Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >【案例】京东金融——消费金融,一场未来大数据风控的盛宴

【案例】京东金融——消费金融,一场未来大数据风控的盛宴

作者头像
数据猿
发布于 2018-04-19 10:06:08
发布于 2018-04-19 10:06:08
3.5K2
举报
文章被收录于专栏:数据猿数据猿

数据猿导读

2014年2月,京东金融推出消费金融产品-京东白条,其主要目标人群以年轻人群为主,用户购物时通过“白条”的方式实现分期支付,且无需任何抵押物,授信额度最高为1.5w元,分期时间从3-24个月不等。

本篇案例为数据猿推出的大型“金融大数据主题策划”活动(查看详情)第一部分的系列案例/征文;感谢 亿美软通 的投递

作为整体活动的第二部分,2017年6月29日,由数据猿主办,上海金融行业信息协会、互联网普惠金融研究院联合主办,中国信息通信研究院、大数据发展促进委员会、上海大数据联盟、首席数据官联盟、中国大数据技术与应用联盟协办的《「数据猿·超声波」之金融科技·商业价值探索高峰论坛》还将在上海隆重举办【论坛详情】【上届回顾(点击阅读原文查看)】

在论坛现场,也将颁发“技术创新奖”、“应用创新奖”、“最佳实践奖”、“优秀案例奖”四大类案例奖

来源:数据猿丨投递:亿美软通

本文长度为5000字,建议阅读10分钟

近年来,在我国经济转型的战略背景下,全面推进消费能力,成为保障和拉动GDP的主要动力,有数据显示,2015年我国最终消费支出GDP贡献率达66.4%,消费成为经济增长第一驱动力。而同时,消费性贷款也在过去五年时间出现明显增长。

据中国人民银行公开数据显示,2012年我国消费性贷款规模为10.44万亿元,到2015年则上升至18.96万亿元,占我国整体信贷规模18%左右。

2016年,消费信贷规模已接近23万亿元,相比2012年增长接近120%。在过去的5年中,消费贷款正以平均每年20%以上的速度递增,预计。到2020年,消费贷款总规模有望达到30.53万亿。

在国家拉动消费的战略背景下,各地方政府相继出台扶持消费金融的优惠政策,一方面P2P、资产证券化等模式丰富了非银企业的资金来源,另一方面国内大数据风控的崛起,使其成为促进消费金融发展的有利条件,更多传统金融机构、电商、互联网金融机构纷纷涉足其中,形成了繁荣发展的景象。

京东作为中国最大的电商平台之一,2014年交易额达到2602亿元,净收入达到1150亿元,活跃用户数1.05亿元,庞大的用户群为京东提供了消费金融贷款客户源,2014年2月,京东金融推出消费金融产品­京东白条,其主要目标人群以年轻人群为主,用户购物时通过“白条”的方式实现分期支付,且无需任何抵押物,授信额度最高为1.5w元,分期时间从3­24个月不等。

此后,“白条”打通了京东体系内的O2O(京东到家)、全球购、产品众筹,又逐步覆盖租房、旅游、装修、教育、婚庆等领域,截止2016年6月份,京东白条交易额同比增长600%,月均消费金额增长97%。

随着市场的不断扩大,京东金融的风险也骤然积聚,京东金融副总裁许凌这样评价,“我们的团队需要更专注地做风控,同时我们还要控制不良率”。对于京东白条而言,一方面需要建立健全自身的风控体系,提升风控能力,综合评估用户的信用等级和风险指数,从而进行风险定价及违约概率的预判,减少因用户逾期用户欺诈等风险行为而带来的企业损失。

另一方面在强大的金融科技能力基础上,以用户为核定,围绕用户做更多的产品创新,让‘白条’进一步融入场景、提升用户金融消费体验。是京东金融业务探索的目标之一。

客户名称&投放周期

在此背景下,2016年亿美软通和京东金融签署合作协议,过去多年,京东与亿美软通在企业移动商务服务领域即为合作多年的重要伙伴。亿美始终致力于不断发展创新,多次进行产品创新与业务升级,紧密保持与客户与市场一致的成长步伐,在基于过往成功合作的经验和信任,京东在数据风控领域再一次选择亿美软通亦是水到渠成的合作。

