京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据风控不仅是黑名单
提到金融就离不开风控,风控可以说是金融机构的生命线,对于追求普惠与效率的互联网金融更是如此。正如同盾科技的合作伙伴红岭创投董事长在1月8日举行的2016中国(杭州)“互联网+”金融大会上所说的那样:“作为互联网金融企业首先要重视风险控制,没有控制就没有发展,做得越大倒得越快。”
作为专注于大数据反欺诈领域的同盾科技,对于风控有着自己专业的见解。
黑名单是风控基本要素 而联防联控是保证
黑名单用户,顾名思义,是历史上存在不良信用记录的人群,比如有过信用卡逾期、贷款逾期的用户。对于黑名单用户,金融机构通常会拒绝或者限制其之后的信贷申请。使用黑名单来做预防,是最基本的风控手段之一。
同盾的黑名单库包括但不局限于银行信用卡不良用户、小贷不良用户、P2P不良用户、法院失信执行名单、恶意电信欠费用户、恶意网络行为、盗卡、敲诈勒索等等,总得来说,不要进入同盾的黑名单哦……
有了黑名单,还只是第一步,如何利用互联网技术与大数据处理方式使用好这些黑名单,才是反欺诈与风控供应商应该去思考的问题。单纯依靠黑名单来做风控,始终都是事后风控的模式,已经无法适应快速决策的互金时代,如果将黑名单与风控划上等号,在同盾看来,会意味着不可持续与片面,而同盾通过模型的实时分析、预测将风险的发现不断提前。
“互联网+”金融时代,除了带来了普惠金融之外,更是提升了金融行业的时效性。在传统金融时代,金融机构判断是否将贷款批复给借款人,往往需要一个较长的周期来完成必要的风控指标校验。但在互联网金融时代,这个判断则是在秒之间完成,这是同盾作为反欺诈供应商,一直在大数据处理能力上在做的努力,从技术和数据处理能力上提升。
同盾是如何做到这一点的?首先同盾有着国内一流的风控模型训练团队,在大数据处理分析、风控模型调优、反欺诈等方面身经百战,同盾风控团队为两千余家客户不断调优适合各家平台自身的风控模型;其次,同盾与国内一千多家公司建立了商务合作,系统通过接口实时对接,这其中包含800多家互联网金融公司,据媒体排名,国内排名前50的P2P平台中,已有超过80%的平台与同盾合作,这保证了同盾数据的及时性,此外同盾还有一支专门收集、处理数据的专业团队;再次,同盾强大的技术背景,以云技术保证同盾将在200毫秒以内对客户请求做出响应回;另外,同盾风控团队在灰名单下功夫,何为灰名单?区别于黑名单,灰名单是同盾根据数据关联、用户行为判断、模型测试等手段得出的“危险用户”,以某互联网金融公司测试的数据为例,同盾分析所得出的灰名单用户,在半年之后,超过80%的灰名单用户成为了黑名单;最后,同盾以“裁判员”的中立立场,以联防联控为风控理念,服务各平台。
同盾科技董事长兼CEO蒋韬曾在内部邮件中说道,同盾会一直做裁判员的角色,保护客户的数据安全并承诺不做任何竞争业务。
国内最大消费金融平台捷信在成为同盾客户之后,曾以“捷信金融与同盾合作后,审核速度只需30秒”作为对外宣传方式,这也从侧面反映出,像捷信这样大体量的专业客户,对同盾在大数据反欺诈处理能力和风控水平上的认可。
黑名单和大数据处理能力,联防联控的理念,构成了同盾的第一道风控城墙。
反欺诈引领者同盾的技术专利保障
在大数据时代,欺诈分子的技术也在不断升级,仅仅是用黑名单来做风控是远远不够的。作为国内风控与反欺诈引领者,技术背景出身的同盾科技有着一套依靠技术手段建立的风控体系,为非信贷领域的客户提供如下帮助:
1、账户保护:全方位识别监测账户盗用、暴力破解、拖库撞库、漏洞利用、垃圾注册等欺诈风险;
2、接口保护:重要API接口检测及防护,降低因短信轰炸、数据爬取等恶意竞争造成的资金损失;其中反短信轰炸对客户的防护作用明显,降低恶意短信轰炸带来的损失。
3、规则引擎:同盾科技开发的强大的风险规则引擎。有了风险规则引擎就可以将不断变化的业务规则剥离出来,动态管理和修改,从而使系统变得更加灵活,适用范围更加广泛。同时,风险规则引擎可以并行运行大量的复杂规则,运作井然有序,性能优异。
