京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25