P2P网贷如何利用大数据做风控
大数据能够进行数据变现的商业模式目前就是两个，一个是精准营销，典型的场景是商品推荐和精准广告投放，另外一个是大数据风控，典型的场景是互联网金融的大数据风控。
金融的本质是风险管理，风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。
传统金融的风控主要利用了信用属性强大的金融数据，一般采用20个纬度左右的数据，利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据 纬度为十个左右，包含年龄、职业、收入、学历、工作单位、借贷情况、房产，汽车、单位、还贷记录等，金融企业参考用户提交的数据进行打分，最后得到申请人 的信用评分，依据评分来决定是否贷款以及贷款额度。其他同信用相关的数据还有区域、产品、理财方式、行业、缴款方式、缴款记录、金额、时间、频率等。普惠在线
互联网金融的大数据风控并不是完全改变传统风控，实际是丰富传统风控的数据纬度。互联网风控中，首先还是利用信用属性强的金融数据，判断借款人的还 款能力和还款意愿，然后在利用信用属性较弱的行为数据进行补充，一般是利用数据的关联分析来判断借款人的信用情况，借助数据模型来揭示某些行为特征和信用 风险之间的关系。
互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示的更充分，信用评分就会更加客观，接近借款人实际风险。
常用的互联网金融大数据风控方式有以下几种：
验证借款人身份
验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。企业可以借助国政通的数据来验证姓名、身份证号，借助银联数据来验证银行卡号和姓名，利用运营商数据来验证手机号、姓名、身份证号、家庭住址。
如果借款人是欺诈用户，这五个信息都可以买到。这个时候就需要进行人脸识别了，人脸识别等原理是调用国政通／公安局 API接口，将申请人实时拍摄的照片／视频同客户预留在公安的身份证进行识别，通过人脸识别技术验证申请人是否是借款人本人。
其他的验证客户的方式包括让客户出示其他银行的信用卡及刷卡记录，或者验证客户的学历证书和身份认证。
分析提交的信息来识别欺诈
大部分的贷款申请都从线下移到了线上，特别是在互联网金融领域，消费贷和学生贷都是以线上申请为主的。
线上申请时，申请人会按照贷款公司的要求填写多维度信息例如户籍地址，居住地址，工作单位，单位电话，单位名称等。如果是欺诈用户，其填写的信息往 往会出现一些规律，企业可根据异常填写记录来识别欺诈。例如填写不同城市居住小区名字相同、填写的不同城市，不同单位的电话相同、不同单位的地址街道相 同、单位名称相同、甚至居住的楼层和号码都相同。还有一些填写假的小区、地址和单位名称以及电话等。
如果企业发现一些重复的信息和电话号码，申请人欺诈的可能性就会很高。
分析客户线上申请行为来识别欺诈
欺诈用户往往事先准备好用户基本信息，在申请过程中，快速进行填写，批量作业，在多家网站进行申请，通过提高申请量来获得更多的贷款。
企业可以借助于SDK或JS来采集申请人在各个环节的行为，计算客户阅读条款的时间，填写信息的时间，申请贷款的时间等，如果这些申请时间大大小于 正常客户申请时间，例如填写地址信息小于2秒，阅读条款少于3秒钟，申请贷款低于20秒等。用户申请的时间也很关键，一般晚上11点以后申请贷款的申请 人，欺诈比例和违约比例较高。
这些异常申请行为可能揭示申请人具有欺诈倾向，企业可以结合其他的信息来判断客户是否为欺诈用户。
利用黑名单和灰名单识别风险
互联网金融公司面临的主要风险为恶意欺诈，70%左右的信贷损失来源于申请人的恶意欺诈。客户逾期或者违约贷款中至少有30%左右可以收回，另外的一些可以通过催收公司进行催收，M2逾期的回收率在20％左右。
市场上有近百家的公司从事个人征信相关工作，其主要的商业模式是反欺诈识别，灰名单识别，以及客户征信评分。反欺诈识别中，重要的一个参考就是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单，大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑名单在两百万左右。
