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
在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 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 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 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 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20