2016年在互聯網金融領域，金融科技（Fintech）成了最火最紅的一個詞。特別是在11月份的烏鎮世界互聯網大會上，有關互金融的會議議程中都已經不怎么提“互聯網金融”這種說法，而是進化到了數字普惠金融和金融科技這些說法。
既然要做到數字、科技，必然需要依靠大數據來做金融。恰逢這些天借貸寶的“裸條”事件曝光，也暴露了在互聯網金融行業里，不少企業的風控做得非常初級，甚至是簡單粗暴。互聯網金融讓快速交易成為可能，不做好風控一定會造成巨大風險，而數字和科技恰恰是做好風控的核心。
做風控往往要一套風控模型，用來計算平臺方能夠承受什么風險等級的客戶，將各種金融交易的市場風險控制在合理的范圍內，使衍生品市場交易能夠穩定運行，最可能減少波動。今天無論是螞蟻金服、微眾銀行、百度金融、網易金融還是京東金融，雖然都是靠大數據做風控，但各家做法又有很多細節差別。
螞蟻金服的CTU智能風控大腦
毫無疑問，螞蟻金服在金融科技領域一直是領頭羊的位置。螞蟻金服最強的也就是大數據處理能力，其中有一套CTU智能風控大腦，這也是螞蟻金服的工作核心。
所謂的CTU智能風控大腦，工作流程主要是分成這樣幾步——判斷請求發起是否為帳戶主人。CTU判斷是否為賬戶住人主要通過是否是可信的行為、可信的位置、可信的設備以及可信的關系。如果這些緯度都可信，再去判斷資金、個人隱私、相關數據有無風險。判斷依據就是我們所熟知的支付寶、余額寶、招財寶、芝麻信用、網商銀行等業務數據。
阿里在金融體系的數據很強，特別是因為淘寶、天貓這些電商平臺上積累的電商數據更是對個人用戶的消費能力有很大的洞悉能力。用戶電商消費記錄、旅游消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯網金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，就可以借助于工具將客戶歷史消費數據全部抓取并進行匯總和評分。
芝麻信用的最大作用就在于此，再加上芝麻信用打通了微博之類的平臺，社交數據也在逐漸補足。目前，螞蟻金服的數據包括在線購物、與他人資金往來、還信用卡、資金理財、公用事業費繳納、房屋租賃或買賣、跳槽情況、婚姻狀態、社交關系等，從用戶信用歷史、行為偏好、履約能力、身份特質、人際關系等。
重要的是，螞蟻金服的數據還在向傳統金融機構開放，一方面通過傳統金融機構獲取數據，另一方面和傳統金融機構合作，這種數據獲取能力使其數據之強無出其右。當然，螞蟻金服也有數據短版，前段時間的“支付鴇”事件可能也從側面證明，螞蟻金服想進一步挖掘社交數據，完善風控體系。
微眾銀行用6個模型找到壞客戶
在微眾銀行看來，海量客戶可以確保資產結構穩定。當做到上億級用戶時，信用風險就是可以接受的社會平均風險，微眾銀行要做的就是在社會平均風險下挑出“壞客戶”，進一步降低風險。
壞客戶的數據其實在征信公司手中都有。目前，市場上有近百家的公司從事個人征信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶征信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單僅在兩百萬左右。
騰訊不僅和征信公司合作，旗下的微眾銀行也通過6個模型找到“壞客戶”——微信社交、QQ社交、財付通交易數據、人民銀行資產負債與還款狀況以及是否急需資金。總體來看，微眾銀行最大的優勢在于騰訊的社交數據。一方面通過和微信結合推出了微信支付，和QQ結合推出了QQ錢包，用社交的方式帶動金融；另一方面又通過社交數據以及用戶在銀行的資產數據來判定用戶的信用情況。
不過，因為缺乏用戶在衣食住行等電商、O2O、生活服務場景的數據，所以微眾銀行正通過加強與O2O平臺合作的方式，來積累用戶的消費數據，完善自家的數據風控體系。相比于螞蟻金服，微眾銀行的數據優勢還是在于社交體系中的強大數據積淀。
百度金融主動預警捕捉高危行為
互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用于借款人風險評估，借款人的信用風險就被揭示得更充分，信用評分就會更加客觀，接近借款人實際風險。
百度金融主要是打通“人+手機+設備+IP”（如手機號、身份證號、設備號、網絡賬號等）等關聯緯度，基于全網行為進行監測，捕捉高危行為特征，在貸前準入方面就開始排查風險，進行反欺詐識別，生產黑名單，對借款人的行為進行預測。在貸款后，也會對借款人貸后行為進行跟蹤和監測，只要觸發預警規則，也會激發提醒。
