。

阿里在金融體系的數據基礎非常強大，特別是依靠淘寶、天貓等電商平臺所積累起來的電商數據，對個人用戶的消費能力有很強的洞悉能力。用戶的電商消費記錄、旅游消費記錄及加油消費記錄都可作為評估其信用的依據。有的互聯網金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，就可以借助工具將客戶的歷史消費數據全部抓取并進行匯總和評分。

芝麻信用的最大作用就在于此，再加上其打通了微博等社交平臺，社交數據也在逐漸補足。目前，螞蟻金服的數據包括在線購物、與他人資金往來、信用卡還款、資金理財、公用事業費繳納、房屋租賃或買賣、跳槽情況、婚姻狀態、社交關系等，從用戶的信用歷史、行為偏好、履約能力、身份特質、人際關系等方面獲取。

更重要的是，螞蟻金服的數據逐漸在向傳統金融機構開放，一方面通過傳統金融機構獲取數據，另一方面和傳統金融機構合作。當然，螞蟻金服也存在數據短板，前段時間的“支付鴇”事件可以從側面證明，螞蟻金服試圖進一步挖掘社交數據，完善其風控體系。

微眾銀行：識別“壞客戶”

在微眾銀行看來，海量客戶可以確保資產結構的穩定。當達到上億級用戶量時，信用風險就是可以接受的社會平均風險，微眾銀行要做的就是在社會平均風險下挑出“壞客戶”，進一步降低風險。

其實，“壞客戶”的數據都掌握在征信公司的手中。目前，市場上有近百家公司從事個人征信的相關工作，其主要商業模式是反欺詐識別、灰名單識別及客戶征信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有近1000萬條左右的黑名單數據，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單僅在200萬條左右。

騰訊不僅與征信公司合作，旗下的微眾銀行也通過以下幾個模型識別“壞客戶”：微信社交、QQ社交、財付通交易數據、央行資產負債與還款狀況，以及是否急需資金。總體來看，微眾銀行最大的優勢在于騰訊的社交數據：一方面通過和微信結合推出微信支付，和QQ結合推出QQ錢包，用社交的方式帶動金融；另一方面通過社交數據及用戶在銀行的資產數據來判定用戶的信用情況。

不過，由于缺乏用戶在衣、食、住、行等電商、O2O、生活服務場景的數據，微眾銀行正通過加強與O2O平臺合作的方式積累用戶的消費數據，以完善平臺自身的數據風控體系。相比螞蟻金服，微眾銀行的數據優勢主要在于社交體系中的強大數據積淀。

百度金融：主動預警捕捉高危行為

互聯網金融公司在利用大數據進行風控時，大多是利用多維度數據來識別借款人的風險。與信用相關的數據越來越多地被用于借款人風險評估，借款人的信用風險被揭示得越充分，信用評分就更加接近借款人的實際風險。

百度金融主要是打通了“人+手機+設備+IP”（如手機號、身份證號、設備號、網絡賬號等）等關聯維度，基于全網行為進行監測，捕捉高危行為特征，在貸前準入方面就開始排查風險，并進行反欺詐識別，生產黑名單，對借款人的行為進行預測。在貸款后，也會對借款人的貸后行為進行跟蹤和監測，只要觸發預警規則，也會激發提醒。

其實，百度金融這種做法的邏輯和微眾銀行非常相似，思路都是找到“壞客戶”，然后降低平均風險。此前，百度金融還與中信銀行合作成立“百信銀行”，共同開發金融產品。實際上，這種做法一方面是為了獲取渠道；另一方面也是雙方互相補足征信數據的一種有效方式。此外，百度旗下的O2O業務也能為其數據積累奠定一定的基礎。

在金融業務和風險控制這兩方面，金融機構具有天然優勢。金融是一個強監管和門檻較高的行業，金融機構多年積累的風險甄別能力，以及對金融的理解和產品設計能力，是很難被互聯網公司所取代的。百度金融和中信銀行之間的合作關系無疑是百度所建立的一個強大壁壘。