4、交易保护:可以有效预防信用炒作、盗卡、信用卡套现、异常交易、三方欺诈等交易相关欺诈风险。
5、活动营销保护:可以有效预防薅羊毛、骗补贴、等专门针对O2O、电子商务领域的欺诈风险问题。
此外,在游戏、社区、网络媒体领域,同盾正不断通过技术创新研发出针对各类欺诈风险活动的产品,帮助客户抵御风险。
以技术与产品创新以适应欺诈分子不断“升级的技术”,也是同盾与行业内其他风控供应商的最大区别,这也构成了同盾第二道风控城墙,同盾已有的包括设备追踪、代理发现、团伙诈骗、模拟器识别、复杂网络等技术也已经有大量客户在使用。
信贷云风控行业解决方案 全生命周期防护
而在信贷领域,同盾提供的信贷云风控行业解决方案,目前已经有超过800家的金融客户在使用同盾的解决方案。
同盾信贷云风控行业解决方案,在资金端推出了账户保护、交易保护等方案,在资产端提供了包括:贷前、贷中、贷后的全生命周期保护服务,贷前除了提供反欺诈服务外,还提供包括实名认证、授信评分等多项功能,贷中异常跟踪也是一大特色,跟踪监测借贷人的信用恶化、多头借款,为客户避免或降低借贷风险,减少损失,此外同盾还提供了贷后催收管理、催收评分等一系列方案。
大数据风控,黑名单只是基础,如何创新地利用大数据发现更多的风险问题,为客户提供专业的产品和服务,才是正途。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 题目1 一家餐厅统计顾客的性别、年龄、消费金额等信息,在进行数据分析时,发现性别这一变量在 ...
2026-10-16核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-16核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-16一、为什么要区分这两种分布 在数据分析和统计学中,拿到一组数据后第一件事通常就是看它的分布形态。分布形态决定了你能用什么 ...
2026-10-15一、问题现象 在实际使用 Excel 透视表做数据分析时,经常会遇到这样的情况:数据源表格里明明新增了一行或一列金额数据,数据源 ...
2026-10-15核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-15一、什么是预测式发货 预测式发货(Anticipatory Shipping)是亚马逊于2013年12月获得授权的一项美国专利(专利号 US 8,615,473 ...
2026-10-14一、SQL在金融量化体系中的定位 量化投资的本质是用数据驱动决策,而数据处理贯穿量化研究的全生命周期。从原始行情数据清洗、因 ...
2026-10-14核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-14CDA数据分析师 出品 作者:李诗怡 四层结构 · 零件与房子 · 六大易错点 一、什么是指标体系 定义:指标体系是整套完整框架 ...
2026-10-13写在开头 先还原一个你大概率见过的场面。 立项会上有人说:我们得做用户画像。 于是团队关进会议室,白板写满便利贴,两小时后 ...
2026-10-13 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-10-13在统计学与数据分析研究中,相关性分析分为数值变量分析与分类变量分析两大类。针对身高、销量、分数等连续数值变量,通常采用皮 ...
2026-10-12在Power BI可视化分析体系中,常规表格仅能展示枯燥的数值数据,存在数据对比不直观、强弱规律不突出、维度交叉分析低效等问题。 ...
2026-10-12 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-10-12在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09