CN109242673A - 鹰眼反欺诈大数据风控评估系统 - Google Patents

Abstract

本发明公开了鹰眼反欺诈大数据风控评估系统，包括原始数据、知识图谱、用户画像、风控模型和风控产品，其特征在于：所述原始数据为基础数据仓库；所述知识图谱为数据治理平台；所述用户画像包括特征平台；所述风控模型包含模型平台，所述模型平台包括政策规则、评分卡和数据挖掘；所述风控产品包含风控平台。本发明解决了传统风控依赖少量的强特征数据，无法全面合理的对全量用户进行风险评估，误杀率很高；传统风控数据处理技术落后，无法满足当前互联网信息时代，大数据量清洗处理、分析建模和风险评估等；传统风控政策快速迭代和预警机制缺失，无法快速根据市场的风险变化来实时预警和调整风控策略，做到及时上线规避风险的问题。

Description

鹰眼反欺诈大数据风控评估系统

技术领域

本发明涉及风控评估技术领域，具体为鹰眼反欺诈大数据风控评估系统。

背景技术

近年来互联网金融正在飞速发展，但国内的征信体系却不完善，截止至2016年6月，央行征信覆盖人群8.8亿，其中有信用数据的人群仅3.8亿，占总人口的29％。通过该数据进行核算，全中国将近12亿人是信用数据空白，然而目前国内大部分银行或者金融机构依然采用传统的技术来做风险控制。传统银行和金融机构依赖少量的强特征数据如：个人信息、收入、学历、工作、车产、房产、个人信贷记录等信息进行风险定价分析，但是大部分人不具备银行所需要的传统数据。

互联网的高速发展，大大方便了人们的生活，改善了人们的生活方式。同时人们通过网上购物、聊天、无线支付消费、生活缴费、理财保险、娱乐等方面产生了大量的用户信息数据。而这些数据并非传统金融机构所需要的风控强特征数据，而是庞大人群的数据海洋里隐性弱特征数据，这些数据对评估一个人的消费水平，性格，朋友圈位置，社会等级，工作情况，收入水平等具有很强的评估价值。但是传统金融机构的风控技术无法完成这部分海量信息特征的分析评估。

传统金融机构和银行，大多是国有企业。国有企业有其庞大的组织结构和上下级关系以及审批流程，导致风控体系一旦形成后，很难去更新迭代。整个风控策略以及风控所依赖的底层技术很难根据环境客群的变化迅速的做出调整，以减少坏账的损失。之前和国内一家银行洽谈信用卡对接业务时，对方说了一个欺诈案例，由于银行的初始风控流程有漏洞，导致有人利用这个漏洞，仅仅一个业务人员造成了4000万的坏账。分析其原因，最终还是风控所验证数据过少，风控总体迭代速度太慢，风险识别和发现过迟(直到出现大量坏账才发现)，造成重大损失。

基于对当前互联网大时代背景，金融借贷需求的用户越来越多，而传统的金融机构风控技术又不能很好利用互联网大数据来合理全面的评估客户的信用，主要矛盾集中体现在以下三点：

1.传统风控依赖少量的强特征数据，如：个人信息、收入、学历、工作、车产、房产、个人信贷记录等信息进行风险定价分析，无法全面合理的对全量用户进行风险评估，误杀率很高。

2.传统风控数据处理技术落后，无法满足当前互联网信息时代，大数据量清洗处理、分析建模和风险评估等。

3.传统风控政策快速迭代和预警机制缺失，无法快速根据市场的风险变化来实时预警和调整风控策略，做到及时上线规避风险，减少损失。

综上所述，传统金融机构的风控技术很难满足当前互联网时代客户的金融需求的风险评估，虽然银行和机构也在不断的尝试风控技术迭代和更新，但是由于其国企自身的局限性，很难完成新技术引领和落地。目前传统风控技术无法对大多数互联网客户做准确评估，而且可以依赖的评估数据有限，漏洞频出，风控快速迭代和预警机制严重匮乏。

发明内容

本发明的目的在于提供鹰眼反欺诈大数据风控评估系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：鹰眼反欺诈大数据风控评估系统，包括原始数据、知识图谱、用户画像、风控模型和风控产品，其特征在于：所述原始数据为基础数据仓库；所述知识图谱为数据治理平台；所述用户画像包括特征平台；所述风控模型包含模型平台，所述模型平台包括政策规则、评分卡和数据挖掘；所述风控产品包含风控平台。

