在風控的領(lǐng)域，哪些技術(shù)是純噱頭？怎樣才能落地真正運用？

（墨菲/文）風控領(lǐng)域，大數(shù)據(jù)等一些先進技術(shù)的應(yīng)用場景和方向在哪里？在一本財經(jīng)舉辦的風控閉門課程上， ZrobotCEO喬楊表示，技術(shù)第一步，是實現(xiàn)自動化，減少人工主管臆斷。他從營銷、反欺詐、催收等多個領(lǐng)域，介紹如何進行風控模型開發(fā)、搭建。以下是他現(xiàn)場分享的部分干貨，在正式分享前，我們需要討論確定兩個觀點：一個是模型開發(fā)。目前在國內(nèi)，包括BAT，都沒有一個完善的模型開發(fā)標準流程，這些東西，在國內(nèi)還不規(guī)范。另一個是，在風控領(lǐng)域，大數(shù)據(jù)等一些先進技術(shù)的應(yīng)用場景和方向在哪里。首先，要能做到自動化，盡量減少人工的干預(yù)，減少主管臆斷。其次，通過大數(shù)據(jù)能實現(xiàn)“差異化”，做到客制化產(chǎn)品設(shè)計，客戶畫像補全，客戶需求的深度挖掘。再次，就是做到精準度，這些需要模型驅(qū)動，包括交易成本評估、差異化定價、反欺詐等。最后，是創(chuàng)新性的評估。比如，現(xiàn)在行業(yè)最大的一個瓶頸，是底層數(shù)據(jù)不能共享，如何實現(xiàn)數(shù)據(jù)安全的共享。01基于試驗設(shè)計的營銷相應(yīng)策略現(xiàn)在營銷有兩種方式：一個是覆蓋式營銷，主要是借助電視、廣播、報紙德國傳統(tǒng)媒介，他的優(yōu)勢是覆蓋面廣，單成本非常高，但營銷效果，比如我們把轉(zhuǎn)化率做為評估，它是非常難以量化評估。另一個是精準營銷，你的觸達方式，是電銷、運營商的網(wǎng)運營商的網(wǎng)絡(luò)或者是社交網(wǎng)絡(luò)傳播，他可以根據(jù)人群的特點需求，做一個定制化的投放，定制化的投放最大好處，他可以做到極致化，可能是千人千面這么一個營銷方式，那么每個人需求是不一樣，他的消費能力能力是不一樣，而且他最大的優(yōu)勢，他的效果可以做量化的。我們經(jīng)常會面臨三類場景：一是，你面向眾多營銷對象，你如何選取需要觸達的目標客戶，提高你的營銷響應(yīng)率。二是，針對不同的客戶，怎么選取合適的營銷渠道，降低過渡成本。三是，在營銷資源有限的情況下，如何選擇合適的產(chǎn)品，做個性化投放，這就是要基于你對這個客戶的精準理解。我們是提倡“test&learn”的方式，就是你對目標客群的理解，不基于你的營銷人員，他完全是通過我們實驗設(shè)計，通過我們的數(shù)據(jù)來說話，那通過，營銷實驗的方式，你最小的成本來測試，那么最終你可以通過你測試到的基本數(shù)據(jù)來建模，來準確判斷用戶的一個畫像，可以精準預(yù)估轉(zhuǎn)化率。02第一方欺詐欺詐分為三種：第一方欺詐，是客戶本人是欺詐的實施者，他進行消費的時候沒有還款欲望，提供虛假的信息；或者刻意提高自己的信用體系，不斷地提高信用額度，當自己的信用額度達到一定程度以后，就忽然爆發(fā)。第二方欺詐，是非常不常見的，它犯罪主體是受害人的親戚或者公司的雇員，通常被當作第三方欺詐處理。第三方欺詐，客戶是受害人，不主動實施欺詐，欺詐方式包括身份盜用或賬號盜用。第一方欺詐分為幾類：一是深度欺詐，用自己的身份申請貸款，但沒有償還意愿。二是first payment default，這在現(xiàn)金貸首輪是非常普遍的，比如，第一天首輪客戶達到30%，第二天可能降到20%，這批客戶有好利潤，但欺詐的頻率是非常高的。三是余額欺詐（bust-out）。國內(nèi)平臺都有自己的提額策略，一個增長性的收信方式，一種方式是客戶主動提出申請；另一種是平臺通過判斷策略判斷用戶是否達到提額的要求，做一個被動提額。只要存在提額的空間，就可以給欺詐份子一個動機?，F(xiàn)金貸用戶經(jīng)常會遇到，有些用戶會借了還，但不是在還款到期時還，可能借了三四天之后就還了。這里面有一部分人，就是在測試，他們通過不停的提前還款、按時還款，把額度在很短時間內(nèi)刷到他認為比較高的階段，他可能一次把錢取出來，就消失了。第四種是空頭支票，這在國外比較常見，但在國內(nèi)，大家不接受支票付款的，所以這種欺詐方式還未出現(xiàn)。