黑名单来源于民间借贷、线上P2P、信用卡公司、小额借贷等公司的历史违约用户，其中很大一部分不再有借贷行为，参考价值有限。另外一个主要来源是催收公司，催收的成功率一般小于于30%（M3以上的），会产生很多黑名单。
灰名单是逾期但是还没有达到违约的客户（逾期少于3个月的客户），灰名单也还意味着多头借贷，申请人在多个贷款平台进行借贷。总借款数目远远超过其还款能力。
黑名单和灰名单是很好的风控方式，但是各个征信公司所拥有的名单仅仅是市场总量的一部分，很多互联网金融公司不得不接入多个风控公司，来获得更多的 黑名单来提高查得率。央行和上海经信委正在联合多家互联网金融公司建立统一的黑名单平台，但是很多互联网金融公司都不太愿意贡献自家的黑名单，这些黑名单 是用真金白银换来的教训。另外如果让外界知道了自家平台黑名单的数量，会影响其公司声誉，降低公司估值，并令投资者质疑其平台的风控水平。
利用移动设备数据识别欺诈
行为数据中一个比较特殊的就是移动设备数据反欺诈，公司可以利用移动设备的位置信息来验证客户提交的工作地和生活地是否真实，另外来可以根据设备安装的应用活跃来识别多头借贷风险。
欺诈用户一般会使用模拟器进行贷款申请，移动大数据可以识别出贷款人是否使用模拟器。欺诈用户也有一些典型特征，例如很多设备聚集在一个区域，一起 申请贷款。欺诈设备不安装生活和工具用App，仅仅安装和贷款有关的App，可能还安装了一些密码破译软件或者其他的恶意软件。
欺诈用户还有可能不停更换SIM卡和手机，利用SIM卡和手机绑定时间和频次可以识别出部分欺诈用户。另外欺诈用户也会购买一些已经淘汰的手机，其机器上面的操作系统已经过时很久，所安装的App版本都很旧。这些特征可以识别出一些欺诈用户。
利用消费记录来进行评分
大会数据风控除了可以识别出坏人，还可以评估贷款人的还款能力。过去传统金融依据借款人的收入来判断其还款能力，但是有些客户拥有工资以外的收入，例如投资收入、顾问咨询收入等。另外一些客户可能从父母、伴侣、朋友那里获得其他的财政支持，拥有较高的支付能力。
按照传统金融的做法，在家不工作照顾家庭的主妇可能还款能力较弱。无法给其提供贷款，但是其丈夫收入很高，家庭日常支出由其太太做主。这种情况，就需要消费数据来证明其还款能力了。
常用的消费记录由银行卡消费、电商购物、公共事业费记录、大宗商品消费等。还可以参考航空记录、手机话费、特殊会员消费等方式。例如头等舱乘坐次数，物业费高低、高尔夫球俱乐部消费，游艇俱乐部会员费用，奢侈品会员，豪车4S店消费记录等消费数据可以作为其信用评分重要参考。
互联网金融的主要客户是屌丝，其电商消费记录、旅游消费记录、以及加油消费记录都可以作为评估其信用的依据。有的互联金融公司专门从事个人电商消费数据分析，只要客户授权其登陆电商网站，其可以借助于工具将客户历史消费数据全部抓取并进行汇总和评分。
参考社会关系来评估信用情况
物以类聚，人与群分。一般情况下，信用好的人，他的朋友信用也很好。信用不好的人，他的朋友的信用分也很低，
参考借款人常联系的朋友信用评分可以评价借款人的信用情况，一般会采用经常打电话的朋友作为样本，评估经常联系的几个人（不超过6六个人）的信用评分，去掉一个最高分，去掉一个最低分，取其中的平均值来判断借款人的信用。这种方式挑战很大，只是依靠手机号码来判断个人信用可信度不高。一般仅仅用于反欺诈识别，利用其经常通话的手机号在黑名单库里面进行匹配，如果命中，则此申请人的风险较高，需要进一步进行调查。
参考借款人社会属性和行为来评估信用
参考过去互联网金融风控的经验发现，拥有伴侣和子女的借款人，其贷款违约率较低；年龄大的人比年龄低的人贷款违约率要高，其中50岁左右的贷款人违 约率最高，30岁左右的人违约率最低。贷款用于家庭消费和教育的贷款人，其贷款违约率低；声明月收入超过3万的人比声明月收入低于1万5千的人贷款违约率 高；贷款次数多的人，其贷款违约率低于第一次贷款的人。
经常不交公共事业费和物业费的人，其贷款违约率较高。经常换工作，收入不稳定的人贷款违约率较高。经常参加社会公益活动的人，成为各种组织会员的人，其贷款违约率低。经常更换手机号码的人贷款违约率比一直使用一个电话号码的人高很多。
午夜经常上网，很晚发微博，生活不规律，经常在各个城市跑的申请人，其带贷款违约率比其他人高30%。刻意隐瞒自己过去经历和联系方式，填写简单信 息的人，比信息填写丰富的人违约概率高20%。借款时间长的人比借款时间短短人，逾期和违约概率高20%左右。拥有汽车的贷款人比没有汽车的贷款人，贷款 违约率低10%左右。
