1703654015
一、欺诈监测
1703654016
1703654017
互联网个人信贷创新模式追逐的是快捷、便利、高效的目标，提高客户满意度的同时，也给欺诈带来了可乘之机。不法分子只需要通过点击鼠标就可以批量地向金融机构申请贷款，采用图像处理技术可轻易制造虚假材料，欺诈的成本大大降低，欺诈现象更加普遍。
1703654018
1703654019
欺诈能够成功的主要原因之一就是信息不对称，当金融机构拥有大量的外部数据，采用第三方信息验证、电话核实、反欺诈排查等手段可大幅度降低欺诈比例。当掌握数据信息足够多时，金融机构可以对客户说“比你自己都了解你”。例如，通过户籍数据可以了解你的家庭情况；通过学历数据可以了解你的教育情况；通过中国人民银行征信数据可以了解你的贷款情况；通过电信运营商数据可以了解你的联系人信息；通过房屋中介数据可以了解你的居住房产信息；通过电子商务数据可以了解你的消费信息……当数据积累的维度和深度足够且能够很好地整合时，就能提升对欺诈的防范能力。
1703654020
1703654022
二、信用风险评估
1703654023
1703654024
互联网金融创新的快捷、简化、纯信用的特点同样对信用风险评估提出了挑战，申请快捷要求贷款审批系统化、自动化，降低人工审批的比重，简化材料导致更严重的信息不对称，而纯信用又对客户风险评估的准确性提出更高的要求，以上特点决定了创新模式下需从多维度获取客户信息，并以风险计量技术为基础实现风险管理。
1703654025
1703654026
传统风险计量主要采用申请信息、中国人民银行征信等信息开发信用评分模型以及风险规则。大数据下风险计量技术将突破传统的限制，在数据方面将会融入大量的非传统数据，和传统数据进行结合，更全面地评估贷款人的信用情况。在风险计量技术方面将会出现新的突破，不再受限制于Logistic（逻辑）回归、决策树等成熟的统计方法，新型的模型技术将在实际业务中得到有效应用，从而实现全面、准确评估客户风险的目的。
1703654027
1703654029
三、风险预警
1703654030
1703654031
所谓风险预警，指提前发现未来会爆发的风险。提前发现与预警，金融机构才能采取针对性的措施，及时控制损失。大数据在风险预警方面有着得天独厚的优势。例如，电商平台拥有商铺每个月的交易信息、用户评价信息、浏览信息、收藏信息等。商铺的还款能力源于经营，经营情况可由评价、浏览、收藏等信息综合评估。因此在整个链条中，跟踪每一节点的异动，从而实现风险的提前预警，而不需要等待违约的真正发生。
1703654032
1703654033
另外，大数据在了解借款人共债问题上也提供了途径。银行等传统金融机构解决共债问题的主要途径是通过中国人民银行征信报告了解借款人在其他机构的贷款情况。对于很多创新型金融机构来说，现阶段并不能获取到中国人民银行征信报告，也无法将客户违约的情况接入中国人民银行征信系统中。目前，中国人民银行征信系统拥有全国大概8亿人的报告档案，但其中3亿人存在信贷账户信息不足，大量个人及小微企业主存在民间借贷或其他无法体现在央行征信报告中的信贷行为。可通过互联网获取更多维度的信息，如通过借款人的联系人、社交圈等的关联分析，或借款人在互联网上关注、浏览的贷款信息，社交网络中的贷款推销人员等方面，辅助共债情况的判断，让风险预警体系更具实时性与智能化的特征。不同来源的数据之间的互证冲突，提炼为策略，直接写入实时监控体系，使得大数据快速更新，实时地为风险监控体系提供输入，令风险异动在第一时间反馈出来。另外，基于机器学习，对每位信贷申请人的广泛来源的数据进行分析、归类与整理，建立借款人档案，对异常行为模式做出预警。
1703654034
1703654036
四、逾期客户管理
1703654037
1703654038
客户发生违约之后的管理是风险全流程管理中非常重要的一个环节，是实现闭环管理和风险指标控制的关键。大数据对于逾期客户管理主要体现在以下三个方面：一是优化催收策略；二是客户信息丰富化；三是触达方式的多样化。
1703654039
1703654040
催收策略主要由催收方式和计量工具两大部分构成，由计量工具来决定客户的分类，根据客户分类决定所采用的催收方式。大数据为完善计量工具、提高计量模型的精准性提供了一种可能性。另外，大数据也衍生出新兴的催收方式。传统的催收方式包括信函、短信、电话、上门、司法等。而通过大数据可获取客户的微博微信等新兴社交工具，增加了客户触达方式，从而丰富催收方式。
1703654041
1703654042
客户失去联系而无法触达称之为失联，触达客户是催收的基本前提，否则就谈不上催收了。目前金融机构面临的失联主要是指利用内部系统中存储的联系方式没有办法联系到客户，但是如果获取到第三方数据，可以对客户联系方式进行补充和修复。例如，电信运营商和电子商务的数据，会对失联客户联系信息的修复起到非常重要的作用。
1703654043
1703654045
五、征信服务
1703654046
1703654047
传统征信数据主要以中国人民银行征信数据为代表，主要记录贷款客户的个人信息、工作信息、居住信息、贷款信息、查询信息等，是银行业衡量客户风险的重要依据。但随着大数据的兴起，金融从业者意识到客户的互联网行为数据、电信运营商数据等拥有巨大的价值，对全面进行客户的风险评估、营销响应等都有非常大的帮助。需求创造生产力，征信行业随之成为热点，涌现出不同形式的以互联网数据为基础的征信服务。一类征信业务主要进行真实性核查。利用数据收集的优势，对数据进行简单的整合、统计和多方匹对，从而提供校验真实性的服务。另一类征信业务是在数据收集、整理的基础上，拥有对数据强大的处理能力和业务背景，能够挖掘出数据的潜在价值，建立评估模型和策略，提供信用评分的服务。这两种方式都是中国人民银行征信系统的有力补充，对金融创新业务的发展起到了很好的扶持作用。
1703654048
1703654049
[1]石现升．中国互联网金融报告（2014）［R］．2014．
1703654050
1703654051
[2]360互联网安全中心．中国移动支付安全报告［R］．2014．
1703654052
1703654053
1703654054
1703654055
1703654057
互联网信贷风险与大数据：如何开始互联网金融实践 第二章 风险管理概述
1703654058
1703654059
在金融行业新的发展阶段里，信贷业务仍旧是在经营风险、管理风险。而风险本身在创新业务中并未发生实质的变化。不过，在互联网和大数据时代，信贷业务面临的主要风险类型可能发生变化，管理风险的方式和手段也更为多样化。伴随着业务模式的不断创新，风险管理也在进行着持续创新，对于风险的理解和认识也同样被提到了新的高度。
1703654060
1703654061
1703654062
1703654063
[
上一页 ]
[ :1.703654014e+09 ]
[
下一页 ]