卧龙和众多不同类型金融机构进行了数据匹配测试，下图为各类金融机构的互联网行为数据整体匹配情况。
传统的农商行主要面对线下人群，线上数据的匹配率很低，，要利用电商社交数据做信用评估基本不可行，利用大数据引流获客倒是一个值得关注的方向；
对于大型股份制银行以及消费金融公司特别是网贷平台，数据匹配率可以达到50%及以上，具有较大的大数据风控分析潜力。
二、电商社交数据的反欺诈应用基于电商和社交数据，我们依照传统的反欺诈和信用评估两个方向进行分析体系构建，也得到了一些很有意思的分析结论：
电商数据反欺诈众所周知，在某宝平台，上至豪宅别墅下至铁钉牙签，尤其是各种线下服务，除了吸毒犯罪，几乎没有不能卖的，正是这种特性给了我们很大的分析空间。
根据我们对一批用户的互联网行为特征进行跟踪，发现了一些很有趣的特征。建模分析过程如图所示：
对于其中发现的一批关键词，我们进行term weight分析，聚类如下图所示所示：
经过对近十万逾期和欺诈用户的百万条互联网行为记录进行分析，按关键词不同可以分为三个客群：
1、老赖客群：典型的诸如让银行头疼的老赖、资产纠纷用户会关联到法律纠纷等关键词；
2、多头借贷：这些用户会关联到新口子、套现、京东白条、蚂蚁花呗、苏宁金融等关键词 ，通过薅羊毛的手法走各种新平台，拆东墙补西墙；
3、黑产中介：这些用户则会关联到周卡、零配件设备号等关键词。从黑产中介的跟踪情况看，当前黑产已经形成一条极度隐蔽而且设备高度自动化的产业链。
社交数据反欺诈社交领域数据是另外一个比较有趣的话题，除了直接关注贷款类、涉黑类话题的用户，我们通过图数据库、PageRank算法等社交分析工具找到一批刷单刷帖用户。
信用评估一直是金融领域的重中之重。在介绍卧龙电商和社交数据的信用评估领域应用时，先普及几个基本知识。
模型评估维度业务经验法的例子包括根据品牌商品占比、主动评论占比、用户购物类目的分布占比情况等特征进行分析。一般购物类目分布越广，说明这个用户线上消费越强，刷单用户的可能性也就越低。
PageRank得分不是越高风险越小，还需要根据其贷款产品进行区分，大额贷款（5万以上），越是高分用户，逾期违约可能性越大；小额贷款（5万及以下）则刚好相反。
通过业务经验以及机器学习方法，考虑购物品类的情况下，我们总共构造了3万多个指标，下图为我们筛选指标的一般流程：
下图为特征在样本中的空置率表现。可以看出很大一部分特征都有缺失，这是互联网数据的一大特点，也是目前最大的挑战。我们通过一定的阈值过滤掉部分特别稀疏的特征。
下图为我们挑选的50个特征IV值分布情况。相比银行信用卡等特征会偏弱一点（我们测试基于银行信用卡流水构造的特征，通常IV值能到0.4左右），但也是不可多得的良好特征变量。
在有效特征中数码配件、手机配件、零食、男女内衣类目等类目特征IV值较高。这种不对外显露的类目，能很好的区分一个人的消费水平。
模型算法 传统的评分卡一般采用逻辑回归，因为这类模型可解释性强，便于沟通交流以及上级部门的监管。但我们采用的是可解释性虽然一般，但性能更强、效果更好的决策树模型。
通过电商以及社交数据，模型的KS值达到0.28，再加上传统贷款的申请表里的用户基本信息、资产信息授权信息，最终的建模KS效果达到0.36。
四 经验总结：1、电商社交数据适合线上行为活跃的群体，尤其是适合有场景用户，比如3C数码、医美、教育等消费分期领域。对线上行为特别稀疏的传统的线下人群，要利用电商社交数据做征信评估基本不可行。
2、特征不是越多越好，低值的特征多了反而降低模型整体的效果。并且特征越多，模型的可解释性分析困难越大，所以优质特征的筛选必不可少。
3、电商和社交数据用来做信用评估建模的效果不错，但是达不到直接使用的效果，因此电商和社交数据需要和其他数据配合使用，才能发挥最大的价值。
4、电商和社交数据在反欺诈领域的应用来得比信用评估更直接。卧龙识别出的异常购物记录和敏感行为用户坏账率比正常客户要高4.7倍。
281
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