优选的，所述基础数据仓库为存储全量的任何能够抓取到的用户所有数据，包含用户授权抓取的手机端的通讯录、通话记录、短信、手机app安装使用情况、埋点信息数据、设备信息数据等，还包含我们付费为客户调取一下征信源数据包含社保、公积金、银联数据、芝麻信用、京东、腾讯等信用数据。

优选的，所述数据治理平台对正对用户各个维度进行深度分析挖掘清洗等，用户的数据拆分成六大维度，用户的基本属性数据、用户行为数据、用户历史借贷数据、用户认证数据、用户社交关系数据、用户偿还能力数据，数据治理平台包含原始数据的清洗，转化，按照业务划分存储定义等。

优选的，所述特征平台包括用户在各个省份未还率情况进行统计分析，给出每个省客户质量好坏等级，同一地区用户的收入进行排名得出名次，对当地客群用户收入层次分布有一个总体的分级，并判断每个用户当前的收入是属于富裕、小康还是贫困，客户的多头借贷情况和用户的公积金汇缴情况判断一个用户可以承担借款额度的范围。

优选的，所述政策规则包含：新户规则集、老户规则集、反欺诈规则集、征信源规则集、认证规则集、优质用户通道规则集；所述评分卡包含：有新户准入评分、运营商逾期评分以及用户整体评分小银分；所述数据挖掘包含：NLP自然语言分析成果、手机静默模型、运营商逾期模型、Xgboost全量风险评估模型位于我们整体风控技术体系的最上层，在这里我们可以配置用于不同产品的征信体系和风控策略。

优选的，所述风控平台包括需要采集的数据，数据处理流程，指标，规则，模型以及整体流程，在这个风控产品平台，我们可以根据产品自身的特性，配置其专用的风控体系。

与现有技术相比，本发明的有益效果是：

从当前互联网时代风险评估体系来说，具有以下几项优点：

1.引入客户在互联网上留下的大量弱变量数据(消费，社交，娱乐，通讯等数据)，用大数据技术进行存储和计算，运用数据挖掘技术进行多维度、深度的分析。这样就解决传统风控技术无法对一个金融白户做信用评估问题，大大增加了客户的审核过件率，扩大客源范围和数据。

2.引入大数据智能存储计算技术，能够在极大限度上完成所有用户的全量数据存储和分析，而且数据不会丢失，因为我们每份数据都至少存放3份在3台不同机器上。而且我们能实现100亿数据级的实时计算分析，也就是每个用户过来风险评估，我们基本都是秒级完成。这样就解决传统风控无法大数据量聚合指标的计算和实时分析的问题。

3.整套风控系统分为三个部分：政策策略、风控智能模型、人工信审。所有的政策模块和模型模块都有实时指标预警，所有的预警客户都是会流入专案小组进行专案分析。最大限度的避免了团伙欺诈的可能性。

4.大数据风控评估系统具有版本并跑功能和新规则模型上线回测功能，能够快速帮助我们的策略分析师和数据挖掘工程师测试新功能上线的影响和风险进行快速上下线，并且快速的定位问题。解决了传统金融风控的繁琐上线审批流程以及上线周期过长导致风控迭代太慢造成很严重的经济损失。

从操作方式来说，具备以下几项优点：

1.流程化、标准化。我们线上所有风控指标开发，测试，上线都有很一整套规范化流程确保上线后的指标完全验证没有问题，另外所有的接口都做了标准化定义，我们每个风控产品都是共享调用上线的指标。

2.计算机自动化处理占据权重较大，能够保证整体风控吞吐量和整体过单效率。整套评估模型中，机审占比90％，只有10％的订单会流入到人工处理。

3.整个风控指标计算都做了很好的封装，我们任何不懂大数据和数据计算的风控策略分析师以及模型分析师都可以按照自己规则理念配置上线规则。

从商业和社会效益来说，具有一下几点优点：

1.对在银行没有信用记录的用户形成正向激励。这套新的风控评估体系能够对那些银行“白户”做精准信用评估，并且给与授信，这样之前在银行那里借不到钱的白户，现在有很大部分是可以借到钱的，一旦借到钱就产生了新的信用记录，新的信用记录又会不断优化风控让更多的人借到更多的钱，是一种很好的正向激励。

2.具备较高的商业价值。这套鹰眼反欺诈大数据风控评估体系所产生的风控产品为中国互联网金融的崛起奠基了基础，将会为中国亿万人民的普惠金融做出贡献。将来随着我们所有客户的征信数据都是通过这个评估系统来处理，它的商业价值是无限的，无论是数据，科学技术还是客户，都是异常宝贵。