利用司法信息评估风险
涉毒涉赌以及涉嫌治安处罚的人，其信用情况不是太好，特别是涉赌和涉毒人员，这些人是高风险人群，一旦获得贷款，其贷款用途不可控，贷款有可能不会得到偿还。
寻找这些涉毒涉赌的嫌疑人，可以利用当地的公安数据，但是难度较大。也可以采用移动设备的位置信息来进行一定程度的识别。如果设备经常在半夜出现在 赌博场所或赌博区域例如澳门，其申请人涉赌的风险就较高。另外中国有些特定的地区，当地的有一部分人群从事涉赌或涉赌行业，一旦申请人填写的居住地址或者 移动设备位置信息涉及这些区域，也要引起重视。涉赌和涉毒的人员工作一般也不太稳定或者没有固定工作收入，如果申请人经常换工作或者经常在某一个阶段没有 收入，这种情况需要引起重视。涉赌和涉毒的人活动规律比较特殊，经常半夜在外面活动，另外也经常住本地宾馆，这些信息都可以参考移动大数据进行识别。
总之，互联网金融的大数据风控采用了用户社会行为和社会属性数据，在一定程度上补充了传统风控数据维度不足的缺点，能够更加全面识别出欺诈客户，评价客户的风险水平。互联网金融企业通过分析申请人的社会行为数据来控制信用风险，将资金借给合格贷款人，保证资金的安全。
一、网贷大数据并非央行征信报告，央行征信报告中所显示的数字应为金融机构上报的数字，而非央行征信报告中的数字。贷款者的大数据是对各个贷款者平台的大数据的汇总，旨在防止借款者多头借贷，贷款者如果不了解平台，就会存在不良的回帐风险。这样网贷的大数据就能反映出一个人的真实状况。二、如果是不合规的这种类型的网贷逾期，对你的个人信用状况没有什么影响，但网贷记录将会留在网贷大数据中。从微信查找：四喜数据，查看自己的网贷历史，网贷逾期详情，欠债情况，失信信息以及网贷黑名单等信息，只需找到这个公众平台就可以了。
三、其中，可以依据网黑指数分出来自己是否属于黑户。还有就是命中风险提示可以更好地帮助用户发现自己的不足，提高网贷审核的通过率。遗潅评囱羽疺哨舅嗹旗浅娉户胎嫉矼簸秩匙涭啑羣膝噶哑箘嬑崛兎仔
P2P网络借贷平台要想实现稳健经营，建立完善的全面风险管理体系，并有效实施必须具备以下要素：
1、有效风险管理组织架构，从公司治理层面确保风险管理的有效执行。
2、完善的政 策、制度和流程，确保每次操作都有章可循。
3、科学有效的识别、计量、监测、对 冲和控制风险的技术。
4、先进的管理信息系统。
5、全面的内部控制。
网贷大数据是一种面向贷款机构的第三方征信查询系统，它利用大数据的技术手段将各类网贷平台的贷款记录整合在了一起。
命中风险提示可以帮助用户更好的找到自身的资质问题，提高网贷平台的风控审核通过率。
只需要打开微信找到：飞雨快查。点击查询，输入信息即可查询到自己的征信数据，该数据源自全国2000多家网贷平台和银联中心，用户可以查询到自身的大数据与信用情况，可以获取各类指标，查询到自己的个人信用情况，网黑指数分，黑名单情况，网贷申请记录，申请平台类型，是否逾期，逾期金额，信用卡与网贷授信预估额度等重要数据信息等。
查询大数据要了解以下几个信息：
1、综合信用评分
2、是否命中黑名单
3、网贷申请记录
4、被机构查询记录
综合信用评分就是综合你的资质条件给你的信用进行打分，一般分数越高信用越好，分数越低信用越差，网贷时被拒的可能性越大；是否命中黑名单指的就是你在不在黑名单里，如果在的话网贷被拒的概率就非常大了，而且需要要根据报告了解自己在黑名单的原因；网贷申请记录和被机构查询记录较多，则代表大数据越花，说明近期很缺钱，容易让网贷平台判定你缺乏还款能力，导致网贷被拒。
查询大数据可以在支付宝首页搜索：福瑞科技。点击查询，就可以查询到自己的网贷大数据报告了。
以上的几大要素都可以查询到，会显示你的信用等级分数，是否存在黑名单，网贷申请记录和被网贷平台查询记录都会显示，在查询之前还能看样例模板。
答：大数据风控现阶段除了在小微类的消费贷中运就比较成熟外，其他领域还只能做为传统风控的一种有力补充。有个叫“风控知识畅享平台”网站看看，那里有很多关于大数据在风控中运用的文章和经验分享。
答：正确看待大数据征信 互联网金融的发展带火了P2P市场，也折射出风控体系建设的缺失。P2P跑路现象主要原因就是风控缺失，体现在“重担保、轻风控”和“重线上风控、轻线下调查”。当前，多数P2P平台“重担保、轻风控”的思路是不正确的，担保是外界因素，风控是内在因素，一味强调用外在的因素而不解决自身的...
