揭秘馬上消費(fèi)金融Luma智能風(fēng)控系統(tǒng)背后的秘密

在消費(fèi)金融蓬勃發(fā)展的今天，科技驅(qū)動(dòng)貫穿著從營(yíng)銷、獲客、審批、放款、回訪及催收的全過(guò)程。面對(duì)龐大的需求、日趨嚴(yán)格的監(jiān)管，在追求發(fā)展的同時(shí)，如何構(gòu)建一個(gè)良性、可持續(xù)性的風(fēng)險(xiǎn)防控業(yè)態(tài)，是消費(fèi)金融機(jī)構(gòu)可持續(xù)發(fā)展和提高核心競(jìng)爭(zhēng)力的根本。

風(fēng)控作為消費(fèi)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(fèi)金融機(jī)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(fèi)金融機(jī)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(fèi)金融獨(dú)角獸涌現(xiàn)，如螞蟻金服、微眾銀行、馬上消費(fèi)金融等，筆者今天就馬上消費(fèi)金融(以下簡(jiǎn)稱“馬上金融”)這只低調(diào)的獨(dú)角獸進(jìn)行深度挖掘與解秘。

馬上金融作為消費(fèi)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(chǎng)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(zhǔn)入、反欺詐，貸中評(píng)級(jí)授信、額度管理、交易跟蹤，貸后風(fēng)險(xiǎn)分類、風(fēng)險(xiǎn)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(guò)大數(shù)據(jù)挖掘技術(shù)對(duì)客戶申請(qǐng)數(shù)據(jù)、行為數(shù)據(jù)、社交數(shù)據(jù)等進(jìn)行挖掘分析，描繪客戶風(fēng)險(xiǎn)畫像并進(jìn)行風(fēng)險(xiǎn)量化，真正做到了“見(jiàn)微知著，風(fēng)險(xiǎn)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(dòng)的智能風(fēng)控的核心優(yōu)勢(shì)主要體現(xiàn)在三個(gè)方面：一是海量?jī)?nèi)外部數(shù)據(jù)源的有效整合與對(duì)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(tái)，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(cè)、貸中監(jiān)控、貸后管理的全生命周期風(fēng)險(xiǎn)管理，打造企業(yè)級(jí)風(fēng)險(xiǎn)管理體系的同時(shí)降低風(fēng)險(xiǎn)，提升運(yùn)營(yíng)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(duì)于審批至關(guān)重要，中國(guó)的個(gè)人征信數(shù)據(jù)存在三大痛點(diǎn)：一是各類征信數(shù)據(jù)分布在各個(gè)不同的主體機(jī)構(gòu)中，各家數(shù)據(jù)來(lái)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(biāo)準(zhǔn)化處理，數(shù)據(jù)質(zhì)量參差不齊;三是機(jī)制的缺失使得各家征信機(jī)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(wàn)級(jí)數(shù)據(jù)源，除了直連央行征信外，也對(duì)接公安、公積金社保、芝麻信用等數(shù)十個(gè)外部數(shù)據(jù)源，以及自建數(shù)據(jù)源。利用先進(jìn)的大數(shù)據(jù)處理技術(shù)，對(duì)不同的數(shù)據(jù)源進(jìn)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(fèi)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(wú)信貸記錄或信貸數(shù)據(jù)不充分的問(wèn)題。在審批過(guò)程中并行調(diào)用這些數(shù)據(jù)服務(wù)，實(shí)現(xiàn)毫秒級(jí)實(shí)時(shí)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(shí)為構(gòu)建大數(shù)據(jù)風(fēng)控模型和實(shí)現(xiàn)自動(dòng)審批決策提供了強(qiáng)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(guò)多廠商數(shù)據(jù)源集中化管理，實(shí)現(xiàn)外部數(shù)據(jù)源接口標(biāo)準(zhǔn)化、服務(wù)監(jiān)控精細(xì)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(duì)市場(chǎng)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(duì)規(guī)則和模型進(jìn)行持續(xù)迭代，以降低逾期率、提高審批通過(guò)率，解決金融風(fēng)控面臨的核心問(wèn)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(gè)決策流、上萬(wàn)個(gè)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(duì)已有變量進(jìn)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(jìn)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(fèi)數(shù)據(jù)、行為數(shù)據(jù)，結(jié)合數(shù)據(jù)統(tǒng)計(jì)特性和專家經(jīng)驗(yàn)，基于這些數(shù)據(jù)，馬上金融已實(shí)現(xiàn)10W+風(fēng)險(xiǎn)變量的構(gòu)造開(kāi)發(fā)，同時(shí)將先進(jìn)的大數(shù)據(jù)建模方法(如集成學(xué)習(xí)、增強(qiáng)學(xué)習(xí)、深度學(xué)習(xí)等)與消費(fèi)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(píng)分、還款能力評(píng)分、客戶行為評(píng)分、催后預(yù)測(cè)等模型)，對(duì)客戶的信用風(fēng)險(xiǎn)和欺詐風(fēng)險(xiǎn)進(jìn)行精確評(píng)估。目前馬上金融已經(jīng)開(kāi)發(fā)完成上百個(gè)數(shù)據(jù)模型，這些風(fēng)險(xiǎn)模型對(duì)數(shù)據(jù)的積累，深刻促進(jìn)了對(duì)客戶的全面了解，有利于有效防范客戶信用風(fēng)險(xiǎn)和欺詐風(fēng)險(xiǎn)。