双方对风控、征信、大数据等领域拥有一致的思考与目标,希望打破传统的封闭环境,实现资源的共享与优势的互补,充分释放各自的价值,为用户提供新型消费金融体验。

业务挑战

核心用户年轻化,稳定性何去何从

京东白条的核心用户以年轻人群为主,其中包括大学生、蓝领、农村人口,年轻家庭等,其中90后更是成为主力消费人群。在用户所选服务方面,以生活消费为目的小额、短期借贷融资服务较多。相对于这部分人群,一方面资产积累、信用痕迹有限,且多数并无央行征信记录;另一方面,该群体的稳定性、抗风险能力相对较弱。

对此,京东金融希望通过亿美软通大数据平台,在获得用户授权之后,进行多维度的实时数据分析,完善用户行为信息,解析用户稳定性,并根据用户特征,进行风险识别和差异化定价进行精准授信。

庞大流量背后的欺诈风险

“消费金融是从业者的蓝海,也是黑中介、欺诈分子的蓝海。”京东金融副总裁许凌说。

京东白条一直是很多欺诈分子眼中的一块“大肥肉”,在日常业务中,疑似恶意欺诈屡见不鲜,存在很多“套现者”、“刷单者”,甚而与“套现中介”合谋骗贷,不偿还借款,或者通过伪造、骗取信息,利用他人信息进行欺诈。

随着时间的推移,恶意用户的“欺诈经验”也在积累,他们的反侦察能力也在不断提升,不断尝试模拟正常用户的操作行为。针对日益复杂的网络欺诈威胁,京东金融一直在思考如何能有效保护消费者防止其遭受欺诈侵害。

多头借贷乱象,引发逾期忧患

根据行业数据显示,有11%的P2P类消费金融用户最近6个月时间,通过互联网渠道向10家及10家以上的机构有过申请贷款行为。在持牌消费金融或银行线上信用卡,有3­4%的用户在10家及10家以上的机构申请过贷款,这表明多头借贷在消费金融、互联网金融内非常普遍。

目前我国个人征信体系并不健全,官方对于非银行类借贷的数据统计更是空白,同时,行业内个人信贷数据的真实性、合规性,也存在考量空间。虽然在2015年京东金融已经完成对1.5亿用户的的信用统计,同时基于自身较强大的电商属性,其违约率也普遍低于行业均值。

但是面对行业这一新生乱象和危机,常规的个人银行信贷数据已经无法满足现在风控体系的需求。

风险用户的重新定义

就京东白条而言,白条贷后阶段,如何将部分还款表现差的用户转化为优质用户,是努力的一个方向。

这其中并不仅仅简单地作为一种支付工具,而是一个消费生态体系而存在,京东金融构建了“白条”的三大业务板块,而贷前、贷中、贷后的流程体系,始终以挖掘客户价值作为终贯穿的主线。

京东金融希望不仅可以有效进行风控管理,同时挖据分析出用户的潜在机会,努力将还款表现差的这部分用户群体转化为优质用户,所以发现用户更多的深层需求与更多商业机会,对于京东和亿美都是新的探索。

项目解决方案

打破边界的数据连接

在京东白条额度定制初期,是按照消费者购买产品类型、交易金额和交易次数等数据信息进行评定,不过这些维度数据并不能够对客户的信用进行直观且真实的掌握,以此进行的信用额度审批,最终结果也将缺乏客观性,因此会存在较大的客户违约风险。

亿美软通通过对超过7亿人群的行为数据深度挖掘,输出1400+的基础标签,能够全面解析用户个人基本属性、社会属性、消费行为、兴趣偏好、社交偏好,资产特征、信贷特征等维度,使用户更加立体化的实时呈现出来。

在查询过程中,亿美软通同时支持多维度数据的高效查询分析,对简单查询提供高并发处理能力,利用列存储和内存计算,实现百亿级数据分析的秒级响应,进行全面评估,进一步从而充完善其用户的信用维度。定制灵活的授信策略,减少不稳定因素而带来的信用违约风险。