網易金融：構建北斗七大風控模型

相比于螞蟻金服依靠“大而全”的數據構建風控體系，以及微眾銀行、百度金融的濾網型風控體系，網易金融更注重構建全流程的風控體系，并在關鍵節點進行風險控制。

網易北斗是網易金融構建的智能風控平臺，其風控流程和其他平臺相似，分為貸前、貸中、貸后3個部分。但網易北斗把貸前、貸中、貸后劃分得更加細致：在貸前做了獲客引流模型、反欺詐型模型及風控授信模型，構建了篩選機制；在貸中做了信貸管理模型，確定放貸的金額及調查還貸能力等；在貸后還增加了風險預警模型、云催收模型和用戶增值模型。這樣一來，一方面可以防止出現壞賬的情況；另一方面也是在判斷用戶未來的業務合作及增值空間，為后續的二次貸款做好準備。

網易金融不僅完善了平臺的風控體系，還通過和銀行、傳統金融機構合作賦能的方式釋放自身的大數據風控能力：一是做了魔鏡精準營銷服務平臺這一大數據一站式精準智能營銷系統，幫助傳統金融機構獲客及精準營銷；二是通過網易七魚這一全智能云客服專家系統，幫助傳統金融機構解決各項問題，讓銀行提升審批效率并降低成本。在獲客和解決問題的同時，網易金融的深度學習系統也在不斷提升，并且未來很可能與這些金融機構在數據方面有更多的合作。

雖然網易金融在大數據風控方面的能力和螞蟻金服有一些差異，但在2016年9月，清華大學在與網易金融建立金融科技中心的基礎上，和螞蟻金服也簽署了合作協議，使網易金融事實上與螞蟻金服在風控層面有了一些數據上的合作，這對于雙方的大數據積累及風控能力提升都將起到一定程度的幫助作用。

此外，魔鏡精準營銷服務平臺及網易七魚的云客服專家系統也體現了網易金融在智能風控領域注重實用性的一面。

京東金融：一手靠消費一手靠合作

京東主要是依靠消費金融來驅動風控，以京東商城龐大的交易數據為基礎，覆蓋了物流、用戶等京東生態體系內的所有有效數據，不斷構建大數據基礎及風控系統。

2015年6月，京東投資了美國互聯網金融公司ZestFinance，且成立名為JD-ZestFinanceGaia的合資公司，以將后者的信用模型應用于京東的消費金融體系和風控模型。京東在國內的合資風控公司也即將開業，參股公司還包括數據銀行聚合數據、個人信貸風控公司聚信立。綜觀這一系列布局，可以看出京東在通過這種合作方式不斷完善平臺自身的數據。

在京東生態圈之外，京東金融通過各種合作、投資模式，不斷獲取更多的生態數據。例如，京東金融投資了不少汽車租賃平臺，從而切入汽車后市場。另外，京東還與百安居等家裝平臺進行了合作。京東一方面是在支付、供應鏈、產品眾籌等領域和合作伙伴展開合作，另外一方面也是在通過合作、投資的方式不斷拓展到生態體系外的其他場景之中，從而豐富自家平臺的數據。

根據京東的數據統計，“投資+合作”這兩種方式已經讓其覆蓋了教育、租房、裝修、旅游、汽車等眾多消費場景，囊括了近2000家京東商城的供應商，這對于京東風控能力的提升無疑將有較大幫助。

2016年，互聯網金融行業進入了以金融科技為潮流的轉型期，技術逐漸成為平臺的核心競爭力，擁有技術和數據優勢的平臺將在行業競爭中脫穎而出。從國內主流互聯網金融企業的整體情況來看，目前各家都處于信用數據的收集期和積累期，采用用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。隨著BAT、網易、京東等平臺的持續深入，國內互聯網金融市場的環境也將不斷改善。