La aplicación y los problemas del control de riesgos de big data en la tecnología financiera

La aplicación y los problemas del control de riesgos de big data en la tecnología financiera

1.

Ya sea un banco, una empresa de financiación al consumo, una pequeña empresa de préstamos de Internet y otras instituciones financieras, las instituciones financieras generalmente tienen necesidades de control de riesgos. La lógica empresarial subyacente es casi la misma, excepto para los grupos de clientes. productos financieros y preferencias de riesgo. Hay diferencias.

Los bancos y otras instituciones tradicionales son negocios inherentemente riesgosos. Por un lado, los reguladores imponen altas exigencias a la capacidad de control de riesgos de las instituciones financieras; por otro lado, el control de riesgos afecta directamente los niveles de ganancias de las instituciones financieras;

Por lo tanto, el control de riesgos de big data resuelve directamente las necesidades centrales de las instituciones financieras y tiene el mayor valor. El control de riesgos de big data puede mejorar en gran medida la eficiencia y las capacidades de control de riesgos de las instituciones financieras en términos de elaboración de perfiles de usuarios, antifraude y calificaciones crediticias. Es un medio tecnológico que debe incorporarse en el proceso de desarrollo de las empresas financieras.

2. Introducción a la industria del big data

En la actualidad, existen tres tipos principales de actores en la industria del big data:

Yixing Credit Information, Pengyuan. Información crediticia e Información crediticia de Qianhai Es una organización de datos basada principalmente en China Credit and UnionPay Intelligence. Su característica es que cooperan con bancos tradicionales, el Ministerio de Seguridad Pública, la Oficina Industrial y Comercial, aerolíneas, oficinas de seguridad social y otros. Las agencias estatales brindan a los ciudadanos información básica sobre tarjetas de identificación, información sobre tarjetas bancarias, información sobre viajes aéreos, información empresarial, industrial y comercial, etc., su característica es proporcionar consultas de datos externos, los datos son ricos y valiosos, pero la desventaja es que el Los productos de control de riesgos son débiles. Las empresas de Internet, principalmente Ant Financial, Tencent Credit Information y Baidu Finance, se caracterizan por tener cada una una enorme cantidad de datos basados ​​en el comercio electrónico, las redes sociales y la búsqueda, así como algunos datos externos para formar sus propios productos de control de riesgos. y datos En términos de capacidades de exportación, estas empresas de Internet inicialmente solo cooperaban con sus socios estratégicos para exportar control de riesgos, y ahora también están proporcionando gradualmente productos de control de riesgos 2B al mundo exterior. Empresas de tecnología de nueva creación como Tongdun Technology, Bairong Financial Services, Bangsheng Technology, Juxinli, Shumei Technology, etc., cuando los gigantes de Internet aún no habían proporcionado tecnología de control de riesgos al mundo exterior y la tecnología de control de riesgos de las instituciones de datos tradicionales no era sólida. , su El surgimiento de las finanzas P2P y los préstamos en efectivo ha compensado la enorme demanda de productos de control de riesgos. Sus datos integran múltiples fuentes de datos, proporcionan continuamente modelos y datos de control de riesgos para empresas 2B y han acumulado algunos datos de préstamos en línea.

3. Cobertura del proceso de control de riesgos del big data

El big data abarca todos los procesos en el ámbito crediticio, centrándose en la captación de clientes, la verificación de identidad y la concesión de crédito, así como el proceso de préstamo. y procesos post-préstamo.

En la fase de adquisición de clientes, se establecen retratos de usuarios para rastrear el ciclo de vida completo de los usuarios; en la fase de verificación de identidad, el problema de si el solicitante es el solicitante se resuelve mediante la verificación de identidad y el reconocimiento del cuerpo en vivo; y otras tecnologías, el análisis de asociación utiliza tecnología de asociación de gráficos para encontrar bandas de fraude; el proceso de concesión de crédito recopila múltiples fuentes de datos para determinar la valoración del riesgo a través de modelos, y los proveedores de servicios de tecnología financiera generan puntuaciones de crédito para que las utilicen las instituciones; para detectar clientes anormales, informar a la policía de manera oportuna y reparar clientes vencidos que han perdido contacto, etc.

Aplicación del big data en el proceso crediticio

4. Análisis de puntos de valor del control de riesgos del big data

1. Big data ¿Qué es lo más importante en el control de riesgos de los datos?

La respuesta es: datos.

Los datos son el núcleo del control de riesgos de big data. No hay nada más simple y más eficiente que los datos que indiquen directamente a las instituciones financieras que un determinado cliente objetivo es un cliente de la lista negra o un cliente con morosidad grave.

Es mejor tener datos masivos y cubrir suficientes usuarios; los datos de los usuarios tienen una alta densidad de valor, poco ruido y una fácil limpieza de datos; los datos de los usuarios tienen múltiples dimensiones y pueden formar sus propios escenarios comerciales; Puede obtener datos valiosos.

2. Tecnología

Para algunas instituciones financieras, si los estándares de control de riesgos son muy estrictos, en realidad no es difícil identificar a los clientes a los que no se les permite ingresar. instituciones financieras En general, el control de riesgos y el negocio son mutuamente excluyentes. Para aumentar el volumen de negocios es necesario bajar los estándares de acceso, pero al mismo tiempo prevenir los riesgos. Esto requiere el uso de medios técnicos, a través de modelos antifraude. y métodos de modelado de crédito, Baihu realiza una evaluación y evalúa el nivel de crédito del cliente para decidir si obtiene la admisión.