同时为用户提升审批速度,营造更友好的用户体验,成为京东金融与亿美软通成功合作的共同目标。

欺诈预防

欺诈是整个消费金融行业所面临的普遍性问题,同时由于我国互联网金融相较发达国家起步晚,风控体系有待健全,因此所面临的国内外欺诈风险问题更为严峻。

在我们实际的案例中,一些欺诈分子申请地址甚至高达几十组,电话数十个,且反侦察能力很强,其中团伙作案更加专业和猖狂,他们经常变动地址、工作单位的文字表述等手段进行欺诈行为。

亿美欺诈尘埃识别引擎,引入针对地址和公司两个特定领域的智能分词索引算法,结合地址逆向解析匹配技术,实现精准的文本识别功能;,同时根据申请进件的关联性,建立近百种关联关系,通过立体关系网络,可以有效识别欺诈团伙。

同时,常规的欺诈分子会使用虚假身份进行借款,因此身份真实性识别是反欺诈的核心。身份证、银行卡、姓名、手机号四要素如果无误,欺诈概率是其他群体的1/3左右。亿美通过大数据储存用户与各种ID对应的数据库,在用户进行借贷时进行身份匹配,能够及时辨别潜在的欺诈嫌疑用户,其中包括:姓名、身份证号的实名ID,以及手机号、地址、银行卡号等准实名ID,或QQ号、微博号、设备指纹(PC或手机硬件设备编号)等的匿名ID。

亿美欺诈尘埃识别引擎帮助京东金融更为快速的发现欺诈“尘埃”,及时减少企业损失。

信贷全流程预警

亿美软通认为,企业实现风控体系并非针对风险低值的人群,而是要从贷前、贷中到贷后实现完善的风控体系闭环,采用动态定价的方法,随时调整定价情况,当发现风险情况比想象的高或者低的时候,就可以动态调整,最终一旦发生逾期预警,就可以做好催收的准备。这和京东金融的风控理念达成一致。

如何实时获取用户信贷信息,是亿美要帮助京东金融解决的主要问题。

亿美通过特有的大数据信贷挖掘技术,紧密围绕着透明度、好信度、及时度、针对性这五个信贷管理维度,综合体现用户的身份属性,还款能力,还款意愿,个人信用变迁,社交关系,公共记录信息6大综合维度。通过对用户个人基本属性,家庭,居住、工作,学历、健康情况,资产情况,消费情况,信贷历史的全面解析,综合体现还款意愿,还款能力,协助京东金融在贷前分析用户的信贷情况,对多重借贷用户更为有效全面的洞察。

同时亿美独有的信贷数据具有广泛的应用性,客观实时的反映出用户多维度的信贷行为,其中重要信息的变迁趋势,将有效的预警贷后信用恶化,贷后失联等风险行为。

其中,数据覆盖范围不仅包含银行、小额贷款公司、融资担保公司等传统金融和类金融机构的信贷信息,而且覆盖了P2P平台、消费金融公司等新兴互联网金融平台超过80%以上的信贷信息。

京东金融通过亿美信贷全流程预警引擎,有效的对用户贷前异常借贷,失信借贷,多头借贷有效防范,准确进行偿付能力评估和额度审批。在贷后失联,信用恶化等情况进行全面洞察,灵活制定还款催收策略,大大降低了用户的逾期风险,提升企业决策力。

发现更多机会

京东金融是一家积极进取且勇于实践的企业,他们希望能够在贷后环节针对原低净值用户进一步探索,发现更多机会。其中,这取决对该类用户风险的定义标准和更为实时的信用分析,对于京东金融的核心用户人群来讲,处于个人生命周期中快速成长的阶段,其个人经济能力,信用等级,消费水平,利率承受能力等每年都会发生变化。

其中,实时的信用分析,个人信息变迁数据的获取,历史信贷记录的比较都缺一不可。

亿美软通数据分析平台,可实现T+1数据更新时效,基于数据质量控制引擎,通过机器学习和人工检验的方式,交叉验证各个数据项,实现海量数据的实时更新,保证其数据鲜活与完整,将极大帮助京东金融实现实时的分析用户信用表现分析,了解其信用变迁趋势,及历史信用等问题。

