
用大數(shù)據(jù)構建聯(lián)防聯(lián)控的全局風險網(wǎng)絡
可能很多人都看到過這樣一個段子,說的是一個優(yōu)秀的中國留學生因為在所留學國家有地鐵逃票的經(jīng)歷,畢業(yè)后找工作時四處碰壁,無奈之下他向負責招聘的人力主管詢問原因,得到的回答竟然是因為招聘企業(yè)查詢到他在留學期間有多次地鐵逃票的經(jīng)歷,進而對他個人的誠信產生懷疑而不予錄用。筆者已經(jīng)在手機端、電腦上多次看到這個段子,只是每次留學的地點不一樣,一會是加拿大、美國,一會又是德國、法國。國人可能會對非常輕微的逃票問題卻導致如此悲催的后果感到不可思議,實際上這個故事說明了當今社會個人誠信問題的嚴重性,國外已經(jīng)成熟的個人征信體系會把個人一點點的信用問題放大到非常嚴重的程度。
國內征信市場現(xiàn)狀
征信是指依法收集、整理、保存、加工自然人、法人及其他組織的信用信息,并對外提供信用報告、信用評估、信用信息咨詢等服務,幫助客戶判斷、控制信用風險,進行信用管理的活動。信用是金融的核心,征信體系是現(xiàn)代金融體系運行的基石。目前個人市場化征信最為成功依然是美國,在美國做個人征信和做企業(yè)征信都有專門的上市公司,上百家征信機構并存,其中三大征信公司每年收入超過100億美元。據(jù)央行此前發(fā)布的《中國征信業(yè)發(fā)展報告》顯示,2013年中國征信市場上共有征信機構150多家,整體規(guī)模在20億元。美國有3億人,個人征信市場已經(jīng)到達了85%的覆蓋率,而目前國內的央行征信中心只有3億人左右的信用數(shù)據(jù),市場的增長空間很大,堪稱是一個有著千億元前景的大蛋糕。
國內征信市場開始跑馬圈地
2015年1月5日,央行官網(wǎng)發(fā)布消息稱已印發(fā)《關于做好個人征信業(yè)務準備工作的通知》,要求八家機構做好個人征信業(yè)務的準備工作,準備時間為6個月。這八家機構的股東背景相當多元,既有阿里、騰訊等互聯(lián)網(wǎng)巨頭,亦有大型金融保險集團企業(yè)如中國平安,另外還有如鵬元、中誠信等老牌的征信公司。傳統(tǒng)老牌征信公司主要依托長時間的個人信用數(shù)據(jù)的積累和自身的個人信用征信系統(tǒng)來提供征信服務,而類似平安集團這樣具有全牌照的金融企業(yè),由于下設有保險、銀行、信托、投資等各種業(yè)務條線,在個人征信方面也積累了大量數(shù)據(jù)。阿里螞蟻金服旗下的芝麻信用則是通過大數(shù)據(jù)技術來反映個人的信用狀況,例如通過在阿里旗下淘寶天貓、支付寶等購物和理財平臺來反映一個人的資產、信用狀況等,主要面向個人業(yè)務。而騰訊征信有限公司在征信體系搭建上,主要是運用社交網(wǎng)絡上海量信息,比如在線、財產、消費、社交等情況,為用戶建立基于互聯(lián)網(wǎng)信息的征信報告,服務對象包括金融機構和普通用戶等。
雖然互聯(lián)網(wǎng)巨頭可以借助旗下的電商交易平臺或社交網(wǎng)絡上的數(shù)據(jù)進行征信體系的建設,但是在個人信息采集過程中,如何保護個人隱私尤其引人關注?;ヂ?lián)網(wǎng)征信業(yè)務有很多雷區(qū),比如不能采集敏感的個人信息,數(shù)據(jù)的安全與透明度等。另外由于行業(yè)競爭等問題,,不同機構之間征信數(shù)據(jù)的共享也是一個大問題。一般來說大家傾向于共享個人信用數(shù)據(jù)中的黑名單,而并不愿分享自己的白名單。另外互聯(lián)網(wǎng)型征信公司所具有的大量用戶行為數(shù)據(jù)與與個人的借貸行為關系并不大,因而其建立的模型不一定準確,很難被主流的金融機構引用。
