揭秘馬上消費金融Luma智能風(fēng)控系統(tǒng)背后的秘密

在消費金融蓬勃發(fā)展的今天，科技驅(qū)動貫穿著從營銷、獲客、審批、放款、回訪及催收的全過程。面對龐大的需求、日趨嚴格的監(jiān)管，在追求發(fā)展的同時，如何構(gòu)建一個良性、可持續(xù)性的風(fēng)險防控業(yè)態(tài)，是消費金融機構(gòu)可持續(xù)發(fā)展和提高核心競爭力的根本。

風(fēng)控作為消費金融的生存命脈，也是互聯(lián)網(wǎng)金融行業(yè)穩(wěn)健、安全發(fā)展的關(guān)鍵。業(yè)界各家消費金融機構(gòu)積極投身風(fēng)控能力建設(shè)、深鉆風(fēng)控技術(shù)、自研風(fēng)控系統(tǒng)、提升自主風(fēng)控能力，助力企業(yè)走上“快車道”。

當(dāng)前各家消費金融機構(gòu)紛紛發(fā)力風(fēng)控領(lǐng)域科技創(chuàng)新與應(yīng)用，多家消費金融獨角獸涌現(xiàn)，如螞蟻金服、微眾銀行、馬上消費金融等，筆者今天就馬上消費金融(以下簡稱“馬上金融”)這只低調(diào)的獨角獸進行深度挖掘與解秘。

馬上金融作為消費金融領(lǐng)域的科技創(chuàng)新企業(yè)，在大數(shù)據(jù)智能風(fēng)控領(lǐng)域一直秉承“數(shù)據(jù)+風(fēng)控+金融”的管理模式，高度重視在技術(shù)方面的投入，構(gòu)建自主風(fēng)控能力;在了解場景、用戶和業(yè)務(wù)的基礎(chǔ)上，利用大數(shù)據(jù)和人工智能等技術(shù)構(gòu)建風(fēng)控模型，貫穿貸前準入、反欺詐，貸中評級授信、額度管理、交易跟蹤，貸后風(fēng)險分類、風(fēng)險預(yù)警、催收管理等全流程。據(jù)了解，由馬上金融自主研發(fā)的風(fēng)控系統(tǒng)家族--Luma，結(jié)合靈活工作流引擎和決策規(guī)則引擎，整合客戶多維海量數(shù)據(jù)，通過大數(shù)據(jù)挖掘技術(shù)對客戶申請數(shù)據(jù)、行為數(shù)據(jù)、社交數(shù)據(jù)等進行挖掘分析，描繪客戶風(fēng)險畫像并進行風(fēng)險量化，真正做到了“見微知著，風(fēng)險先知”。

馬上金融Luma風(fēng)控系統(tǒng)家族是如何支撐“大數(shù)據(jù)+智能”風(fēng)控的？

馬上金融以數(shù)據(jù)為驅(qū)動的智能風(fēng)控的核心優(yōu)勢主要體現(xiàn)在三個方面：一是海量內(nèi)外部數(shù)據(jù)源的有效整合與對接;二是基于數(shù)據(jù)源構(gòu)造變量，建立信貸全生命周期的風(fēng)控規(guī)則和模型;三是創(chuàng)建支撐智能、高效決策的自主風(fēng)控系統(tǒng)。數(shù)據(jù)是基礎(chǔ)、規(guī)則和模型是引擎、風(fēng)控系統(tǒng)是支撐平臺，三者相輔相成共同作用，幫助馬上金融建立靈活、快速、高效的貸前預(yù)測、貸中監(jiān)控、貸后管理的全生命周期風(fēng)險管理，打造企業(yè)級風(fēng)險管理體系的同時降低風(fēng)險，提升運營水平。

（一）“海量+全面”的分析數(shù)據(jù)

基于互聯(lián)網(wǎng)大數(shù)據(jù)的多維數(shù)據(jù)源整合，為智能風(fēng)控決策奠定數(shù)據(jù)基礎(chǔ)

數(shù)據(jù)對于審批至關(guān)重要，中國的個人征信數(shù)據(jù)存在三大痛點：一是各類征信數(shù)據(jù)分布在各個不同的主體機構(gòu)中，各家數(shù)據(jù)來源方式不同，數(shù)據(jù)的可靠性、穩(wěn)定性存在較大差異;二是這些數(shù)據(jù)未能統(tǒng)一征集和標準化處理，數(shù)據(jù)質(zhì)量參差不齊;三是機制的缺失使得各家征信機構(gòu)在數(shù)據(jù)源頭圈地，形成“數(shù)據(jù)孤島”，影響行業(yè)整體水平提升。