使用效果

京东金融与亿美软通的持续合作,双方在各自领域均有更多的收获,通过亿美的大数据风控引擎,京东金融其数据维度得到更好的补充,尤其在用户行为方面数据的深度挖据与应用方面,使京东金融全面的了解客户个人画像,目前已成为其对主要目标用户进行稳定性的评估提供了重要数据依据。

针对授信前的的审核工作,通过亿美的个人信贷全流程预警和欺诈识别引擎,可以发挥其卓越的优势。在对某个被驳回的用户分析中,我们发现该用户提交的信息真实可靠,同时多维度的的行为也异常稳定,社会关系良好,其名下还有拥有大额固定资产,无不良记录,更多的信息表示该用户都是优质客户。

不过在信贷分析中,我们发现该用户6个月内在多平台借贷申请借款次数高达28次,其中逾期次数也有数十次,欠款金额高达数十万人民币,同时其名下的固定资产在申请后的第二天发布与网络平台,正在进行公开出售。经过进一步的分析,我们还发现了他的家庭成员有涉毒记录,从而触发了预警。

亿美实时洞察到的这些信息,帮助京东金融贷前第一时间了解到用户的真实情况,及可能存在的风险类型,大大减少了贷后违约逾期的比例和恶性损失。

同时,亿美风控在广覆盖的基础上,在获得用户充分授权后,能够更加精准的洞察用户深度的个人数据,例如,身份变化,资产变化,生活环境变化,人际关系变化等,了解贷后用户的异常行为,账动等特殊信息,帮助京东金融,提前预警能力,增强其风控实力。

公司介绍:

亿美软通,国内领先移动商务服务与数据服务企业.至今服务全球45w家企业。亿美2005年“卖三次”的商业模式中,即提出数据服务的经营理念,在2014年,亿美软通全资并入A股上市公司深圳市银之杰科技股份有限公司,成为集团互金战略体系的数据中心。开启数据服务时代。