國內(nèi)，風控還處在校驗階段，通過身份驗證、識別，在前端防范欺詐。比如你要求用戶提供銀行卡流水，三要素、六要素驗證，甚至是眨眼等活體驗證，這都是有可能被攻破的。所以通過交驗的方式，是目前國內(nèi)是比較普遍使用的方式。在無意償還的這一塊，有效的方式就是黑名單，進一步做風險信用評級，用戶畫像。但針對還款意愿的判斷是非常難的。first payment default識別難度在于數(shù)據(jù)較少，判斷周期長，但耗費大量催收資源，主要也以黑名單判定為主。余額欺詐，可用會在多家借貸機構(gòu)同時發(fā)生，如果能掌握多頭申請的信息，可以對余額欺詐做一個前期的保障。進入欺詐期，用戶先是正常消費、按時還款，之后多家同時申請調(diào)高額度，會短時間內(nèi)高頻消費，最終消失。余額欺詐，在實施欺詐之前，假裝自己是好人，正常消費、正常還款，在初中期，90%正常交易比較多，高危交易、大額交易比較少，后期交易行為發(fā)生明顯變化，大額交易明顯增多。判斷用戶交易的真實性，需要非常大的計算量，對系統(tǒng)、預(yù)算的要求非常高，比如信用卡的，要求在毫秒進行判斷。交易監(jiān)控，需要監(jiān)控是否有高頻小額交易、大額異常交易。余額欺詐，會頻繁的申請額度提升，最有效的是建立惡意提額識別模型，設(shè)置惡意提額識別策略，在實施大額提現(xiàn)時，平臺能攔截異常交易。另外可以結(jié)合其他維度進行監(jiān)控，社交網(wǎng)絡(luò)、網(wǎng)上瀏覽數(shù)據(jù)、其他行為數(shù)據(jù)等。03常見的欺詐類型及防控措施第三方申請欺詐，有賬戶盜用、資料造假，惡意違約；交易欺詐，包括賬戶冒用、養(yǎng)卡、套現(xiàn)。他們的防控難度和危害程度，都比較急迫。具體要如何防范呢？1 .最常用的方法是建立“漫網(wǎng)”體系識別，通過多元數(shù)據(jù)交叉比對，搭建模型建立精準的客戶畫像。“漫網(wǎng)”體系識別是我們內(nèi)部提出來的一個概念，是通過機器分析社交網(wǎng)絡(luò)額度一個方式，通過地址關(guān)聯(lián)，設(shè)備關(guān)聯(lián)等建立網(wǎng)絡(luò)圖譜，當建立起來全網(wǎng)關(guān)聯(lián)后，你看到的不是欺詐的個體，而是一個消費群落，可以快速定位欺詐團伙行為。2 .多種數(shù)據(jù)來源的交叉對比，包括地址、移動設(shè)備行為等各種用戶信息進行交叉對比，產(chǎn)生置信度。3 .模型的方式，建立精準的客戶畫像，這被認為是最有效的，通過身份特質(zhì)、購物歷史、交易特征，構(gòu)建千人千面的模型，可以根據(jù)交易進行畫像對比，符合就通過?？蛻舢嬒衲Ｐ蜆?gòu)建分為三個部分：第一，用戶檔案，與傳統(tǒng)風險模型不同，為每一個客戶建立一套專有的行為檔案。第二，數(shù)據(jù)光滑，當客戶自身的歷史行為不足以支撐是，需要用行為近似的數(shù)據(jù)進行補充。第三，時間衰減，對于我們服務(wù)的年輕客群，變化非?？?，需要及時更新行為檔案。04反欺詐在整個信貸授信環(huán)節(jié)，身份驗證，欺詐識別，信用評估和后期的風險預(yù)警，每個環(huán)節(jié)都有技術(shù)突破。比如，在批量注冊識別領(lǐng)域，通過用戶行為模式分析，尤其是相似性分析，比如多頭申請、關(guān)系網(wǎng)絡(luò)、高相似信息等，有效區(qū)分機器注冊用戶和正常使用客戶，最大限度減少對正?？蛻舻挠绊懞蛿r截無效客戶。最大的劣勢在于，很可能誤傷，需要極強的場景理解能力和豐富的業(yè)務(wù)經(jīng)驗，能利用流式處理技術(shù)，實時判斷客戶在注冊及使用流程的異?，F(xiàn)象。舉個例子，判斷客戶是否屬于批量注冊，可以通過路徑分析的方式，比如網(wǎng)頁跳轉(zhuǎn)路徑、網(wǎng)頁類型與停留時間等。第一，是刷單識別。通過多個維度，可以識別刷單團體。比如通過商戶和客戶兩個維度，進行信用評估，建立商戶之間，客戶之間，以及商戶與客戶之間的關(guān)聯(lián)關(guān)系，有效提升團體刷單的識別率。