馬上金融擁有億萬級數(shù)據(jù)源，除了直連央行征信外，也對接公安、公積金社保、芝麻信用等數(shù)十個外部數(shù)據(jù)源，以及自建數(shù)據(jù)源。利用先進的大數(shù)據(jù)處理技術(shù)，對不同的數(shù)據(jù)源進行關(guān)聯(lián)處理和有效整合，從多維度完善了用戶的身份信息、信貸信息、消費信息、社交信息、行為信息等數(shù)據(jù)源，提高了數(shù)據(jù)利用率，有效地解決了客戶無信貸記錄或信貸數(shù)據(jù)不充分的問題。在審批過程中并行調(diào)用這些數(shù)據(jù)服務(wù)，實現(xiàn)毫秒級實時數(shù)據(jù)獲取、大量非結(jié)構(gòu)化數(shù)據(jù)和輿情數(shù)據(jù)快速加工，豐富外部數(shù)據(jù)的同時為構(gòu)建大數(shù)據(jù)風(fēng)控模型和實現(xiàn)自動審批決策提供了強有力的數(shù)據(jù)基礎(chǔ)。

在外部數(shù)據(jù)源系統(tǒng)建設(shè)方面，馬上金融自主研發(fā)了統(tǒng)一數(shù)據(jù)接入系統(tǒng)，滿足數(shù)據(jù)源接入需求，通過多廠商數(shù)據(jù)源集中化管理，實現(xiàn)外部數(shù)據(jù)源接口標準化、服務(wù)監(jiān)控精細化，加快外部數(shù)據(jù)源的接入速度，為智能風(fēng)控決策奠定數(shù)據(jù)基礎(chǔ)。

（二）“靈活迭代+科學(xué)有效”的風(fēng)控策略與數(shù)據(jù)模型

可靈活調(diào)整、持續(xù)迭代的風(fēng)控策略

為應(yīng)對市場變化、客群變化，提高客戶響應(yīng)速率，在審批決策中靈活調(diào)整規(guī)則和模型顯得尤為重要。需要對規(guī)則和模型進行持續(xù)迭代，以降低逾期率、提高審批通過率，解決金融風(fēng)控面臨的核心問題。馬上金融逐步形成規(guī)則、模型相輔相成的審批策略，制定了上百個決策流、上萬個決策策略，以高效響應(yīng)業(yè)務(wù)風(fēng)控需求。此外，可以根據(jù)模型更迭需要在變量池對已有變量進行重新組合，豐富入模變量類型，提升模型優(yōu)化效率，助力規(guī)則與模型的高效持續(xù)迭代，進而完善智能化大數(shù)據(jù)風(fēng)控審批系統(tǒng)體系。

建立科學(xué)有效的、基于信貸全生命周期的大數(shù)據(jù)風(fēng)控模型

以央行征信數(shù)據(jù)為基礎(chǔ)，但又不局限于央行征信數(shù)據(jù)，深度挖掘客戶的信貸數(shù)據(jù)、消費數(shù)據(jù)、行為數(shù)據(jù)，結(jié)合數(shù)據(jù)統(tǒng)計特性和專家經(jīng)驗，基于這些數(shù)據(jù)，馬上金融已實現(xiàn)10W+風(fēng)險變量的構(gòu)造開發(fā)，同時將先進的大數(shù)據(jù)建模方法(如集成學(xué)習(xí)、增強學(xué)習(xí)、深度學(xué)習(xí)等)與消費金融的具體業(yè)務(wù)相結(jié)合，構(gòu)建并完善貸前、貸中、貸后全生命周期風(fēng)控模型(如反欺詐模型、信用評分、還款能力評分、客戶行為評分、催后預(yù)測等模型)，對客戶的信用風(fēng)險和欺詐風(fēng)險進行精確評估。目前馬上金融已經(jīng)開發(fā)完成上百個數(shù)據(jù)模型，這些風(fēng)險模型對數(shù)據(jù)的積累，深刻促進了對客戶的全面了解，有利于有效防范客戶信用風(fēng)險和欺詐風(fēng)險。