亿美软通大数据服务平台,基于对大数据和数学算法的开创性使用,智能整合高价值数据资源,全面洞悉用户360°用户画像。为企业在风险管理、欺诈预防、优化运营,客户管理方面,提供合规的数据应用产品及解决服务方案,满足严格的政府法规要求。帮助企业最大程度地提高数据灵性、加快部署速度,降低风控成本,建立更具盈利性的客户关系。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-06-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数据猿 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
2 条评论
热度
最新
网安之路要开始了
网安之路要开始了
111举报
是滴
是滴
回复回复点赞举报
推荐阅读
编辑精选文章
换一批
【金融数据】消费金融:大数据风控那点事?
大数据风控同传统风控在本质上没有区别,主要区别在于风控模型数据输入的纬度和数据关联性分析。据统计,目前银行传统的风控模型对市场上70%的客户是有效的,但是对另外30%的用户,其风控模型有效性将大打折扣。 大数据风控作为传统风控方式补充,主要利用行为数据来实施风险控制,用户行为数据可以作为另外的30%客户风控的有效补充。大数据风险控制的作用就是从原来被拒绝的贷款用户中找到合格用户,识别出已经通过审核的高风险客户和欺诈客户。 一、银行信用风险控制的原理 金融行业中,银行是对信用风险依赖最强的一个主体,银行本质
陆勤_数据人网
2018/02/28
4.1K0
金融科技&大数据产品推荐: 数美金融风控—构建立体的全业务流程风控体系
金融科技&大数据产品推荐: 数美金融风控—构建立体的全业务流程风控体系
数据猿
2018/04/24
2.8K0
金融科技&大数据产品推荐: 数美金融风控—构建立体的全业务流程风控体系
【ArchSummit干货分享】个推大数据金融风控算法实践
众所周知,金融是数据化程度最高的行业之一,也是人工智能和大数据技术重要的应用领域。随着大数据收集、存储、分析和模型技术日益成熟,大数据技术逐渐应用到金融风控的各个环节。个推作为专业的数据智能服务商,拥有海量数据资源,在智慧金融领域也推出了相应的数据解决方案-个真,为金融客户提供智能反欺诈、多维信贷风险评估和高意愿用户智能筛选等全流程的数据服务,助力各金融机构全面提升风控能力。本文将围绕大数据风控,结合个推实践,介绍金融风控机器学习的基本流程、算法实践和产品化建设等内容。
个推君
2019/07/31
1K0
【ArchSummit干货分享】个推大数据金融风控算法实践
【案例】某银行信用卡中心——大数据反欺诈应用案例
数据猿导读 2003年以来我国经济的快速增长,国内信用消费环境的日趋成熟,我国信用卡市场近几年得到了爆炸性的大发展。根据中国银行业协会统计,信用卡欺诈损失排名前三类型为伪卡、虚假身份和互联网欺诈。 本
数据猿
2018/04/19
5.7K0
【案例】某银行信用卡中心——大数据反欺诈应用案例
信贷风控模型搭建及核心风控模式分类
一、当前风控模式现状 近年来,信用风险管理发展呈现出数据化、模型化、系统化、自动化和智能化的特点。传统的人工专家经验正逐步被模型与算法替代。 因此,科技较为领先的金融服务公司会选择采用模型方式完成对借款人的自动评估与审批。目前,对于信贷审核来说主要基于的风控模式为IPC、信贷工厂、大数据三种,每一种都有自己不同的侧重点。 二、最核心的风控模式分类 1.IPC模式 IPC模式起源于德国邮储银行,该模式重视实地调查和信息验证,主要通过对客户经理调查走访、信息交叉验证等方面。需要对客户经理进行至少2个月以上的专业技术培训,提升客户经理辨别虚假信息能力和编制财务报表的技能,从而防范信用风险。 IPC公司信贷技术的核心,是评估客户偿还贷款的能力。主要包括三个部分:一是考察借款人偿还贷款的能力,二是衡量借款人偿还贷款的意愿,三是银行内部操作风险的控制。每个部分,IPC都进行了针对性的设计。 这种模式主要运用于数据缺失、不具备财务管理环境、银行流水不完整,信用记录空白等的小微企业,其中,信贷员负责整个过程,从接受客户的申请到信用检查、现场信用、风险评估再到匹配贷款、付款催收和逾期付款。对信贷员的专业技能要求较高,信贷员对贷款全流程把关,一定程度上确保了项目的真实性。但又因为是以信贷员为核心,以信贷员的判断为依据,有一定的操作风险与道德风险。 2.