绝对干货!风控实战数据解析,1分钟教你看懂运营商大数据!
作者:互联网
随着金融与科技的深度结合,大数据风控已经被大部分金融机构所认知并接受,各个大小金融机构平台基本都已经接入大数据风控系统,依靠多维度大数据综合信息,实现对借款人的智能风控和精准授信。
大数据风控在提高审核效率和降低业务风险上,得到行业客户普遍高度认可。但是也有个不可忽视的问题存在:由于大数据风控给出的信息、评分数据特别多,审核员如何在短时间内,快速找到关键数据信息,从而判断借款人质量的好坏呢?
作为行业领先的大数据风控系统提供商,阿尔法象从平台累计的客户咨询数据来看,金融客户对大数据风控中的运营商数据的咨询居多,所以借此机会,以阿尔法象大数据风控系统内置的运营商数据为例,详细的给大家介绍一下运营商数据,手把手教你划重点!
一、用户黑名单检测
俗话说“物以类聚,人以群分”,了解一个人怎么样,可以从他的身边人着手。
该项主要检测借款人的联系人中命中黑名单的情况。
二、账单数据
通过借款人的账单数据,清晰的了解借款人的呼叫次数、流量使用情况和话费消费情况,首先判断该用户是否是一个正常的手机号码。
其次,如果该用户的相关数据每月波动情况很大,应该特别关注。
三、个人行为数据
阿尔法象建议,个人行为数据中,重点关注静默时间、互通电话数量占比、风险号码、夜间活动。
其中,静默天数指的是用户手机无通话记录,24小时为一天,静默天数与风险等级成正比;
互通电话数量及占比,占比如果为 0%,证明用户没有互相打过电话的人,出现这样的情况有可能是用户并没有能够联系上的人,用户所有的号码都有可能是造假的情况;如果互通占比高于 30%,也风险很高,可能涉及造假嫌疑。
风险号码,比如110、120、澳门号码、律师、法院号码都是风险号码,主要与用户不良嗜好及用户身体状况有关。
夜间活动情况,反馈用户的生活状态,如夜间呼叫占比较高说明该用户可能在夜间活动频繁,后续如涉及催收,可根据其活动频繁时间进行。
四、通话记录
通过用户的通话记录,主要关注3点:
a. 是否被叫次数过多
b. 被叫时间是否很短
c. 是否被叫电话区域分布在非用户本人生活地、户籍地、工作地的居多
以上 3 点是观测用户是否被催收,如果用户近 7 日被叫电话多为几秒钟且非本地的多次被叫,可能涉及的被催收风险很高。
当然,在信贷业务大数据风控审核时,通过运营商大数据判断借款人征信风险只是其中一项,像阿尔法象大数据风控系统,除了运营商数据,还包括ODR人脸识别、四要素验证、高法对接、资产信息、淘宝数据、芝麻分信用体系、京东数据、定位、社保、公积金等多维度数据。
通过多种不同维度数据对同一借款人交叉综合验证,智能画像,由此判断其身份的真实性和信用资质,以及衡量其还款能力和意愿,为金融机构筛选更加优质的资产资源。
声明1:以上建议仅供行业相关人员参考,具体还需根据自身实际业务情况做判断。
声明2:阿尔法象大数据风控系统,在申请借款时,首先都要经过借款人亲自授权认证,授权通过后,系统才会获取其相关大数据信息。同时,阿尔法象提供关键信息脱敏功能,严格保证平台数据安全。
阿尔法象是提供互联网金融软件系统的高新技术企业。通过运用人工智能、大数据、云计算等科技手段,持续输出业务流程智能化管理、AI机审、大数据风控、企业运营管理等全生命周期的金融业务解决方案,助力新金融合规、可持续发展。
标签:用户,阿尔法,借款人,干货,控系统,风控,数据 来源: https://blog.51cto.com/14310913/2388731