3.推动新互联网生态的完善。科学合理的大数据风险评估标准能够让有价值征信良好的客户脱颖而出，促使社会资源和公众注意力越来越集中在信用良好的人身上，有助于这一类优质用户发挥更大的经济和社会效益。这样的良性循环能够在客观上促进整体国民信用体系重建。同样，也会对那些信用不好的人起到警戒作用，让他们在今后的生活中更加自律，避免出现欺诈逾期犯罪等情况，逐步形成稳定的新金融商业秩序和行业规范，对整个社会的信用体系环境也大有裨益。

附图说明

图1为本发明的风险控制评估流程图；

图2为本发明的手机静默监控模块流程图；

图3为本发明的老户运营商全景运行模型；

图4为本发明的数据处理流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

鹰眼反欺诈大数据风控评估系统，包括原始数据、知识图谱、用户画像、风控模型和风控产品，其特征在于：所述原始数据为基础数据仓库；所述知识图谱为数据治理平台；所述用户画像包括特征平台；所述风控模型包含模型平台，所述模型平台包括政策规则、评分卡和数据挖掘；所述风控产品包含风控平台。

本实施例中正式针对传统金融机构的风控的缺点，推出“鹰眼反欺诈大数据风控评估体系”，形成大数据全量综合分析评估新风控方案，我们通过数据采集清洗技术，大数据存储技术以及大数据智能数据挖掘技术完成所有用户数据的在线采集风险评估和决策，甚至我们可以通过我们的自主研发的风控决策引擎和大数据实时在线计算系统，完成用户评估报告的秒级生成和智能授信。

实施例2

所述基础数据仓库为存储全量的任何能够抓取到的用户所有数据，包含用户授权抓取的手机端的通讯录、通话记录、短信、手机app安装使用情况、埋点信息数据、设备信息数据等，还包含我们付费为客户调取一下征信源数据包含社保、公积金、银联数据、芝麻信用、京东、腾讯等信用数据。

本实施例中在这里我们将存储全量的任何能够抓取到的用户所有数据。一般情况下，包含用户授权抓取的手机端的通讯录、通话记录、短信、手机app安装使用情况、埋点信息数据、设备信息数据等，还包含我们付费为客户调取一下征信源数据包含社保、公积金、银联数据、芝麻信用、京东、腾讯等信用数据，这些数据抓取完后，会统一清洗转化成结构数据格式存储在我们搭建好的大数据中。

实施例3

所述数据治理平台对正对用户各个维度进行深度分析挖掘清洗等，用户的数据拆分成六大维度，用户的基本属性数据、用户行为数据、用户历史借贷数据、用户认证数据、用户社交关系数据、用户偿还能力数据，数据治理平台包含原始数据的清洗，转化，按照业务划分存储定义等。

在本实施例中数据治理平台就像是一个数据精品加工厂，数据在这个平台主要会正对用户各个维度进行深度分析挖掘清洗等，例如：我们将用户的数据拆分成六大维度，用户的基本属性数据、用户行为数据、用户历史借贷数据、用户认证数据、用户社交关系数据、用户偿还能力数据等，每个大的数据维度下面，我们有细分成百上千个重要核心指标，治理平台就是完成所有原始数据的清洗，转化，按照业务划分存储定义等，在这个环境，所有的数据处理程序ETL都会统一进行调度和定时管理，所有的程序都具有自动验证纠错功能，只要任何一个程序跑的过程中出错，都会进行预计，记录日志并且重跑。

实施例4

所述特征平台包括用户在各个省份未还率情况进行统计分析，给出每个省客户质量好坏等级，同一地区用户的收入进行排名得出名次，对当地客群用户收入层次分布有一个总体的分级，并判断每个用户当前的收入是属于富裕、小康还是贫困，客户的多头借贷情况和用户的公积金汇缴情况判断一个用户可以承担借款额度的范围。

在本实施例中在这个阶段，用户的基本特征数据基本都已经完全梳理完毕。这个平台更多是根据用户基本特征去给用户进行画像。例如：我们可以根据整体用户在各个省份未还率情况进行统计分析，给出每个省客户质量好坏等级；我们可以将同一地区用户的收入进行排名得出名次，对当地客群用户收入层次分布有一个总体的分级，并判断每个用户当前的收入是属于富裕、小康还是贫困；我们可以根据客户的多头借贷情况和用户的公积金汇缴情况判断一个用户可以承担借款额度的范围等等。