依托模型實驗室，運籌風(fēng)險于帷幄

模型實驗室平臺作為馬上金融風(fēng)險計量體系的基礎(chǔ)設(shè)施，是保障風(fēng)險計量工具規(guī)范性、提高模型開發(fā)效率的平臺。建模效率得到了極大提高，主要體現(xiàn)在數(shù)據(jù)準備模式變更、減少建模程序代碼編寫、模型開發(fā)用戶之間的交互、模型評估、審批、發(fā)布及監(jiān)控的線上模式、知識經(jīng)驗分享機制設(shè)計等環(huán)節(jié)。通過建立模型實驗室，可以有效控制模型風(fēng)險、提高模型研發(fā)效率、實現(xiàn)知識積累、全面安全監(jiān)控。例如，模型風(fēng)險一般來源于建模方法論不正確、數(shù)據(jù)清洗錯誤等多個環(huán)節(jié)。模型實驗室設(shè)計了一系列的模型風(fēng)險控制策略，對模型風(fēng)險進行控制。

模型實驗室平臺體系建立后，模型管理變得更加統(tǒng)一和規(guī)范：從模型開發(fā)模式上看，原有各團隊開發(fā)模式變成了集中式開發(fā)，統(tǒng)一開發(fā)流程和結(jié)果輸出;模型管理模式從各個團隊的分散存放管理變?yōu)榻y(tǒng)一模型文檔存儲和管理;數(shù)據(jù)的準備模式從項目形式的數(shù)據(jù)存儲改變?yōu)榛诠緮?shù)據(jù)倉庫的統(tǒng)一數(shù)據(jù)提取、轉(zhuǎn)換、規(guī)整存儲;知識的積累模式從分散式、無規(guī)則積累改變?yōu)闃藴驶?、?guī)范化的知識積累流程和知識權(quán)限控制;安全監(jiān)督模式從安全管理缺失變?yōu)榧泄芾砟Ｊ?，實現(xiàn)數(shù)據(jù)和文檔的安全控制。

（三）“智能+高效+靈活+自主”的風(fēng)控決策系統(tǒng)平臺

貸前審批自主可控、靈活快速

Luma審批系統(tǒng)是馬上金融自主研發(fā)的基于靈活工作流引擎和決策規(guī)則引擎的信貸審批系統(tǒng)。工作流引擎將各種變量、數(shù)據(jù)源、模型服務(wù)化和節(jié)點化，支持靈活快速地構(gòu)建多種不同的審批工作流程、調(diào)整審批決策節(jié)點順序，針對不同消費場景和金融產(chǎn)品申請?zhí)峁┎煌膶徟ぷ髁?，針對不同客戶的申請?zhí)峁┎煌娘L(fēng)控策略，達到優(yōu)質(zhì)客戶秒級審批通過，劣質(zhì)客戶快速拒絕，實現(xiàn)千人千面的信用評級和風(fēng)險定價。同時，支持審批業(yè)務(wù)流程便捷調(diào)整、審批策略持續(xù)迭代、內(nèi)外部數(shù)據(jù)源快速增加、簡單策略調(diào)整與變更可實現(xiàn)當(dāng)天部署，提高風(fēng)控審批效率的同時提升用戶體驗。對于自動化風(fēng)控決策，馬上金融研發(fā)出自有決策規(guī)則引擎，建立變量池和規(guī)則池，支持靈活配置、A/B test測試、線下效果評測和精細化監(jiān)控。在系統(tǒng)架構(gòu)方面，Luma審批系統(tǒng)采用分布式架構(gòu)設(shè)計，支持高并發(fā)處理海量客戶申請單，最高日審批百萬單，峰值處理200單/秒鐘，結(jié)合高性能決策規(guī)則引擎實現(xiàn)秒級輸出審批結(jié)果。

以大數(shù)據(jù)實時反欺詐和信用風(fēng)險審核的決策審批

借款欺詐中，團伙或者類團伙欺詐通常會帶來巨大的逾期損失，是重點防范對象，馬上金融基于圖技術(shù)的復(fù)雜網(wǎng)絡(luò)可以實時識別出團伙欺詐，在復(fù)雜網(wǎng)絡(luò)中放入用戶的身份證號、電話、關(guān)鍵的行為數(shù)據(jù)等，形成用戶的個人檔案，并且與其他用戶的檔案相關(guān)信息建立關(guān)聯(lián)，實現(xiàn)毫秒級追蹤，大幅提升實時反欺詐的效果。