Los requisitos técnicos incluyen sólidas capacidades de arquitectura técnica subyacente, buenas capacidades de producción de productos a nivel empresarial y capacidades de modelado y limpieza de big data. En el futuro, también será necesario combinarlo con Al y otras tecnologías para formar. una plataforma inteligente de control de riesgos y antifraude.

3. Escenarios

Los servicios financieros como gestión financiera, seguros, financiación de automóviles, préstamos en efectivo, etc. corresponden a diferentes escenarios y tienen diferentes requisitos de modelado que requieren los clientes. Cuando se comprende bien el escenario empresarial, el modelo puede ser adecuado para las características de la industria. Requiere un equipo de modelado experimentado y un equipo de expertos de la industria; haber atendido a clientes de referencia de la industria y comprender los escenarios comerciales del cliente y tener un conocimiento profundo de las necesidades comerciales;

5. La aplicación del control de riesgos de big data en el crédito

Tomamos el sistema Bairong como ejemplo para introducir el proceso de control de riesgos de big data en el proceso de crédito:

Proceso de solicitud de préstamo de control de riesgos de Big Data de Bairon

El proceso de aprobación de crédito actual se divide principalmente en revisión manual y revisión automática para clientes con buenas calificaciones y buen crédito, siempre que puedan aprobar. información negativa e información fraudulenta, evaluación crediticia, entonces el sistema la aprobará automáticamente. Para los clientes con información negativa y riesgos de fraude, el sistema puede rechazar automáticamente o solicitar una revisión manual. Para los clientes con puntajes crediticios bajos, se requiere una revisión manual.

6. Datos de la industria de big data de uso común

Informe crediticio del banco central: las instituciones financieras generalmente autorizadas tienen la autoridad para intervenir en el informe crediticio del banco central, incluidos los registros personales de calificación profesional y administrativos. Registros de recompensas y sanciones, registros de procedimientos judiciales y de ejecución, registros de atrasos de impuestos, etc. Información judicial: la lista más reciente publicada por el Tribunal Popular Supremo y los tribunales provinciales y municipales de todos los niveles, incluido el tribunal de ejecución, el tiempo de presentación del caso, el número del caso de ejecución, el sujeto de la ejecución, el estado del caso, la base de ejecución, la agencia de ejecución, las obligaciones determinadas por la vigencia documentos legales y personas sujetas a ejecución Estado funcional, comportamiento de la persona sujeta a ejecución por deshonestidad y otra información. Información de seguridad pública: cubre información sobre personas involucradas en el caso, prófugas y con antecedentes penales en el sistema de seguridad pública, incluido el momento del caso, detalles del caso como fraude/producción, ventas de drogas falsas y otra información. Información de tarjetas de crédito: depósitos bancarios/gastos de tarjetas de crédito, ingresos, información de vencimientos, etc. Información sobre viajes en avión: incluye ciudades de vuelo, horarios de vuelo, niveles de asientos y otros datos de cada trimestre del año pasado. Información social: incluido el tipo de coincidencia de cuenta social, el género de la cuenta social, el número de seguidores de la cuenta social, etc. Información del operador: verifique el tiempo en línea de la cuenta del operador, el estado en línea, el nivel de consumo y otra información. Lista negra de préstamos en línea: verifique si hay préstamos en línea vencidos e información de la lista negra según el nombre personal y el número de identificación. También hay estados de licencia de conducir, lista negra de alquiler de automóviles, registros de consumo de comercio electrónico, etc.

7. Problemas en la industria del big data

El problema actual que enfrenta toda la industria del big data es principalmente la filtración de la privacidad de los clientes debido a la información sensible de seguridad pública, los tribunales. Y otra información, en realidad es un juego Caminando en el área en blanco de la supervisión legal.

Antes del establecimiento de Baihang Credit Information, los datos de varias agencias de datos no estaban conectados y la validez de los datos se vería comprometida. Se espera que después de que se publiquen los datos de Baihang Credit Information. combinar las fortalezas de cada agencia de datos será mejor.

Cada empresa de big data tiene diferentes métodos de recopilación y limpieza de datos, lo que provocará contaminación de los datos, por lo que los datos de salida tendrán ciertas imprecisiones.

Actualmente, los datos de los ciudadanos provienen principalmente de la recopilación fuera de línea y de registros de comportamiento en línea. Hay un cierto retraso en los datos y hay un cierto retraso en los datos recopilados únicamente fuera de línea.

Big data aún se encuentra en las primeras etapas de desarrollo. El mayor problema en la actualidad es que la cantidad de datos no es lo suficientemente grande ni completa, y cómo coordinar la contradicción entre la apertura de datos y la privacidad de los ciudadanos. En el futuro, también será necesario combinar la inteligencia artificial y la cadena de bloques, la cadena, el Internet de las cosas y otras tecnologías para lograr una recopilación oportuna y sin manipulación de datos, a fin de brindar un mejor servicio a los servicios financieros.