实施例5

所述政策规则包含：新户规则集、老户规则集、反欺诈规则集、征信源规则集、认证规则集、优质用户通道规则集；所述评分卡包含：有新户准入评分、运营商逾期评分以及用户整体评分小银分；所述数据挖掘包含：NLP自然语言分析成果、手机静默模型、运营商逾期模型、Xgboost全量风险评估模型位于我们整体风控技术体系的最上层，在这里我们可以配置用于不同产品的征信体系和风控策略。

在本实施中在这个平台上，我们将所有分析的结果，以政策策略、评分卡、决策树、数据挖掘模型的形式发布到线上，让它们对用户的全方位风险控制发挥作用。我们的政策规则集包含：新户规则集、老户规则集、反欺诈规则集、征信源规则集、认证规则集、优质用户通道规则集等等；我们的评分卡：有新户准入评分、运营商逾期评分以及用户整体评分小银分等；我们数据挖掘研究成果包含：NLP自然语言分析成果、手机静默模型、运营商逾期模型、Xgboost全量风险评估模型等。所有的这些策略规则、评分卡、决策树、模型都会在这个模块进行统一聚合计算并给出最终结果，传输给下一个模块风控产品。这个平台是架构在整体大数据智能计算平台之上，所有的数据和计算能力都来自大数据智能计算平台。

实施例6

所述风控平台包括需要采集的数据，数据处理流程，指标，规则，模型以及整体流程，在这个风控产品平台，我们可以根据产品自身的特性，配置其专用的风控体系。

在本实施例中位于我们整体风控技术体系的最上层，在这里我们可以配置用于不同产品的征信体系和风控策略，例如：我们有信用卡申请产品、光大银行4000-8000元分期产品、1000-2000元小额信贷产品、大额的2-30万的公积金贷款产品等，这些产品都有其各自风控的策略和模型，风控的要点不同其整体风控需要采集的数据，数据处理流程，指标，规则，模型以及整体流程都不相同，但是在这个风控产品平台，我们可以根据产品自身的特性，配置其专用的风控体系。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (6)

1.鹰眼反欺诈大数据风控评估系统，包括原始数据、知识图谱、用户画像、风控模型和风控产品，其特征在于：所述原始数据为基础数据仓库；所述知识图谱为数据治理平台；所述用户画像包括特征平台；所述风控模型包含模型平台，所述模型平台包括政策规则、评分卡和数据挖掘；所述风控产品包含风控平台。

2.根据权利要求1所述的鹰眼反欺诈大数据风控评估系统，其特征在于：所述基础数据仓库为存储全量的任何能够抓取到的用户所有数据，包含用户授权抓取的手机端的通讯录、通话记录、短信、手机app安装使用情况、埋点信息数据、设备信息数据等，还包含我们付费为客户调取一下征信源数据包含社保、公积金、银联数据、芝麻信用、京东、腾讯等信用数据。

3.根据权利要求1所述的鹰眼反欺诈大数据风控评估系统，其特征在于：所述数据治理平台对正对用户各个维度进行深度分析挖掘清洗等，用户的数据拆分成六大维度，用户的基本属性数据、用户行为数据、用户历史借贷数据、用户认证数据、用户社交关系数据、用户偿还能力数据，数据治理平台包含原始数据的清洗，转化，按照业务划分存储定义等。

4.根据权利要求1所述的鹰眼反欺诈大数据风控评估系统，其特征在于：所述特征平台包括用户在各个省份未还率情况进行统计分析，给出每个省客户质量好坏等级，同一地区用户的收入进行排名得出名次，对当地客群用户收入层次分布有一个总体的分级，并判断每个用户当前的收入是属于富裕、小康还是贫困，客户的多头借贷情况和用户的公积金汇缴情况判断一个用户可以承担借款额度的范围。

5.根据权利要求1所述的鹰眼反欺诈大数据风控评估系统，其特征在于：所述政策规则包含：新户规则集、老户规则集、反欺诈规则集、征信源规则集、认证规则集、优质用户通道规则集；所述评分卡包含：有新户准入评分、运营商逾期评分以及用户整体评分小银分；所述数据挖掘包含：NLP自然语言分析成果、手机静默模型、运营商逾期模型、Xgboost全量风险评估模型位于我们整体风控技术体系的最上层，在这里我们可以配置用于不同产品的征信体系和风控策略。

6.根据权利要求1所述的鹰眼反欺诈大数据风控评估系统，其特征在于：所述风控平台包括需要采集的数据，数据处理流程，指标，规则，模型以及整体流程，在这个风控产品平台，我们可以根据产品自身的特性，配置其专用的风控体系。