互联网金融与大数据风控相结合的九大维度

大数据你呢个进行数据变现的商业模式目前就是两个，一个是精准营销，典型的场景是商品推荐和精准广告投放，另一个是大数据风控，典型的场景是互联网金融的大数据风控。

金融的本质是风控管理，风控是所有金融业务的核心。典型的金融借贷业务，例如抵押贷款、消费贷款、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。

 传统金融的风控主要利用了信用属性强大的金融数据，一般采用20个维度左右的数据，利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据维度为十个左右，包含年龄、职业、收入、学历、工作单位、借贷情况、房产、汽车、单位、还贷记录等，金融企业参考用户提交的数据进行打分，最后得到申请人的信用评分，依据评分来决定是否贷款以及贷款额度。其他同信用相关的数据还有区域、产品、理财方式、行业、缴款方式、缴款记录、金融、时间、频度等。

互联网金融的大数据风控并不是完全改变传统风控，实际是丰富传统风控的数据维度。互联网风控中，首先还是利用信用属性强的金融数据，判断借款人的还款能力和还款意愿，然后在利用信用属性较弱的行为数据进行补充，一般是利用数据的关联分析来判断借款人的信用情况，借助数据模型来揭示某些行为特征和信用风险之间的关系。

互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被借款人风险评估，借款人的信用风险就被揭示的更充分，信用评分就会更加客观，接近借款人实际风险。

常用的互联网金融大数据风控方式由以下几种：

一、验证借款人身份

验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。

二、分析提交的信息来识别欺诈

大部分的贷款申请都从线下移到线上，特别是在互联网金融领域，消费贷和学生贷都是以线上申请为主的。

三、分析客户线上申请行为来识别欺诈

欺诈用户往往事先准备好用户基本信息，在申请过程中，快速进行填写，批量作业，在多家网站进行申请，通过提高申请量来获得更多的贷款。

四、利用黑名单和灰名单识别风险

互联网金融公司面临的主要风险为恶意欺诈，70%左右的信贷损失来源于申请人的恶意欺诈。客户逾期或者违约贷款中至少有30%左右可以收回，另外的一些可以通过催收公司进行催收，M2逾期的回收率在20%左右。

五、利用移动设备数据识别欺诈

六、利用消费记录来进行评分

七、参考社会关系来评估信用情况

八、参考借款人社会属性和行为来评估信用

九、利用司法信息评估风险

总之，互联网金融的大数据风控采用了用户社会行为和社会属性数据，在一定程度上补充了传统风控数据维度不足的缺点，能够更加全面识别处欺诈客户，评价客户的风险水平。互联网金融企业通过分析申请人的社会行为数据来控制风险，将资金借给合格贷款人，保证资金的安全。