大數(shù)據(jù)風(fēng)控同傳統(tǒng)風(fēng)控在本質(zhì)上沒有區(qū)別，主要區(qū)別在于風(fēng)控模型數(shù)據(jù)輸入的緯度和數(shù)據(jù)關(guān)聯(lián)性分析。商業(yè)銀行的智能風(fēng)控解決方案大數(shù)據(jù)風(fēng)控的優(yōu)勢是顯而易見的，但打造大數(shù)據(jù)風(fēng)控的能力卻并不容易，尤其對于傳統(tǒng)商業(yè)銀行來因為缺少互聯(lián)網(wǎng)基因，在零售信貸領(lǐng)域頻頻受到挑戰(zhàn)。

1、現(xiàn)在很多機構(gòu)都說是智能風(fēng)控、大數(shù)據(jù)風(fēng)控，能否通俗的解釋下？

謝邀，大數(shù)據(jù)風(fēng)控使普惠金融成為可能，傳統(tǒng)風(fēng)控模式審批流程長，作業(yè)成本高，致使很多傳統(tǒng)金融機構(gòu)沒有興趣服務(wù)小額借款人。而大數(shù)據(jù)風(fēng)控全流程線上，能夠?qū)崿F(xiàn)“小額大量”的快速作業(yè)，規(guī)模效應(yīng)形成規(guī)模收益，大數(shù)據(jù)風(fēng)控的應(yīng)用使得金融機構(gòu)降低壞賬率的同時，借款人的融資成本也大幅降低。真正實現(xiàn)了“普及”和“優(yōu)惠”，大數(shù)據(jù)風(fēng)控可以說就是為普惠金融而生的。

實操中，大數(shù)據(jù)風(fēng)控就是以大數(shù)據(jù)風(fēng)控建模的方式來審批借款，主要包括三方面。一是基本信息的判斷即判斷“你就是你”，而不是冒用別人身份的欺詐行為，在傳統(tǒng)風(fēng)控模式下，判斷是否本人貸款主要靠“面簽”，借款人要到金融機構(gòu)的網(wǎng)點，現(xiàn)場接受審核。在大數(shù)據(jù)風(fēng)控模式下，活體識別技術(shù)的應(yīng)用就解決了這個問題，對著手機張張嘴、眨眨眼，金融機構(gòu)就能夠基本判斷借款用戶的身份真實性。

二是還款能力的判斷還款能力主要由收入水平?jīng)Q定，在傳統(tǒng)風(fēng)控模式下，金融機構(gòu)會要求你提供收入證明，甚至是銀行流水，但大數(shù)據(jù)風(fēng)控有更多的維度可以進行更準(zhǔn)確的判斷，例如電商背景的小貸公司在給C端客戶貸款時，會根據(jù)客戶的歷史購買行為來推斷用戶的收入水平，外賣平臺背景的小貸公司在給B端商戶貸款時會根據(jù)該商戶的外賣流水來推斷營業(yè)收入，

三是還款意愿的判斷在還款能力充足的情況下，還款意愿差一般包括欺詐和信用意識差這兩種情況。反欺詐工作主要基于白名單和黑名單，白名單就是“好人名單”，這個名單內(nèi)的就可以批貸；黑名單就是“壞人”名單，這個名單內(nèi)的就拒貸。黑白名單的確定主要依靠的就是評分卡，高于某個閾值就進白名單，低于某個閾值就進黑名單，而評分卡的有效性主要依靠的是大量的數(shù)據(jù)積累。

除此之外，各家金融機構(gòu)由于數(shù)據(jù)來源的不同，在大數(shù)據(jù)風(fēng)控具體建模方面，還應(yīng)用了很多差異化的策略，例如通過獲取設(shè)備數(shù)據(jù)（一般是手機），來判斷用戶是否為批量操作借款，或者通過人工智能分析用戶的APP操作數(shù)據(jù)進而對用戶的欺詐風(fēng)險進行評分等，商業(yè)銀行的智能風(fēng)控解決方案大數(shù)據(jù)風(fēng)控的優(yōu)勢是顯而易見的，但打造大數(shù)據(jù)風(fēng)控的能力卻并不容易，尤其對于傳統(tǒng)商業(yè)銀行來說，因為缺少互聯(lián)網(wǎng)基因，在零售信貸領(lǐng)域頻頻受到挑戰(zhàn)。

但挑戰(zhàn)也是機遇，在轉(zhuǎn)型零售銀行，創(chuàng)新金融服務(wù)的過程中，很多銀行選擇與數(shù)據(jù)科技公司合作，由成熟的智能風(fēng)控方案供應(yīng)商提供高效的解決方案，在大數(shù)據(jù)風(fēng)控方面，京東數(shù)科以金融科技為驅(qū)動力，深度契合場景，提供全流程風(fēng)控解決方案，專業(yè)風(fēng)控團隊提供全面咨詢支持，覆蓋貸前反欺詐、貸前審核、貸中、貸后持續(xù)監(jiān)控，AI催收等，為商業(yè)銀行金融場景輸出智能風(fēng)控分析服務(wù)。

2、大數(shù)據(jù)風(fēng)控用了什么模型？有效性如何？

大數(shù)據(jù)風(fēng)控模型主要包括：反欺詐模型、二元好壞模型、資產(chǎn)包風(fēng)控模型等，其有效性主要包括以下三個方面：1、有效提高審核的效率和有效性：引入大數(shù)據(jù)風(fēng)控技術(shù)手段分析，通過多維度的信息分析、過濾、交叉驗證、匯總，可以形成一張全面的申請人數(shù)據(jù)畫像，輔助審核決策，可以提高審核的效率和有效性。2、有效降低信息的不對稱：引入大數(shù)據(jù)風(fēng)控技術(shù)手段分析，通過多維度的信息分析、過濾、交叉驗證、匯總，可以形成一張全面的申請人數(shù)據(jù)畫像，輔助審核決策，可以提高審核的效率和有效性，

3、有效進行貸后檢測：通過大數(shù)據(jù)技術(shù)手段對貸款人進行多維度動態(tài)事件（如保險出險、頻繁多頭借貸、同類型平臺新增逾期等）分析，做到及時預(yù)警。大數(shù)據(jù)風(fēng)控同傳統(tǒng)風(fēng)控在本質(zhì)上沒有區(qū)別，主要區(qū)別在于風(fēng)控模型數(shù)據(jù)輸入的緯度和數(shù)據(jù)關(guān)聯(lián)性分析，據(jù)統(tǒng)計，目前銀行傳統(tǒng)的風(fēng)控模型對市場上70%的客戶是有效的，但是對另外30%的用戶，其風(fēng)控模型有效性將大打折扣。