多银行卡开户 银行卡是否涉
识别
及欺诈
-欺诈名单比对 -虚假用信校验 同卡同出监控
-失信名单比对 -多头申请借贷
-信用情况是否
名单比对
恶化
-多头逾期负债
名单比对
-关联人欺诈名
单比对
欺诈风险大盘 实时分析把控风险趋势
整体风险趋势 高中低风险比例统计 击中反欺诈规则统计 高风险地域分析 高风险场景分析
增信 情况
机构 评分卡
现场尽调
在途用信 预警
件均额度 预警
保证金 预警
机构行为 预警
控制人 预警
进件欺诈 预警
风险决策引擎
高风险拒绝
人工审批 无风险放行
逾期 保 证金代偿
不良 债权回购
自动追偿
人工抽检
9欺诈提前
回购
机构冻结
借款人全流程管控 防范风险无死角
针对不同的信审环节，构建不同的风控模型和策略，采用定性和定量的方法对贷前审核、贷中监控和贷后催 收实施全流程风险管理.
征信发展
在今天的互联网时代，数据承载量非常大，任何数据都可以成为信 用的一部分，即我们可以利用数据与信用的关联度，深层次挖掘信 用数据。人工智能算法模型不止是对过去的统计，也包括对未来的 预测，它可以帮助我们更好地刻画违约概率和信用状况。
技术变革一直推动着征信业的发展
大数据
互联网+大数据征信：广泛、多维、实时
大数据风控体系 反欺诈服务 信用评分服务 贷后监控预警服务
金融风控面临的主要挑战
大数据风控体 系
一站式大数据风控平台 贴合互联网信贷业务
1 一站式建模
组件化的引擎服务涵盖数据处理、模型 训练和策略执行全流程，一站式完成风 险评估
2 快速构建风控能力
将复杂的数据处理，数据挖掘，机器学 习过程标准化，风控人员通过简单的界 面操作就能完成风控建模，能够帮助机 构迅速构建风控能力
身份认证 策略
风险评级 模型
贷中复查 策略
贷款申请
贷中复查
放款
反欺诈 模 型和策略
风险定价 模型
贷后 风 险监控 预警策略
反欺诈服 务
贴合场景和业务 灵活定制风控环节和反欺诈策略
不同的金融应用场景,有着不同的业务流程和环节，需要设计不同的风险检查环节和风控策略. 构建完成基于场 景、事 件、规则驱动的欺诈风险判别服务,通过灵活配置就能满足不同场景下、不同业务环节欺诈风险判别的 能力. ..
大数据
大数据征信
大数据风控平台 征信大数据
渗透生活方方面面的信用
多维度数据集市
搜索
贴吧
画像 应用
到店
知道
网盘
画像
公开 外部
LBS
设备
底层
APP
数据
数据
注册
糯米
去哪 儿
有钱 花
百科
爱奇 艺
登量 Variety - 多维 Velocity - 实时
金融征信大数据风控
多层式多维度个人欺诈评估 全面排除欺诈风险
七大反欺诈策略，覆盖信贷业务全流程
七大策略
信贷全流程
用户 注册
登录
开户 绑卡
申请 授信
确认 用信
提现
-三要素核身
-客户端环境检
-异常设备登录 -检异测常登录地检
-四要素核身 -人脸识别
测
测
设备是否绑定
-注册设备是否 关联多用户
-异常登录IP检 测 -登录异常人脸
贷款信息
C
信贷交易信息
个人公共信息
互金和银行黑灰名单
信贷逾期名单、司法
不良名单、多头申请
C
多头负债名单、团伙
欺诈名单、百合&世
纪佳缘婚恋社交黑名
单
设备相关数据
F
设备指纹、 设备
硬件信息、 GPS
定位信息、 设备
安装APP数据
合作平台全流程风控 消除平台风险于萌芽
股东 信息
资产 情况
团队 情况
经营 情况
芝麻信用
信用评分、 行
D
业关注名单、
申请欺诈评分、
欺诈信息验证、
欺诈关注清单、
企业信用评分
用户认证数据
公积金、社保、
B
运营商通讯、
学历数据、 职
业数据（猎聘
、脉脉和领英）
消费收支数据
线上电商和线下
银联消费数据，
B
银行卡收支数据
， 航旅出行
数据
用户行为数据
E
申请表单填写时间
借款协议页面停留
时间
人行征信报告
3 互联网大数据风控
汇聚海量征信数据，运用大数据计算能力
快速精准分析欺诈和信用风险
海量征信数据 全方面构建用户信用画像
用户身份信息
居住地、婚姻状况
A
、子女情况、工作 单位、职位、房产
、收入、联系人数
据
婚恋社交数据
家庭情况
房产情况 学
A
历情况 生活
作息 爱情规
划 爱情账户
等级
婚恋社交信用度评
婚恋社交人脉图谱
大数据
人群覆盖广 泛
活动时间
6.48亿网民，互联 网征信数据可作为 补充
信息广谱多 维
活动时间
. 传统数据+生活类 数据+互联网数据 . 上万个变量
数据实时鲜 活
活动时间
. 实时互动 . 线上与线下融合 . 生活化、具象化
运用大数据征信模型全面刻画信用
大数据
接入大量外部广谱数 据
大数据征信模型
运用大数据征信模型全面刻画信用
“制定互联网+行动计划，推动移动互联网、云计算、大数据、物联网等与现 代制造业结合，促进电子商务、工业互联网和互联网金融 健康发展，引导互联网
企业拓展国际市场。”
互联网金融健康发展的核心是风险控制
大数据
技术变革推动征信业发展
征信背景
征信最早起源于消费分期，需要对消费者进行信用评估，但当时更 多的是通过口碑积累的定性判断，没有定量描述。进入电子化时代 后，数据得到了沉淀和积累，我们开始使用数据统计模型来计算和 评估信用，这极大地推动了行业快速向前发展。
2020
互联网+金融征信大数据 云平台整体解决方案
目录 Contents
第一章 第二章 第三章 第四章 第五章
互联网+征信大数据 金融征信大数据风控 区块链+金融征信
区块链在金融征信领域挑战
征信案例
互联网+征信
互联网+大数据模式下的征信
互联网金融、大数据产业、征信迎来发展的历史机遇
李克强总理2015年政府工作报告：
通过共享合作平台数万笔分期借款还款数据，评分模型能够快速启动
一站式模型训练决策引擎，快速构建评测模型
集检测、响应和分析预防于一体的反欺诈攻防体系
反欺诈是一场持久战，需要和专业的欺诈团伙长期斗争，针对不断演进的欺诈技术和手段，持续优化反欺诈 模型和策略，保证攻防战最终胜利.
信用评分服 务
构建信用评分卡模型 精准评估借款人还款能力和还款意愿
数万笔分期借还款样本，保障模型快速启动
训练评分模型的基础是训练样本（借款人真实还款表现数据），没有半年左右的交易数据，无法通过机器学习算法来训 练模型。故信贷业务开展初期，训练样本的缺失和不足，直接导致消费金融机构，无法建立评分模型.