答：大数据的使用对于确定盈亏出清利率提供了相对合理的手段。似乎这样就已经可以了？只要事先选择合理的利率和合适客户就解决问题了？可惜事实总比你想的更奇葩。数据是靠谱的，分析却可以不靠谱，人却可以更不靠谱，这点我不多说，大家都明白。互联网的大数据在这一点上是比不上传统的信贷风控手段的。那位...
答：是否存在黑名单等等重要数据。它可以帮助我们更全面地了解自己的信用情况，也能为我们进行网贷投资提供更多的参考信息。综上所述，大数据下的网贷风控是一种较为可靠的方式，但仍需投资者自己进行风险评估和投资选择。而“小七信查”则可以为我们提供更全面的信用信息，建议多加利用。
答：通过大数据思维，提高了平台风险管控的能力。记者了解到，今年8月联合信用发布的《玖融网网贷平台治理结构评价及产品风险评级报告》中将玖融网划为建议投资范畴，肯定了玖融网的风控能力。“风控能力的提升比起注册送优惠更能留住投资者。”徐奔说到，抓住投资者对资金安全保障的需求，玖融网凭借着较好的...
答：建立完善的信用评级体系，有助于平台对借款人的信用状况进行更加清晰地了解和把握，从而更好地控制风险。目前，利用大数据等互联网技术来完善信用评级技术是部分p2p平台的研究重点，主要目的就是为了提高风控能力。健全风控体系的建设、不断提升风控能力是众多p2p平台的目标，也是保证其运营安全稳健性的基础。
答：大数据征信或成p2p发展新“风口”近日，袋袋金ceo李海鸥先生在上海“中国征信领军者论坛2015”上表示，互联网金融最难解决的是信用问题。在金融里面，有借贷关系就有风险，但是你不可能通过互联网了解对方的信用怎么样，互联网解决不了这个问题。众所周知，p2p网贷平台最担心的问题是借款人重复借款。但在目前...
答：P2P平台如何加强风控建设?风控流程主要涉及到贷前、贷中、贷后三个阶段。1、线上数据审核 通过信贷政策来审核客户信息是客户借贷之前P2P平台必经的一个途径。大公司通常会根据积累的客户数据和经验开发他们自己的信用评分系统，常见的有大数据(主要是淘宝商户数据)、FICO信用分、央行的信征、银行自有信用评价...
答：“大数据”做P2P 风控靠谱吗 P2P平台傍上“大数据”听着美美的，然而事实上绝大多数的P2P平台并没有大数据资源和分析能力，所谓的风控很可能是天方夜谭。而相对来说，线上、线下相结合的风控模式安全性更高一些。“大数据”有多火，谁都知道，无论是传统金融机构，还是电商、P2P，都有意无意地将业务...
答：互联网金融产品如何利用大数据做风控，大致有以下一些分类和方向：1、基于某类特定目标人群、特定行业、商圈等做风控。由于针对特定人员、行业、商圈等垂直目标做深耕，较为容易建对应的风险点及风控策略。例如： 针对大学生的消费贷，主要针对大学生人群的特征 针对农业机具行业的融资担保。针对批发市场商圈...