基于存量用戶數(shù)據(jù)、外部接入數(shù)據(jù)、自建數(shù)據(jù)，圍繞信貸審批，馬上金融利用傳統(tǒng)機器學(xué)習(xí)方法訓(xùn)練模型，自動識別用戶欺詐行為，給予合理的授信額度，目前已經(jīng)建立了10W+變量特征庫和上百個模型，用于不同的數(shù)據(jù)源、產(chǎn)品和審批階段，組合應(yīng)用后效果顯著，做到較高的通過率和較低的逾期率。

自研與應(yīng)用人工智能和創(chuàng)新技術(shù)

馬上金融作為一家金融科技公司，致力于研究綜合運用設(shè)備指紋、IP數(shù)據(jù)技術(shù)、綜合地理位置、電話號碼數(shù)據(jù)等創(chuàng)新技術(shù)的研究與應(yīng)用，已形成自有黑名單庫自研地理位置庫應(yīng)用于反欺詐。此外，馬上金融自研Face X活體人臉識別技術(shù)，經(jīng)過幾十億樣本數(shù)據(jù)的訓(xùn)練與生產(chǎn)應(yīng)用的不斷優(yōu)化，目前識別精準度高達99%，可以應(yīng)對絕大部分復(fù)雜環(huán)境，對于檢驗是否是真人以及是否是客戶本人起到了非常好的效果，有效降低了欺詐的概率。

實現(xiàn)信貸全生命周期管理

圍繞Luma審批系統(tǒng)，馬上金融自主研發(fā)Luma反欺詐深度調(diào)查系統(tǒng)、Luma存量客戶管理系統(tǒng)和交易反欺詐系統(tǒng)等多個Luma家族系統(tǒng)，結(jié)合貸前申請審批歷史數(shù)據(jù)、貸中環(huán)節(jié)循環(huán)監(jiān)控、貸后管理環(huán)節(jié)反補貸前審批和貸中監(jiān)控，形成全生命周期客戶風(fēng)險管理。

貸前審批流程可以實時將可疑客戶推送至Luma反欺詐深度調(diào)查系統(tǒng)，建立深度調(diào)查任務(wù)和案件，同時利用機器學(xué)習(xí)聚類模型挖掘黑中介團伙案件，循環(huán)觸發(fā)預(yù)警，對客戶進行實時貸中審查和監(jiān)控，及時發(fā)現(xiàn)風(fēng)險和止損。貸前審批系統(tǒng)和深度調(diào)查系統(tǒng)利用圖技術(shù)構(gòu)建的基于客戶社交關(guān)系畫像的關(guān)聯(lián)圖譜，圖譜結(jié)合關(guān)聯(lián)關(guān)系的不同客戶貸后表現(xiàn)和社交關(guān)系緊密度，為新申請關(guān)聯(lián)客戶的風(fēng)險提供直觀和清晰的預(yù)警提示，持續(xù)豐富客戶風(fēng)險畫像，對客戶進行精準風(fēng)險度判斷。存量客戶管理系統(tǒng)結(jié)合貸款合同貸后表現(xiàn)數(shù)據(jù)，對不同客戶進行分層額度管理、凍結(jié)解凍干預(yù)賬戶管理，并支持全自動化和批量執(zhí)行，快速高效對不同客戶實現(xiàn)不同的貸中貸后管理。

Luma家族系統(tǒng)通過風(fēng)險業(yè)務(wù)數(shù)據(jù)打通和共享，通過深度調(diào)查系統(tǒng)對客戶調(diào)查數(shù)據(jù)反饋至貸前審批和貸后管理，形成風(fēng)險管理能力不斷提升的良性循環(huán)。

結(jié)束語：

在消費金融強監(jiān)管、去杠桿、回歸本原的環(huán)境下，市場已經(jīng)從跑馬圈地進入到規(guī)模與質(zhì)量并重的時代，風(fēng)控是整個業(yè)務(wù)的驅(qū)動器。消費金融競爭的背后歸根結(jié)底是風(fēng)控能力的打造，相比于傳統(tǒng)消費金融風(fēng)控模式，互聯(lián)網(wǎng)消費金融風(fēng)控能力打造應(yīng)以大數(shù)據(jù)風(fēng)控為基礎(chǔ)，融入“數(shù)據(jù)+風(fēng)控模型+算法”的思想，真正有效地將風(fēng)險進行量化，突破反欺詐風(fēng)險管控難點，在滿足合規(guī)的前提下積極打造科技驅(qū)動的普惠金融和數(shù)據(jù)驅(qū)動的智能風(fēng)控，有效防范信用風(fēng)險。

生成海報

免責(zé)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(zé)。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(zé)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。