依托模型實(shí)驗(yàn)室，運(yùn)籌風(fēng)險(xiǎn)于帷幄

模型實(shí)驗(yàn)室平臺(tái)作為馬上金融風(fēng)險(xiǎn)計(jì)量體系的基礎(chǔ)設(shè)施，是保障風(fēng)險(xiǎn)計(jì)量工具規(guī)范性、提高模型開(kāi)發(fā)效率的平臺(tái)。建模效率得到了極大提高，主要體現(xiàn)在數(shù)據(jù)準(zhǔn)備模式變更、減少建模程序代碼編寫、模型開(kāi)發(fā)用戶之間的交互、模型評(píng)估、審批、發(fā)布及監(jiān)控的線上模式、知識(shí)經(jīng)驗(yàn)分享機(jī)制設(shè)計(jì)等環(huán)節(jié)。通過(guò)建立模型實(shí)驗(yàn)室，可以有效控制模型風(fēng)險(xiǎn)、提高模型研發(fā)效率、實(shí)現(xiàn)知識(shí)積累、全面安全監(jiān)控。例如，模型風(fēng)險(xiǎn)一般來(lái)源于建模方法論不正確、數(shù)據(jù)清洗錯(cuò)誤等多個(gè)環(huán)節(jié)。模型實(shí)驗(yàn)室設(shè)計(jì)了一系列的模型風(fēng)險(xiǎn)控制策略，對(duì)模型風(fēng)險(xiǎn)進(jìn)行控制。

模型實(shí)驗(yàn)室平臺(tái)體系建立后，模型管理變得更加統(tǒng)一和規(guī)范：從模型開(kāi)發(fā)模式上看，原有各團(tuán)隊(duì)開(kāi)發(fā)模式變成了集中式開(kāi)發(fā)，統(tǒng)一開(kāi)發(fā)流程和結(jié)果輸出;模型管理模式從各個(gè)團(tuán)隊(duì)的分散存放管理變?yōu)榻y(tǒng)一模型文檔存儲(chǔ)和管理;數(shù)據(jù)的準(zhǔn)備模式從項(xiàng)目形式的數(shù)據(jù)存儲(chǔ)改變?yōu)榛诠緮?shù)據(jù)倉(cāng)庫(kù)的統(tǒng)一數(shù)據(jù)提取、轉(zhuǎn)換、規(guī)整存儲(chǔ);知識(shí)的積累模式從分散式、無(wú)規(guī)則積累改變?yōu)闃?biāo)準(zhǔn)化、規(guī)范化的知識(shí)積累流程和知識(shí)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?，?shí)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(tái)

