风控中的企业与个人数据有哪些核验维度

当前，数据行业进入全面整顿，特别是涉及到个人隐私查询的项目全部下线。在断直连以及个人信息保护法相继出台后，对金融科技、现金贷等行业造成极大影响。目前，只有验证类或没有涉及个人信息隐私的可以查询，如银行卡核验、身份证核验、手机号核验、网贷黑名单查询、反欺诈查询等。
我们梳理了下在企业类风控和个人信贷类产品中，信息核验的维度，整理了几大比较重要的维度核验，详情如下：
（PS：有些信息或有滞后，欢迎反馈更正）

一.企业类风控的五大维度
企业数据供应商5大类：基本面、经营类、征信类、关联类、企业主

①基本面分析
根据企业基本面信息，包括注册资本、注册时间、变更情况、是否被执行、失信被执行、诉讼等主体，评价融资企业的风险。
基本面：工商、司法类型大数、企查查、天眼查、企信宝

②经营分析
分析不同类型企业的不同类型经营行为的平均金额、平均交易间隔、交易规模、服务内容、应收账款确认情况，判断经营风险。
经营类：税务、票据类型微众税银、航天科技、杭州微风企、百望云、金蝶、东方税银

③征信风险
分析企业的最近诚信状况，包括企业与企业主的人行征信。
征信类：二代征信

④关联风险
分析企业的对外投资关系，企业主的对外投资与任职关系，判断企业的关联风险。
关联类：上下游、对外投资、实控人/企业大数、企查查、天眼查、企信宝

⑤企业主风险
判断企业主的资产情况、借贷行为、是否涉及黑名单、消费行为等数据，判断企业主风险。
企业主：实控人/股东/法人的正面 负面数据各大个人类供应商
以上企业大概大概有这5点内容，那在个人零售类的数据又有哪些不同的维度？请看以下内容。

二.个人类的七大数据维度

个人信贷如果偏向线上产品的，整体的风控倾向去验证是否本人申请，是否团伙中介，有没有集中欺诈，风险把控中线上欺诈是最重要的防控，其次便是信用风险防范。梳理了大概有六大类别的信息验证需要，分别是：
①身份核验类
活体、身份证、银行卡、工作真实性等
②运营商类

运营商三要素、在网时长/状态、运营商标签
③多头黑名单类

多头、共债、黑名单、法院等
④信用数据类

收入、消费、社交关系、稳定性等
⑤评分产品类

营销、反欺诈、信用、B卡、C卡等
⑥联合建模类

逻辑评分、XGB/LGB、随机森林等

在上述的内容中，全部展开内容较多，以①②③④为例展开梳理，详细

①身份核验产品系列

产品类型：人脸识别、身份证、银行卡、公安、法院
后台资源：权威数据库
更新频率：按周/月

人脸
•代表：依图、商汤
身份识别
•代表：各家均有

银行卡
•代表：银联
公安
•代表：一所、三所

法院
•代表：法海、汇法

在以上个人信息核验中以银行卡跟身份证类验证为例，主要内容有：
a、银行卡类
1.银行卡二要素核验：验证银行卡和姓名
2.银行卡三要素核验：验证银行卡号、姓名和身份证号
3.银行卡三要素精确验证：验证银行卡号、姓名和身份证号，提示具体的错误项
4.银行卡四要素核验：验证银行卡号、姓名、身份证号和手机号
5.银行卡四要素精确验证：验证银行卡号、姓名、身份证号和手机号，提示具体的错误项

b、身份证类
1.身份证二要素实名认证：验证姓名和身份证号
2.人像比对技术服务：支持活体检测，与身份证上图像进行比对
3.活体识别核验：动作版：张张嘴，摇摇头，眨眨眼

②运营商产品系列
产品类型：三要素核验、在网时长、在网状态、携号转网标签、手机偏好、地址、号码标签等
后台资源：三大运营商
更新频率：按周/月
验证类

•关注：底层数据源、价格、是否支持携号转网（如支持价格差异度）
信用类

•常用变量：APP应用偏好、通话号码标签、GPS稳定性

以手机号核验为例，其核验详情有：
1.手机号三要素核验：验证姓名、身份证号和手机号
2.手机号在网状态一要素查询：通过手机号查询，返回手机号在网状态
3.手机号在网时长一要素查询：通过手机号查询，返回手机号在网时长区间
4.手机号近三个月消费均值查询：通过姓名、身份证号和手机号查询，返回话费消费区间
5.手机号码平均流量查询：通过姓名、身份证号和手机号查询，返回流量消费区间
手机号类主要是用来检测查询的手机号是否为当前本人使用、并且判断这个手机号是否能正常使用、是否为新号。

数据代表厂商：联洋国融、电话邦

③多头黑名单产品系列
多头的数据大家比较熟悉，指的是负债的机构数据情况，各位风控同学用得也相对多一些，直接看这份内容可以清晰些，就不过多介绍。

④信用数据产品系列
产品类型：消费、工作、收入、家庭、位置、社交、关系网络、稳定性、还款习惯等；
后台资源：供应商自生态积累数据；
更新频率：按天/周/月（各类数据产品均不相同）

a.个人偏好
基于用户消费、资产、职业等信息，对用户消费等级、消费偏好、收入稳定性、职业稳定性等信息进行评估。
b.收入能力
基于资产、银行卡流水数据、公积金数据给出收入评估

c.社会关系
配偶、家庭人数、亲密联系人的收入及风险情况。

d.负面信息
往期履约行为、共债情况、偿债压力等判断客户还款能力。
当在我们有了一定的数据后，便可以利用外部数据做一些简单些的策略检验的信息，简单的流程如：

以上我们总结了现有的企业跟个人的数据的维度。在新的个人信息保护的法律框架之下，金融机构对于数据的应用和保护将产生什么变化？未来金融行业数据应用结构将有怎样的调整？合规合法也将是趋势，那在这样的框架下，作为数据行业的同学应该怎么选择合适自己的数据源。怎么去做好数据的测试内容。

以上内容，关于更详尽的三方数据的内容仍未全面展开，更详尽内容，敬请关注：


~原创文章
…
end