
消费金融风控面临三大难点,大数据、反欺诈可成解决之道
随着中国消费升级的发展和资本加持,消费信贷在中国崛起。从去年开始,场景分期和现金贷的公司开始涌现,出现了教育、医美、农业、旅游、租房、3C等多个细分场景的分期产品;而现金贷公司,也集中爆发,市面上出现上千玩家。
与此同时,与之相关的风控问题也成为当下消费金融发展面临的难点。4月15日,一本财经在中国大饭店举行2017年消费金融CRO峰会,多名业内人士就行业的破局和重塑进行了探讨。
消费金融风控存在“三大难点”
2017年,互联网金融的发展史,从P2P时代进入消费金融时代。“这是中国互联网金融发展红火的年代。”中国工商银行高级顾问、美国发现金融发现信用卡前首席信贷风控官、一本财经商学院院长张俊在峰会上提出,“未来五年,中国居民消费信贷将超过五十万亿元,而互联网消费信贷将达到一万亿元。”
市场有无限可能性,大量的消费金融公司崛起让很多从业者看到了消费金融的蓝海。但另一方面,互联网金融发展的3年,有太多野蛮的市场竞争。
中国消费金融风控面临诸多的痛点和难点。百融金服副总裁段莹表示,2015年,是各类信贷模式快速扩张的时期,而随着资产规模的扩大和竞争的加剧,各类问题将逐渐显现。比如,中国征信体系的缺失,因为缺乏诚信教育,导致欺诈手段层出不穷,大数据风控中数据的缺失和混乱等问题,都是行业痛点。
百度集团副总裁、百度金融CRO、美国运通前高级副总裁、一本财经商学院副院长王劲认为,中国消费金融风控存在“三大难点”,分别是:网上“坏人”多、多头贷款严重和找不到人。“这些情况在中国是较为普遍的,也侵扰着消费金融的风控技术,致使很多借贷行为无法圆满解决。”王劲表示。
此外,另一个业内面临的问题是风控人才的缺失。“总感觉每踏出一步都有要落空的感觉,可是又无别处可踏。”摸着石头过河,这是国内风控从业者最直观的感受。
据了解,有的才刚毕业两年的风控新兵,跳槽几次后就要价月薪3万元,但实际上的能力和风控水平,只能算刚入门者。对此,张俊说,只有培养源源不断的风控人才,才有可能打赢这场利益与欲望之战。
打造全流程的风险管理体系
针对当下风控面临的难题,从业人员也为中国消费金融风控破局提出了看法。王劲认为,风控是一门艺术,需要方方面面的雕琢,打造全流程的风险管理体系。
首先是大数据风控。捷信消费金融CRO Tomas Skoumal认为,消费金融提供的是普惠服务,覆盖的人群更多的是游离在传统征信系统之外的;另一方面,消费金融需要考虑用户体验,需要在短时间内,迅速作出判断。
“大数据在某些程度上,可以作为传统征信系统的补充,可以帮助我们核实用户提供的数据的真实性,帮助我们对客户进行‘打分’。”Tomas Skoumal称,大数据,对于金融公司而言,有三个好处,更加明智的决定、更加迅速的决定,客户的贷款申请表变得更加简短。
其次是反欺诈系统。“互联网模式下用户会呈现一个群体的效益,好用户之间也会有交际,更突出的是坏用户的集中。”京东金融消费者金融事业部风险管理高级总监程建波认为,“对坏的用户建立一个网络识别,是一个必须要解决的问题。”
“比如身份验证这个事,如何确定本人是本人,在以前的行业,大家都是说通过信息交叉印证,还有曾经出现过用户本人手持身份证照相来验证本人信息,因为用户授权的信息是多样的,不光是本人提交的,还有从后端查取的。”量化派联合创始人兼COO王倪表示,这些这么多的第三方数据提供方能使用到的,所以信息的交叉验证能验证本人是本人。当然最新出来的这些技术也是随着人脸识别技术的逐步成熟,包括人脸识别加活体检测,减少了大批量的欺诈概率。
最后是重视风控部门和其他部门的合作。“不光是为了控制风险而控制风险,而是一定要利益最大化。”DIA Associates CEO严晓东表示,“客户从开发到退出,主要是两个环节,一个营销,一个风控,两个环节应该结合起来。”
美利集团副总裁、金融产品负责人顾崇伦表示,消费金融的风控要做到“差异化”,不仅要做到管理风控,也要把控风控与市场、用户体验相结合,做好每一个不同人群甚至是每一个客户的风控,让每一个客户的体验变好,对公司来说就是利润最大化。
玖富集团消费金融副总裁金增笑表示,“现在这个年代风控变得非常美好,因为我们现在有云存储、云计算、大数据包括底层架构的开放,有人工智能、机器学习,我们现在有能力把风控做得更好。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09