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(diǎn)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(diǎn)順序，針對(duì)不同消費(fèi)場(chǎng)景和金融產(chǎn)品申請(qǐng)?zhí)峁┎煌膶徟ぷ髁?，針?duì)不同客戶的申請(qǐng)?zhí)峁┎煌娘L(fēng)控策略，達(dá)到優(yōu)質(zhì)客戶秒級(jí)審批通過(guò)，劣質(zhì)客戶快速拒絕，實(shí)現(xiàn)千人千面的信用評(píng)級(jí)和風(fēng)險(xiǎn)定價(jià)。同時(shí)，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(jiǎn)單策略調(diào)整與變更可實(shí)現(xiàn)當(dāng)天部署，提高風(fēng)控審批效率的同時(shí)提升用戶體驗(yàn)。對(duì)于自動(dòng)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(cè)試、線下效果評(píng)測(cè)和精細(xì)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(jì)，支持高并發(fā)處理海量客戶申請(qǐng)單，最高日審批百萬(wàn)單，峰值處理200單/秒鐘，結(jié)合高性能決策規(guī)則引擎實(shí)現(xiàn)秒級(jí)輸出審批結(jié)果。

以大數(shù)據(jù)實(shí)時(shí)反欺詐和信用風(fēng)險(xiǎn)審核的決策審批

借款欺詐中，團(tuán)伙或者類團(tuán)伙欺詐通常會(huì)帶來(lái)巨大的逾期損失，是重點(diǎn)防范對(duì)象，馬上金融基于圖技術(shù)的復(fù)雜網(wǎng)絡(luò)可以實(shí)時(shí)識(shí)別出團(tuán)伙欺詐，在復(fù)雜網(wǎng)絡(luò)中放入用戶的身份證號(hào)、電話、關(guān)鍵的行為數(shù)據(jù)等，形成用戶的個(gè)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(shí)現(xiàn)毫秒級(jí)追蹤，大幅提升實(shí)時(shí)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(jī)器學(xué)習(xí)方法訓(xùn)練模型，自動(dòng)識(shí)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(kù)和上百個(gè)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(guò)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(yùn)用設(shè)備指紋、IP數(shù)據(jù)技術(shù)、綜合地理位置、電話號(hào)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(kù)自研地理位置庫(kù)應(yīng)用于反欺詐。此外，馬上金融自研Face X活體人臉識(shí)別技術(shù)，經(jīng)過(guò)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(shí)別精準(zhǔn)度高達(dá)99%，可以應(yīng)對(duì)絕大部分復(fù)雜環(huán)境，對(duì)于檢驗(yàn)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(shí)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(gè)Luma家族系統(tǒng)，結(jié)合貸前申請(qǐng)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(bǔ)貸前審批和貸中監(jiān)控，形成全生命周期客戶風(fēng)險(xiǎn)管理。

貸前審批流程可以實(shí)時(shí)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(shí)利用機(jī)器學(xué)習(xí)聚類模型挖掘黑中介團(tuán)伙案件，循環(huán)觸發(fā)預(yù)警，對(duì)客戶進(jìn)行實(shí)時(shí)貸中審查和監(jiān)控，及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)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(qǐng)關(guān)聯(lián)客戶的風(fēng)險(xiǎn)提供直觀和清晰的預(yù)警提示，持續(xù)豐富客戶風(fēng)險(xiǎn)畫像，對(duì)客戶進(jìn)行精準(zhǔn)風(fēng)險(xiǎn)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(duì)不同客戶進(jìn)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(dòng)化和批量執(zhí)行，快速高效對(duì)不同客戶實(shí)現(xiàn)不同的貸中貸后管理。

Luma家族系統(tǒng)通過(guò)風(fēng)險(xiǎn)業(yè)務(wù)數(shù)據(jù)打通和共享，通過(guò)深度調(diào)查系統(tǒng)對(duì)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(xiǎn)管理能力不斷提升的良性循環(huán)。

結(jié)束語(yǔ)：

在消費(fèi)金融強(qiáng)監(jiān)管、去杠桿、回歸本原的環(huán)境下，市場(chǎng)已經(jīng)從跑馬圈地進(jìn)入到規(guī)模與質(zhì)量并重的時(shí)代，風(fēng)控是整個(gè)業(yè)務(wù)的驅(qū)動(dòng)器。消費(fèi)金融競(jìng)爭(zhēng)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(fèi)金融風(fēng)控模式，互聯(lián)網(wǎng)消費(fèi)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(xiǎn)進(jìn)行量化，突破反欺詐風(fēng)險(xiǎn)管控難點(diǎn)，在滿足合規(guī)的前提下積極打造科技驅(qū)動(dòng)的普惠金融和數(shù)據(jù)驅(qū)動(dòng)的智能風(fēng)控，有效防范信用風(fēng)險(xiǎn)。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。