進一步，可以由點帶面發(fā)現(xiàn)整個可疑集團，并減少對正常用戶的影響和購物體驗。需要制定一個懲罰機制，對刷單的嚴重程度，進行差異化處理。第二，是漫網(wǎng)擴散，構(gòu)建一個關(guān)系網(wǎng)絡(luò)。這是基于個體之間，多樣性的關(guān)聯(lián)方式，關(guān)聯(lián)頻率等信息，有篩選的建立關(guān)系網(wǎng)絡(luò)，同時根據(jù)已知的黑名單，建立有效的傳染規(guī)則與免疫規(guī)則，實現(xiàn)涉黑程度的量化度量，提升黑產(chǎn)團伙識別率。根據(jù)已知的黑名單，建立有效的傳染規(guī)則與免疫規(guī)則，實現(xiàn)涉黑程度的量化度量。最終，以圖譜的形式，實現(xiàn)關(guān)系網(wǎng)絡(luò)可視化，方便業(yè)務(wù)人員對關(guān)系網(wǎng)絡(luò)整體進行把控。第三，是中介識別，就是根據(jù)用戶在網(wǎng)絡(luò)中留下的言論信息，來判斷該用戶是否具有中介特征，這是對黑名單模型的補充。信貸中介識別的難點在于，對于黑產(chǎn)一些隱蔽的代稱，無法進行有效地識別。比如，聊天記錄和論壇言論是零散的，針對多人對話需要進行結(jié)合上下文的語義理解，對文本和詞性的辨識度要求很高。中介識別基本建模步驟：1 在人工指導(dǎo)下，針對網(wǎng)絡(luò)進行有效爬取，建立結(jié)構(gòu)化數(shù)據(jù)庫。2 利用監(jiān)督學(xué)習(xí)，針對爬取素材進行語義分析和情感分析。3 實現(xiàn)自動化網(wǎng)絡(luò)爬取和語義分析。主要采用的標注模型有二元文法（bigram），基于字符的隱馬爾科夫模型（HMM），詞三元文法（word Trigram）和字符三元文法等。05催收策略首先明確，催收關(guān)鍵目標，包括早起催收、后期催收、保全。催收，需要催收模型的支持，通過對客戶“排序”，統(tǒng)計建模，來幫助進行業(yè)務(wù)決策。統(tǒng)計建模的優(yōu)勢在于客觀、準確、公平、穩(wěn)健、法律合規(guī)。模型開發(fā)需要對歷史信息和當前信息，進行分析和預(yù)測，主要是預(yù)測未來表現(xiàn)的催收模型可以使用的數(shù)據(jù)來源有：金融機構(gòu)自身數(shù)據(jù)、征信數(shù)據(jù)（人行征信或第三方征信）、客戶針對催收反饋數(shù)據(jù)、其他外部數(shù)據(jù)等。催收模型搭建同時，還需要制定催收策略。催收策略是一個不斷循環(huán),自適應(yīng)優(yōu)化的過程，需要不斷收集反饋信息,并調(diào)整策略。設(shè)計策略的時候，需要關(guān)注“什么時候，由誰，對哪些賬戶，采取何種催收方式”，他最終是一個資源配置效率的問題，有限的資源如何做到最好。催收策略嚴重依賴于系統(tǒng)，在評分與策略之外，強大、高效、符合業(yè)務(wù)需求的系統(tǒng) 是重要的基礎(chǔ)條件。催收需要考慮三個維度，催收賬戶分類、產(chǎn)品分類、催收行動信息。催收賬戶分類，包括新帳戶、首次還款逾期帳戶、聯(lián)系方式或地址失聯(lián)、習(xí)慣性逾期、違背還款承諾等。催收行動信息，包括逾期期數(shù)、天數(shù)，還款承諾，還款承諾未兌現(xiàn)等。另一點需要講的是，催收需要結(jié)合有效結(jié)合賬戶數(shù)和金額的考慮。一個公式是，Balance at Risk 風險余額= Probability of Bad 壞賬概率(評分) * Balance余額。而在催收行動考量時，需要將催收工作可能得到的客戶反饋考慮在內(nèi)，通過行動細分對催收工作及客戶反饋進行細分,進一步完善策略。這里要提到催收對象的“敏感度”，即采取一定的催收行動后,客戶反應(yīng)如何，依據(jù)其”反應(yīng)情況”和”敏感度”采取不同催收行動。

版權(quán)聲明

本文僅代表作者觀點，不代表零壹財經(jīng)立場。

本文系作者授權(quán)零壹財經(jīng)發(fā)表，未經(jīng)許可，不得轉(zhuǎn)載。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。