信贷工厂模式 信贷工厂模式是新加坡淡马锡控股公司(Temasek Holdings)为解决小微企业信贷流程的弊端,推出了一种改善小微企业信贷流程的“信贷工厂”模式,“信贷工厂”意指银行像工厂标准化制造产品一样对信贷进行批量处理。 具体而言,就是银行对中小企业贷款的设计、申报、审批、发放、风控等业务按照“流水线”作业方式进行批量操作。在信贷工厂模式下,信贷审批发放首先要做到标准化,每个流程都有确定的人员分工,如客户经理、审批人员和贷后监督人员专业化分工。并且为了监控风险采用产业链调查方法,从不同角度对借贷企业进行交叉印证。 信贷工厂模式的特点是效率高,可以进行量化审核。过程之间环环相扣,对每个环节都有专人把控具体的把控。正因为这样,意味着需要消耗大量的人力成本,每个流程都需要对口的人员做支撑。 3.大数据模式 大数据风控模式是指通过对海量的、多样化的、实时的、有价值的数据进行采集、整理、分析和挖掘,并运用大数据技术重新设计征信评价模型算法,多维度刻画信用主体的“画像”,向信息使用者呈现信用主体的违约率和信用状况。 大数据模式是基于互联网的兴起,该模式利用互联网数据的连通性,对触及到的风险的数据进行筛选,大大减少了人工审核的时间成本,同时也保证了数据结果的真实性。 三、P2P公司个人信贷评分卡模型 我们先讨论下如何从实际业务出发,以怎样的开发流程才能建立一个有效、有用、有价值的模型,希望读后能给你一定的启发。
全栈程序员站长
2022/08/14
2.7K0
金融科技&大数据产品推荐:百融信贷决策审批系统
金融科技&大数据产品推荐:百融信贷决策审批系统
数据猿
2018/04/24
2.6K0
金融科技&大数据产品推荐:百融信贷决策审批系统
华傲技术金融中心负责人胡吉友:数据淘金,消费金融时代的苦口良药
数据猿导读 这是属于消费金融的时代。在大数据技术与金融科技的驱动下,消费金融的市场容量正以前所未有的速度扩张。越来越多企业积极发力消费金融市场,这里面不乏银行机构、小贷公司、互联网巨头、金融科技公司、
数据猿
2018/04/24
8980
华傲技术金融中心负责人胡吉友:数据淘金,消费金融时代的苦口良药
金融科技&大数据产品推荐:易鑫大数据风控平台
金融科技&大数据产品推荐:易鑫大数据风控平台
数据猿
2018/04/25
2.9K0
金融科技&大数据产品推荐:易鑫大数据风控平台
【钱塘号专栏】揭秘互联网金融的大数据风控
大数据能够进行数据变现的商业模式目前就是两个,一个是精准营销,典型的场景是商品推荐和精准广告投放,另外一个是大数据风控,典型的场景是互联网金融的大数据风控。 金融的本质是风险管理,风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。 传统金融的风控主要利用了信用属性强大的金融数据,一般采用20个纬度左右的数据,利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据纬度为十个左右,包含年龄、职业、收入、学历、工
钱塘数据
2018/03/02
1.1K0
风控数据体系-简介
早期传统金融的风控主要利用了信用属性强大的金融数据,一般采用20个维度左右的数据,利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据维度大概在十个左右,包含年龄、职业、收入、学历、工作单位、借贷情况、房产,汽车、单位、还贷记录等;而互联网金融公司在利用大数据进行风控的同时,会根据需求利用多维度数据来识别借款人风险,维度包括不限于:社交类数据、消费类数据、行为类数据、多源银行账户数据等。
数字悠客
2020/06/29
4.5K0
金融科技&大数据产品推荐:享宇金服-智能金融云
金融科技&大数据产品推荐:享宇金服-智能金融云
数据猿
2018/04/19
3.1K0
金融科技&大数据产品推荐:享宇金服-智能金融云
电商社交数据在大数据风控的应用实践
投稿来自卧龙大数据(公众号:DataWoLong) 大数据文摘欢迎各类优质稿件 请联系tougao@bigdatadigest.cn 随着普惠金融业务的深入,以及消费金融业务竞争的白热化,针对信用白户的风控显得尤为重要。如何面向信用白户进行快速有效的信用评级,卧龙大数据根据自己的实践经验,就电商、社交数据在风控上的应用价值与大家进行一些分享。 一、电商社交数据的数据覆盖度: 卧龙和众多不同类型金融机构进行了数据匹配测试,下图为各类金融机构的互联网行为数据整体匹配情况。 可以看出: 传统的农商行主要面对线
大数据文摘
2018/05/25
1.6K0
2017年大数据风控报告
