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！

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