百度金融的這種做法的邏輯和微眾銀行其實非常相似，思路都是找到“壞客戶”，然后降低平均風險。除此之外，百度金融此前還和中信銀行合作成立“百信銀行”，合作開發金融產品。實際上，這種做法一方面是為了獲取渠道，另一方面，也是雙方互相補足征信數據的一種做法。此外，百度旗下的O2O業務也能為其數據積累奠定一定的基礎。
在金融業務和風險控制這兩方面，金融機構有天然的優勢。金融是一個強監管和門檻較高的行業，金融機構多年積累的風險甄別能力，以及對金融的理解和產品的設計能力，這些是很難被互聯網公司所取代的。百度金融和中信銀行之間的關系是百度的壁壘所在。
網易金融構建北斗七大風控模型
相比于螞蟻金服是靠大而全的數據構建的風控體系以及微眾銀行、百度金融的濾網型風控體系，網易金融更注重全流程構建風控體系，并在關鍵節點上進行風險控制。
網易北斗是網易金融構建的智能風控平臺，其風控流程和其他平臺一樣，都分成了貸前、貸中、貸后這三個部分，但是網易北斗把貸前、貸中、貸后分得更為細致——網易北斗在貸前做了獲客引流模型、反欺詐型模型以及風控授信模型，先構建了篩選機制。在貸中又做了信貸管理模型，確定放貸的金額以及調查還貸能力等。在貸后還有風險預警模型、云催收模型和用戶增值模型，一方面可以防止出現壞賬的情況，另一方面也是在判斷用戶未來的業務合作以及增值空間，為后續的二次貸款做好準備。
網易金融不僅做好自家平臺的風控體系，并通過和銀行、傳統金融機構合作賦能的方式釋放自己的大數據風控能力。一方面是做了魔鏡精準營銷服務平臺這個大數據一站式精準智能營銷系統，幫助傳統金融機構獲客及精準營銷。另外一方面也是通過網易七魚這個全智能云客服專家系統，幫助傳統金融機構解決各項問題，讓銀行提升審批效率和降低成本。在獲客和解決問題的同時，實際上網易金融的深度學習系統也在不斷提升，并且未來很可能可以與這些金融機構有更多在數據方面的合作。
雖然說網易金融在大數據風控方面的能力和螞蟻金服有一些差異，但是在今年9月，清華大學在和網易金融建立金融科技中心的基礎上，和螞蟻金服也簽署了合作協議，網易金融事實上和螞蟻金服在風控層面上有一些數據合作。這對于雙方的大數據積累、風控能力提升都有一定的幫助作用。
除此之外，魔鏡精準營銷服務平臺以及網易七魚這樣的云客服專家系統也是體現了網易金融在智能風控領域注重實用性的一面。也難怪今年烏鎮世界互聯網大會上，丁老板對媒體說，“我們肯定在這些方面（人工智能）是遙遙領先的！”
京東金融一手靠消費一手靠合作
京東做風控主要是靠消費金融來驅動，通過京東商城龐大的交易數據為基礎，覆蓋了物流、用戶等京東生態體系內的所有有效數據，不斷構建大數據基礎以及風控系統。
2015年6月份，京東還投資了美國互聯網金融公司ZestFinance，且成立名為JD-ZestFinanceGaia的合資公司，以將后者的信用模型應用于京東的消費金融體系和風控模型。京東在國內的合資風控公司也即將開業，參股公司還包括數據銀行聚合數據、個人信貸風控公司聚信立。做這一系列的布局，其實也表明，京東在通過這種合作的方式不斷完善自家數據。
在京東生態圈之外，京東金融通過各種合作、投資模式，獲取到更多的生態數據。比如說京東金融投資了不少汽車租賃平臺，切到汽車后市場。另外，京東也和百安居之類家裝平臺進行合作。京東一方面是在支付、供應鏈、產品眾籌等領域和合作伙伴展開合作，另外一方面也是不斷通過合作、投資的方式不斷拓展到生態體系外的其他場景之中，不斷豐富自家的數據。
按照京東的數據統計來看，投資+合作這兩種方式已經讓其覆蓋了教育、租房、裝修、旅游、汽車等眾多消費場景，囊括了近 2000家京東商城的供應商。這對于京東風控能力的提升會有較大幫助。
寫在最后：
2016年互金行業進入以金融科技為潮流的轉型期，技術逐步成為平臺的核心競爭力，擁有強技術和數據優勢的平臺將在行業競爭中脫穎而出。從國內主流互金玩家的整體來看，目前各家都處于信用數據的收集期和積累期，采用用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。隨著BAT、網易、京東等玩家的持續深入，國內互金環境也將不斷改善。
作者：深幾度，微信號：852405518，微信公眾號“深幾度”，轉載請保留版權內容。
京公網安備 11010502049343號