行业动态

了解行业最新动态,关注行业最新发展

公司动态 媒体报道 行业资讯

如何利用外部数据完善信贷风控

2017-12-15 作者: 长隐

一、信贷业务上有哪些风险,需要外部数据帮助解决什么问题


互联网金融风险主要集中在两方面。

一是欺诈风险(不打算还)。

一是信用风险(还不起)。

 

欺诈风险,简单来说就是借贷的客户本来就不打算还,是互联网金融的主要风险来源。主要表现为冒用他人身份虚假申请以及各种团伙欺诈等。

而信用风险主要来源于负债过高及逾期严重等人群,已经无能力偿还,如长期信用卡逾期、严重多头借贷等。

传统征信局的数据用法,以美国主流的个人信用评分工具FICO信用分为例,FICO评分模型主要就是围绕个人的历史借贷行为等征信类信息展开的,包括还款表现、负债情况、信贷时长等。然而中国13亿人口中,有信贷征信记录的不足4亿,但互金公司的客户中无信贷征信记录却并非少数。对于没有征信记录的人,需要依靠更多的外部数据去进行判断。

互联网金融与传统金融有很大差距,主要是源于客群的差异而导致产品形态上的不同。

目前外部的第三方数据应用会贯穿于贷前的准入和授信、贷中的预警、贷后的催收,但是应用的重点主要集中在贷前。

 

二、外部数据有哪些


用于征信的外部数据通常由场景内数据以及外部征信数据构成。

场景内数据:用户申请贷款时,需要用户提供一些申请信息,如工作信息、学历信息、收入信息等,除此之外合作的平台或场景方也可能提供部分信息,如平台的历史登录、浏览、交易等行为信息,这些数据我们称之为场景内数据。

外部数据一般泛指从第三方征信机构或合法合规的数据服务公司获得的客户信息。数据的种类方法有很多,在这里列举一些最常用的分类:

 

  • 基础信息核验(证件、手机、照片、卡号等信息比对)

  • 各机构的历史借贷信息(俗称黑灰多头)

  • 行政司法处罚案件(失信信息)

  • 各类舆情(各类贴吧、社交论坛等)

  • 反欺诈(薅羊毛、批量注册等)

  • 银行卡(要素验证、跨行交易情况)

  • 运营商(通话记录、在网时长、手机状态、月消费、换机频率等)

  • 车产(人车关联、车辆状态、车辆价值)

  • 教育(学历、学籍核验)

  • 航旅(乘机、机票等)

  • 收入资质(社保、公积金、工作单位等)

  • 物流(快递、外卖等)

  • 企业工商信息(法人高管、经营情况)

  • 地理位置(如常住地址、当前坐标核验等)

  • 网络偏好(购物、浏览、APP安装数量等)

  • 宏观数据(统计年报、月报等)


三、具体怎么用

 

以贷前申请的流程为例,各类数据可以用于以下几个方面:


  • 核实本人:一般从身份信息比对,确认申请人为其本人,也就是我们通常说的证明“你是你”。对于小额高频的信贷产品可以直接通过机器进行自动化信息核实,而对于大额产品可以机器加人工审核的方式进行。除了常规的实名验证、人像比对,如手机号、银行卡、常住地址、设备指纹等都可以作为核实的辅助手段。

 

  • 负面信息排查:在逃、吸毒、涉案;多头借贷;恶意欠贷;催收短信;信用卡逾期;欠费记录;偷税漏税。这些负面类的标签多属于强特性的判定标签,一旦命中往往会降低额度甚至是拒绝借款申请。

 

  • 反欺诈:各类黑产公司的虚拟注册、团伙欺诈,各种异常类的网络偏好(如不符合正常习惯的APP安装和使用)。这些信息相对庞大,一般会用复杂的算法去制定大量规则,命中之后以关注、拒绝为主。

 

  • 资质评估:直接收入认定可以跟银行合作拿到工资发放的流水去看其收入,也可以从社保公积金的记录中去看流水。征信认定可以去查看其房贷、车贷、信用卡授信额度。资产信息如房、车等当前价值。学历、航旅、运营商、宏观数据、工商等信息作为客户特征的一种也可以从侧面去评估客户的资质


四、总结


互金风控不仅需要长期的业务积累,还需要各类丰富多样的外部数据才能防范住千奇百怪的“邪恶力量”。

最后友情提示一下,所有外部接入的第三方数据都必须合法合规。

< 上一篇

消费金融:风控领域需要正义联盟