參考最新的《2015中國移動互聯網發展指數報告》，中國共擁有12.4億臺移動端設備，其中移動智能手機的保有量為9億，每個移動互聯網用戶擁有大概1.35部智能手機。移動互聯網用戶中80后、90后、00后占比超過了72%，成為移動互聯網主要用戶。平均每部手機裝載了41款應用，平均每天打開25款應用，相對去年有較大的提升。
移動互聯網正在影響著人們的生活，移動設備端產生的數據也蘊藏著巨大的商業價值。2014年美國移動設備位置信息產生的市場價值大概為1000億美元，2015年中國移動大數據的市場剛剛開始。
惡意欺詐成為互聯網金融的主要風險
在PC互聯網時代，不管用戶是否喜歡BAT，其網站仍然在那里。但是在移動互聯網時代，如果一個用戶不喜歡這個應用，就可以在2秒鐘內刪掉這個App，徹底中斷和它的連接，無論其是不是BAT。在移動互聯網時代，選擇權完全轉向用戶，消費者將成為數字世界的中心。過去以品牌為中心的消費形式，將會轉變為以消費者為中心的消費形式。
智能手機上安裝的App和App使用的頻率，可以代表用戶的喜好。例如喜歡理財的客戶，其智能手機上一定會安裝理財App，并經常使用；母嬰人群也會安裝和母嬰相關的App，頻繁使用；商旅人群使用商旅App的頻率一定會高于其他移動用戶。未來80后、90后將成為社會的主要消費人群，他們的消費行為將會以移動互聯網為主，App的安裝和活躍數據更加能夠反映出年輕人的消費偏好。
智能手機設備的位置信息代表了消費者的位置軌跡，這個軌跡可以推測出消費者的消費偏好和習慣。在美國，移動設備位置信息的商業化較為成熟，GPS數據正在幫助很多企業進行數據變現，提高社會運營效率。在中國，移動大數據的商業應用剛剛開始，在房地產業、零售行業、金融行業、市場分析等領域取得了一些效果。
特別在互聯網金融領域的應用，移動大數據正在幫助互聯網金融企業實施反欺詐，降低惡意詐騙給互聯網金融企業帶來的損失。
近幾年，互聯網金融爆發式發展，預計2015年P2P的交易總額會超過1萬億，將成為具有影響力的產業。最近半年，大量的金融行業專業人士和傳統產業資本進入到互聯網金融領域，表明這個產業的生命力正在不斷增強，有的P2P企業的年交易額已經突破百億元，有的P2P企業估值也超過了15億美元。
但是在P2P行業，其面對的風險也在加大，除了傳統的信用風險，其外部欺詐風險正在成為一個主要風險。有的P2P公司統計過，帶給P2P公司的最大外部風險不是借款人的壞賬，而是犯罪集團的惡意欺詐。網絡犯罪正在成為P2P公司面臨的主要威脅之一，甚至在一些P2P公司，惡意欺詐產生的損失占整體壞賬的60%。很多P2P公司將主要精力放在如何預防惡
意方面。高風險客戶識別和黑名單成為預防惡意欺詐的主要手段。
移動大數據將發揮重要作用
移動大數據中的位置信息代表了用戶軌跡，商業應用較早。2014年，美國移動設備位置信息的市場規模接近1000億美元。但中國移動設備位置信息的商業應用才剛剛開始。
從技術上講，定位移動設備的位置有三種方式，第一種是通過運營商的3個基站定位，其誤差大概在200米；第二種是通過手機App中的GPS位置信息定位，大概誤差為50米；第三種是通過WiFi定位，誤差大概在3米到5米。在移動設備位置信息商業應用中，三種定位方式都被應用，室內以WiFi定位為主，室外以GPS定位為主。移動大數據在反欺詐領域具有以下應用場景。
用戶居住地的辨別。線上的欺詐行為具有較高的隱蔽性，很難識別和偵測。P2P貸款用戶很大一部分來源于線上，因此惡意欺詐事件發生在線上的風險遠遠大于線下。中國的很多數據處于封閉狀態，P2P公司在客戶真實信息驗證方面面臨較大的挑戰。
移動大數據可以驗證P2P客戶的居住地點，例如某個客戶在利用手機申請貸
款時，填寫自己居住地是上海。但是P2P企業依據其提供的手機設備信息，發現其過去三個月從來沒有居住在上海，這個人提交的信息可能是假信息，發生惡意欺詐的風險較高。
移動設備的位置信息可以辨識出設備持有人的居住地點，幫助P2P公司驗證貸款申請人的居住地。
用戶工作地點的驗證。借款用戶的工作單位是用戶還款能力的強相關信息，具有高薪工作的用戶，其貸款信用違約率較低。這些客戶成為很多貸款平臺積極爭取的客戶，也是惡意欺詐團伙主要假冒的客戶。
某個用戶在申請貸款時，如果聲明自己是工作在上海陸家嘴金融企業的高薪人士，其貸款審批會很快并且額度也會較高。但是P2P公司利用移動大數據，發現這個用戶在過去的三個月里面，從來沒有出現在陸家嘴，大多數時間在城鄉接合處活動，那么這個用戶惡意欺詐的可能性就較大。
欺詐聚集地的識別。惡意欺詐往往具有團伙作案和集中作案的特點。犯罪團伙成員常常會集中在一個臨時地點，雇用一些人，短時間內進行瘋狂作案。
大多數情況下，多個貸款用戶在同一個小區居住的概率較低，同時貸款的概率更低。如果P2P平臺發現短短幾天內，在同一個GPS經緯度，出現了大量貸款請求，并且用戶信息很相似，申請者居住在偏遠郊區，這些貸款請求的惡意欺詐可能性就較大。P2P公司可以將這些異常行為定義為高風險事件，利用其他的信息進一步識別和驗證，降低惡意欺詐的風險。
移動設備的位置信息可以幫助P2P公司，識別出出現在同一個經緯度的群體性惡意欺詐事件，降低不良貸款發生的概率。
高風險客戶也是P2P企業的一個風險。高風險客戶定義比較廣泛，除了信用風險，貸款人的身體健康情況也是一個重要參考。移動大數據的位置信息、安裝的App類型、App使用習慣，在一定程度上反映了貸款用戶的高風險行為。
P2P企業可以利用移動設備的位置信息，了解過去3個月用戶的行為軌跡。如果某個用戶經常在半夜2點出現在酒吧等危險區域，并且經常有飆車行為，這個客戶定義成高風險客戶的概率就較高。
移動App的使用習慣和某些高風險App也可以幫助P2P企業識別出用戶的高風險行為。如果用戶經常在半夜2點頻繁使用App，經常使用一些具有較高風險的App（例如某男同性戀應用），其成為高風險客戶的概率就較大。
當用戶具有以上的危險行為時，其身體健康就面臨著較大的威脅，P2P企業可以參考移動數據，提高將客戶列為高風險客戶的概率，拒絕貸款或者提前收回貸款，降低用戶危險行為導致壞賬的風險。
移動大數據在預防互聯網惡意欺詐和高風險客戶識別方面，已經有了成熟的應用場景。前海征信、宜信、聚信立、閃銀已經開始利用TalkingData的數據，預防互聯網惡意欺詐和識別高風險客戶，并取得了較好的效果。移動大數據應用場景正在被逐步挖掘出來，未來移動大數商業應用將更加廣闊。 （作者系TalkingData首席金融行業專家，陸家嘴新金融實驗室特約研究員）
京公網安備 11010502049343號