2017年大数据风控报告:金融科技重塑银行风控,大数据反欺诈和信用评分模型助力银行信贷业务。报告分析了大数据在金融风控领域的应用,包括反欺诈、信用评分模型、风险识别等。同时,报告也介绍了国内企业征信市场的发展情况,包括信用评分模型、风险识别等方面的应用。
企鹅号小编
2017/12/25
2.2K0
风控中的大数据和机器学习
本篇文章只关注个人信用借款的风控。抵押贷,企业贷不在讨论范围中。 ◆ ◆ ◆ 1. 风控的意义 何为风控?字面含义就是对于风险的控制从而使财务不受到损失。对于任何一家金融机构(包括银行,小贷,P2P等)来说,风控的重要性超过流量、体验、品牌这些人们熟悉的指标。风控做得好与坏直接决定了一家公司的生与死,而且其试错成本是无穷大的,往往一旦发现风控出了问题的时候就已经无法挽回了。截止到2015年底,全国总共3000多家P2P平台里超过三分之一已经倒闭。这其中除了一部分明显的自融欺诈外,大多数平台垮掉的原因还是风
大数据文摘
2018/05/24
9870
【钱塘号专栏】BAT、网易、京东等是怎么做大数据风控的?
本文作者:蹲在角落数蝈蝈 大数据风控目前应该是前沿技术在金融领域的最成熟应用,相对于智能投顾、区块链等还在初期的金融科技应用,大数据风控目前已经在业界逐步普及,从BATJ这样的大企业,到交易规模比较大的网贷平台,再到做现金贷、消费金融的创业公司,都在通过大数据风控技术来控制贷款规模扩张中的风险。 现在提到互联网金融、Fintech,首先想到的就是大数据风控。随着网易北斗大数据风控平台的上线,业内包括BAT、网易在内的主要国内互联网巨头都开始在大数据和金融衍生应用领域进入了金融科技化阶段,和互联网金融第一阶
钱塘数据
2018/03/02
1K0
大数据应用于P2P风控领域
一、大数据风控——互联网金融的命脉 近几年,大数据已经撼动了世界的方方面面,从商业科技到医疗、政府、教育、经济、人文以及社会其他各个领域;数据成了有价值的公司资产、重要的经济投入和新型商业模式的基石。 有人曾把大数据比喻成“新时代的石油;业界也有句话叫,得数据者得天下。现如今,在大数据时代下,数据比以往任何时候都更加根植于生活中的每个角落。试图用数据去解决问题、改善福利,并且促成新的经济繁荣等等。以上这些在互联网金融业尤为突出。 (一)大数据风控已成为互联网金融核心环节 早在1980年,著名未来
小莹莹
2018/04/20
1K0
量化派基于Hadoop、Spark、Storm的大数据风控架构
量化派是一家金融大数据公司,为金融机构提供数据服务和技术支持,也通过旗下产品“信用钱包”帮助个人用户展示经济财务等状况,撮合金融机构为用户提供最优质的贷款服务。金融的本质是风险和流动性,但是目前中国对于个人方面的征信行业发展落后于欧美国家,个人消费金融的需求没有得到很好的满足。按照央行最新数据,目前央行征信中心的数据覆盖人口达到8亿人[1],但其中有实际征信记录的只有3亿人左右,有5亿人在征信系统中只是一个身份证号码。此外,我国还有5亿人跟银行从来没有信贷交易关系,这5亿人对金融部门来说是陌生人。这样算下来
用户1737318
2018/06/05
1.3K0
金融科技&大数据产品推荐:蜜蜂+蜜罐报告——基于互联网大数据的风控技术服务平台
金融科技&大数据产品推荐:蜜蜂+蜜罐报告——基于互联网大数据的风控技术服务平台
数据猿
2018/04/19
1.9K0
金融科技&大数据产品推荐:蜜蜂+蜜罐报告——基于互联网大数据的风控技术服务平台
聚信立创始人兼CEO罗皓:新金融公司60%的损失是被骗走,大数据风控成互金领域“定心丸”
聚信立创始人兼CEO罗皓在会上表示,随着政策的开放,国民消费习惯的改变以及金融机构的不断涌现,这给大数据风控提供契机的同时也伴随着大挑战,比如:如何满足这些没有信用记录的新型消费者并对其进行风险控制
数据猿
2018/04/19
8610
聚信立创始人兼CEO罗皓:新金融公司60%的损失是被骗走,大数据风控成互金领域“定心丸”
从大数据征信看银行风险控制创新
数据将是未来银行的核心竞争力之一,这已成为银行业界的共识。在大数据时代,银行所面临的竞争不仅仅来自于同行业内部,外部的挑战也日益严峻,互联网、电子商务等新兴企业在产品创新能力、市场敏感度和大数据处理经
灯塔大数据
2018/04/10
1.3K0
从大数据征信看银行风险控制创新
推荐阅读
相关推荐
【金融数据】消费金融:大数据风控那点事?
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档