用大數(shù)據(jù)防范金融欺詐
征信系統(tǒng)只是實現(xiàn)了認證個人或企業(yè)信用水平的目的,但準備在互聯(lián)網(wǎng)金融領域實現(xiàn)欺詐行為的犯罪分子肯定也會進行各式各樣的偽裝,因此目前針對互聯(lián)網(wǎng)金融反欺詐問題的理想解決方案可能是全局欺詐信息庫的建立和構建聯(lián)防聯(lián)控的全局風險網(wǎng)絡。國內同盾科技就是一家致力于這個方面工作的信息安全類公司,而且同盾科技的全局欺詐信息庫是基于多個維度“黑名單”數(shù)據(jù)而建立的。首先是高危賬號,目前信息安全是社會熱點話題,各種個人或賬號信息泄露的事件層出不窮,引起了社會各界的廣泛關注和廣大民眾的擔憂。對于那些已被泄露信息的高危賬號,同盾科技會幫助大家發(fā)現(xiàn)風險信息,做好風險準備,減少風險損失。同盾科技利用已經(jīng)搜集到的泄露賬號信息建立起了高危賬號信息庫,并且將會持續(xù)不斷地更新該數(shù)據(jù)庫。第二個措施則是共享失信名單,構筑共防共治的誠信體系,讓更多企業(yè)避免重蹈覆轍,降低運營風險。第三個維度則是地理位置庫,同盾地理位置庫包括IP、身份證及手機等多維度的地理位置信息,可以快速精準的定位網(wǎng)絡訪問者的地理位置,通過地理位置庫可以快速精準的定位網(wǎng)絡訪問者的地理位置。在同盾領先的位置風險欺詐模型的幫助下,可以有效的識別在線網(wǎng)絡欺詐。
通過建立多維度的全局欺詐信息庫,同盾希望構建起一個聯(lián)防聯(lián)控的全局風險網(wǎng)絡,為加入風險網(wǎng)絡中的客戶提供協(xié)同防御的反欺詐服務。適用于全局的的欺詐信息庫有助于客戶及時發(fā)現(xiàn)更多的即將發(fā)生的重復或類似欺詐,做出合理處理,降低風險損失。而且作為一家第三方專業(yè)信息安全類公司,同盾并不會像某些互聯(lián)網(wǎng)巨頭那樣會對互聯(lián)網(wǎng)金融領域的從業(yè)者產生競爭壓力,會比較容易獲得互聯(lián)網(wǎng)金融客戶提供的高危賬號或失信名單等“黑名單”數(shù)據(jù)。完善并強化自身的全局欺詐信息庫,利于構建起一個高效可靠的聯(lián)防聯(lián)控的全局風險網(wǎng)絡。
大數(shù)據(jù)破解互聯(lián)網(wǎng)金融的死穴
目前風控還是互聯(lián)網(wǎng)金融的一個致命死穴,而基于大數(shù)據(jù)的征信和反欺詐有可能成為破解這一困局的有力武器。國外一些專注于大數(shù)據(jù)征信的公司看到了中國市場的發(fā)展?jié)摿?,紛紛進入國內開展P2P等互聯(lián)網(wǎng)金融服務平臺展開合作,近期有新聞顯示美國征信行業(yè)的巨頭益博睿(Experian)、費埃哲(FICO)等紛紛開始進入國內,與互聯(lián)網(wǎng)金融平臺在大數(shù)據(jù)征信領域展開合作。由此可以看出基于大數(shù)據(jù)征信和全局欺詐信息庫等構建聯(lián)防聯(lián)控的全局風險網(wǎng)絡將會有著難以估量的發(fā)展?jié)摿Α?/span>
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11