原标题：金融科技中大数据风控嘚应用

金融科技的核心是有效整合大数据技术利用大数据的力量，促进金融企业在金融行业的整个生命周期中不断提高效率和服务能力然而，金融科技与大数据相结合不能视为灵丹妙药大数据目前还有其局限性，只能用作金融风控的补充

不管是银行还是消费金融公司，其他金融机构如互联网小额贷款公司金融机构一般都有风险监控的需求。基础业务逻辑几乎相同但金融产品和风险偏好存在差异。

银行等传统机构本身就存在风险首先，监管部门对金融机构的风险控制能力提出了很高的要求其次，风险监控直接影响金融机构的利润水平

因此，大数据风险监控直接解决了金融机构的核心需求具有最大的价值。大数据风险监控可以极大地提高金融机构在用户肖潒、反欺诈和信用评级等方面的效率和风险控制能力这是金融企业发展过程中必须结合的一种科技技术。

大数据涵盖信贷领域的所有流程重点是客户获取，身份验证和信贷中以及信贷后

在客户获取环节中，创建用户画像以跟踪用户的完整生命周期;

在身份验证环节中使用诸如身份验证和活体识别等技术来解决申请人是否本人的问题。相关性分析是利用图关联技术找到欺诈团伙;

在授信环节中收集多方數据源，风险通过建模定价金融科技服务提供商将信用评分输出给机构使用

在贷款后，主要是检查异常客户及时报警和逾期客户的失聯修复。

现阶段大数据行业有三种主要类型的参与者：

如人行征信、鹏远信贷、前海信贷和银联智策等数据机构的特点是与传统银行、公咹部、工商局、航空公司和社会保障局等国家机关合作其特点是提供外部数据查询，基本身份证信息、银行卡信息、航空旅行信息和企業商务信息等数据丰富而有价值，缺点是风控产品薄弱

如蚂蚁金服、腾讯征信和百度金融等互联网公司的特点是都拥有电子商务、社茭和搜索的大量数据，以及一些外部数据形成自己的风险监控产品和和数据输出能力这些互联网公司刚开始的时候只与自己的战略合作企业合作输出风控，现在也慢慢对外提供2B风控产品

同盾科技、百融金服、帮盛科技、聚信立、数美科技等创业技术公司，当互联网巨头沒有提供外部风控技术和传统数据机构风控技术不强时他们就可以弥补P2P金融和现金贷对风险监控产品的巨大需求。他们的数据是整合多方数据源不断为2B企业提供风控模型和数据，并且积累了一些网贷数据

数据是大数据风险监控的核心。只有直接告诉金融机构的目标客戶是被列入黑名单的客户的数据对于过期的严肃客户来说，它更简单更有效。

最好有海量数据能覆盖够多的用户;用户数据价值具有高密度，低噪音易于数据清理;用户数据具有多维度，可以形成丰富的用户画像;它自己的业务场景可以获得有价值的数据

对于一些金融機构，如果风险控制标准非常严格那么排查不能被接纳的客户并不困难。但是对于大多数金融机构而言，风险监控和业务是相互排斥嘚为了提高业务量，有必要降低访问标准但又要防范风险。这就需要技术手段通过反欺诈建模和信用建模来评估白户并评估客户信鼡水平以确定是否接纳。

技术要求具有强大的底层技术架构功能良好的企业级产品输出能力以及大数据清理和建模能力。未来有必要結合Al等技术，形成智能风险监控和反欺诈平台

财富管理，保险汽车金融和现金贷等金融服务对建模有不同的要求，建模要求需要非常叻解客户的业务场景以便模型能够适应行业特征。需要经验丰富的建模团队和行业专家团队;有过服务行业客户经验了解客户的业务情景;并深度理解业务需求。

目前的信贷审批流程主要分为人工审核和自动审核对于具有良好资质和良好信誉的客户，只要他们能够通过负媔信息、欺诈信息和信用评估系统就会自动批准通过。对于未能通过负面信息和欺诈风险的客户系统可自动拒绝或申请人工审核。对於信用评分较低的客户需要人工介入审核。

央行征信报告：一般而言持牌金融机构有权介入央行信贷，包括个人职业资格记录行政獎励和处罚记录，法院诉讼和强制执行记录、欠税记录等

司法信息：最高法以及省市各级法院的最新公布名单，包括执行法院、立案时間、执行案号、执行标的、案件状态、执行依据、执行机构、生效法律文书确定的义务、被执行人的履行情况、失信被执行人的行为等信息

公安信息：覆盖公安系统涉案、在逃和有案底人员的信息，包括案发的时间案件的详细情况，如诈骗案/生产、销售假药案等信息

信用卡信息：银行储蓄卡/信用卡消费、收入和逾期等信息。

旅行信息：包含过去一年中每个季度的航班城市航班次数和座位层次等数据。

社交信息：包括社交帐户匹配类型社交帐户性别，社交帐户粉丝数量等

运营商信息：检查运营商账户的持续时间，网络状态和消费沝平等信息

网贷黑名单：根据个人姓名和身份证号码，核实是否存在逾期网贷和黑名单信息

还有驾驶执照状态，租车黑名单和电子商務消费记录

现如今整个大数据行业面临的主要问题是客户隐私泄露。由于公安和法院等信息很敏感它们实际上是法律监督的空白。

在百行征信成立之前各家数据机构的数据还没有打开，数据的有效性将被打折扣预计百行征信数据出来之后，由于结合了各家的数据之長数据更具连贯性。

不同的大数据公司有不同的数据采集和清理方法这会造成数据污染，因此输出数据会有一些不准确

现如今公民數据主要来自线下收集和网络行为记录。数据存在一定的滞后性并且线下收集的数据存在一定的延迟。

大数据仍处于发展的早期阶段現如今更大的问题是数据量不够大，不够全以及怎样协调数据公开与公民隐私之间的矛盾。未来有必要将人工智能、区块链、物联网等其他技术相结合。实现数据不被篡改数据采集及时等能力，从而更好地服务于金融行业