
“大数据+金融”:重塑金融风控模式
近年来,互联网金融发展的“一日千里”给传统的金融风控体系带来了挑战,金融诈骗已经成为金融领域的一大公害,金融欺诈活动网络化、团队化、专业化明显,且欺诈的频次和金额正不断攀升,P2P、保险等领域已经成为金融欺诈的重灾区。针对于此,在10月20日召开的金融大数据信息服务商百融金服B轮融资暨战略发布会上,百融金服宣布成立百融反欺诈联盟,100多家机构参加了百融反欺诈联盟成立仪式,成为联盟首批成员单位。反欺诈联盟旨在以积极、开放、合作的心态,建立统一的反欺诈平台,以更加整合的大数据弥补割裂的信息孤岛所带来的缺陷。
“大数据反欺诈或可为金融安全构筑可靠防线。百融金服将免费提供千万量级的特殊名单库供联盟成员查询使用,帮助联盟成员更好地利用大数据,从多维度进行风险监控与分析,最大限度降低运营风险,提高投资者的资金安全。”百融金服CEO张韶峰在会上表示。
据悉,作为最早进入金融领域的创新型大数据公司之一,成立于2014年3月的百融金服依托大数据技术及来自互联网、金融机构、线下零售、社交、媒体、航空、教育、运营商、品牌商等多维数据源,创新性地为信贷、保险、投资理财等行业和企业提供精准营销、反欺诈、贷前信审、贷后不良资产管理等服务,助力金融客户提升整体运营管理水平。目前,百融金服已经和包括建设银行、招商银行、光大银行、兴业银行、浦发银行、华夏银行、北京银行、中银消费金融、捷信消费金融、人人贷和人人有信、搜易贷、你我贷、手机贷、中腾信等250余家金融机构达成合作,同时,与包括中国人保、中国人寿、太平洋保险、新华保险、中华保险在内的多家大型财寿险公司进行测试与合作。
不仅是反欺诈,对于目前金融企业普遍关注的信用评估问题,大数据风控的价值也在逐渐凸显。
众所周知,目前我国征信体系尚处于发展初期,金融机构在对个人进行信用评分时,几乎完全依赖于人民银行征信中心掌握的个人信用记录,而人民银行的征信系统目前收录的主要是来自银行的信贷记录,只覆盖了中国14亿人口中3亿人的信用记录,这意味着我国总人口的80%依然没有信用记录。当下,个人信用评估数据的匮乏严重制约了我国金融业尤其是普惠金融、互联网金融的健康有序发展。
大数据技术的日趋成熟让金融机构看到了个人征信的另一种可能性,即利用非金融领域的数据为金融机构提供用户信用评估。大数据技术可以对人口统计数据、消费数据、网站行为数据、社交数据、金融数据等结构化以及非结构化数据进行挖掘和关联性分析,给出相应信用评分,为金融机构提供信用参考。与此同时,大数据征信收集的信息面宽,可以覆盖很多无法被人行征信中心覆盖的学生、工人、农民、个体工商户等群体,让更多的人可以拥有一份全面的个人征信报告,进而能够享受到普惠金融带给每个个体的切实利益。
记者了解到,这种价值目前已在金融机构的传统业务应用中起到了明显作用。例如,百融金服为某领先P2P公司提供风险评估,将该企业的不良率降低到以前的1/2。与此同时,光大银行信用卡中心总经理戴兵在会上介绍,与百融金服等大数据供应商的合作,使得该行得以更快地获取客户的违约情况和偏好,提高银行自身的审批处理效率,促使银行违约率下降,且对客户的偏好有了更精准的判断。
“在没有大数据之前,我们选择客户主要依赖人民银行的征信数据,但有些客户在人民银行是没有相关信贷数据的,从银行的角度来说,这就很难辨别。而百融金服提供的一些互联网信息,为我们去评价一个客户起到了很好的帮助作用,这便使得有些以前会被拒绝的客户成功申领了信用卡。与此同时,与金融机构自身的交易数据相比较,这些大数据公司的数据量会更宽泛,我们能够以此更好地识别客户偏好,有助于为其提供更精准的服务。在规模批量运营的情况下还能进行个性化的服务,这就是我们多方合作最终的目标。”戴兵表示。
除了获客通道被打开,利用大数据风控技术助力金融机构不良资产管理也在积极探索中,其主要思路是打破传统的催收运营模式,降低催收成本,在一定程度上化解金融机构当前的不良资产。“作为最早将大数据技术应用到清收行业的企业,百融金服利用大数据清收帮助金融机构更好地管控个人信贷业务逾期风险,通过百融大数据资产增值服务平台为金融机构提供资产处置、资产托管以及资源整合的全方位服务,全面提升金融机构不良资产价值。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08