La aplicación y los problemas del control de riesgos de big data en la tecnología financiera
1. ¿Por qué utilizar el control de riesgos de big data?
Ya sean bancos, empresas de financiación al consumo, pequeñas empresas 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, pero existen diferencias en las finanzas de los clientes. productos y preferencias de riesgo.
Las instituciones tradicionales como los bancos son esencialmente gestión de riesgos. Por un lado, las autoridades reguladoras han impuesto altas exigencias a la capacidad de control de riesgos de las instituciones financieras. Por otro lado, el control de riesgos afectará directamente el nivel 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 la elaboración de perfiles de usuarios, antifraude, calificación crediticia, etc. Es un medio tecnológico que debe integrarse en el desarrollo de las empresas financieras.
2. La introducción de la industria del big data
Actualmente, existen tres tipos principales de actores en la industria del big data:
Con el Banco Popular de China Credit Information, Pengyuan Credit Information y Qianhai Una agencia de datos que se centra en informes crediticios y políticas inteligentes de UnionPay. Se caracteriza por la cooperación con bancos tradicionales, el Ministerio de Seguridad Pública, la Oficina Industrial y Comercial, aerolíneas, oficinas de seguridad social y otros. agencias estatales para proporcionar a los ciudadanos información básica sobre tarjetas de identificación, información sobre tarjetas bancarias e información sobre viajes aéreos, información empresarial, industrial y comercial, etc. Su característica es que proporcionan consultas de datos externos y los datos son ricos y valiosos. La desventaja es que los productos de control de riesgos son débiles. Las empresas de Internet, principalmente Ant Financial, Tencent Credit Information y Baidu Finance, tienen datos masivos basados en el comercio electrónico, las redes sociales y la búsqueda. Algunos datos externos forman sus propios productos de control de riesgos y capacidades de salida de datos. Al principio, estas empresas de Internet solo cooperaban con sus socios estratégicos para exportar el control de riesgos, y ahora poco a poco están proporcionando productos de control de riesgos 2B al mundo exterior. Empresas de tecnología empresarial como Tongdun Technology, Bairong Jinfu, Shengbang Technology, Juxinli y Shumei Technology han compensado la situación en la que los gigantes de Internet aún no han proporcionado tecnología de control de riesgos al mundo exterior y las instituciones de datos tradicionales tienen una tecnología de control de riesgos débil. Los préstamos tienen una gran demanda de productos de control de riesgos. Sus datos integran múltiples fuentes de datos, continúan proporcionando modelos y datos de control de riesgos para empresas 2B y acumulan algunos datos de préstamos en línea.
3. Proceso de cobertura de control de riesgos de big data
Big data cubre todos los procesos en el ámbito crediticio, centrándose en la adquisición de clientes, la verificación de identidad, la concesión de créditos y la vinculación post-préstamo.
En el proceso de adquisición de clientes, se establecen retratos de usuarios para rastrear el ciclo de vida completo de los usuarios; en el proceso de autenticación, el problema de si el solicitante es el solicitante se resuelve mediante autenticación, identificación biométrica y otras tecnologías; El análisis de asociación consiste en utilizar tecnología de asociación de gráficos para encontrar bandas de fraude; el enlace de crédito recopila múltiples fuentes de datos para realizar la fijación de precios de riesgo a través de modelos, y los proveedores de servicios de tecnología financiera generan puntajes de crédito para que las instituciones los utilicen para identificar principalmente a los clientes anormales; llame a la policía de manera oportuna y repare a los clientes atrasados.
Aplicación del big data en el proceso crediticio
4. Análisis de puntos de valor del control de riesgos del big data
1.data
Big ¿Qué es lo más importante en el control de riesgos de datos?
La respuesta es: datos.
En 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 está en la lista negra o es un cliente con graves retrasos.
Es mejor tener datos masivos que cubran suficientes usuarios; los datos de los usuarios tienen una alta densidad de valor, menos ruido y una fácil limpieza de datos tienen múltiples dimensiones y pueden formar retratos de usuarios ricos. producir datos valiosos.
2. Tecnología
Para algunas instituciones financieras, si los estándares de control de riesgos son muy estrictos, no es difícil controlar a los clientes. Sin embargo, para la mayoría de las instituciones financieras, el riesgo. El control y los negocios son mutuamente excluyentes. Para aumentar el volumen de negocio es necesario reducir los estándares de entrada y prevenir riesgos. Esto requiere medios técnicos, modelos antifraude y modelos crediticios para evaluar las cuentas blancas y valorar el nivel crediticio del cliente para decidir si ingresa.
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, será necesario combinar la IA y otras tecnologías para formar una plataforma inteligente de control de riesgos y antifraude.
Escenario
Servicios financieros como gestión financiera, seguros, financiación de automóviles, préstamos en efectivo, etc. Diferentes escenarios tienen diferentes requisitos de modelado. Las capacidades de modelado requieren una buena comprensión de los escenarios comerciales del cliente y el modelo puede adaptarse a las características de la industria. Requiere equipos de modelado experimentados y expertos de la industria; atender a los clientes de referencia de la industria y comprender sus escenarios comerciales y tener un conocimiento profundo de las necesidades comerciales.
La aplicación del control de riesgos de big data del verbo (abreviatura del verbo) en el crédito
Tome el sistema Bai Rong como ejemplo para introducir el proceso de control de riesgo de big data en el proceso de crédito:
Proceso de solicitud de préstamo de control de riesgos de Big Data de Bairong
El proceso de aprobación de crédito actual se divide principalmente en aprobación manual y aprobación automática. Para los clientes con buenas calificaciones y buen crédito, el sistema los aprobará automáticamente siempre que puedan pasar información negativa, información fraudulenta y evaluación crediticia. Para los clientes que tienen información negativa y riesgos de fraude fallidos, el sistema puede rechazar automáticamente o solicitar una revisión manual. Para clientes con puntajes crediticios bajos, se requiere intervención manual.
6. Datos de la industria de big data de uso común
Informe crediticio del banco central: las instituciones financieras generalmente autorizadas tienen derecho a intervenir en el informe crediticio del banco central, incluidos los registros personales de calificación profesional y administrativos. registros de recompensas y castigos, y registros de procedimientos judiciales y ejecuciones, registros de atrasos de impuestos, etc. Información judicial: el Tribunal Popular Supremo y la lista más reciente de tribunales provinciales y municipales, incluido el tribunal de ejecución, el tiempo de presentación del caso, el número del caso de ejecución, el objeto de la ejecución, el estado del caso, la base de ejecución, la agencia de ejecución, las obligaciones determinadas por documentos legales vigentes, el desempeño. estado de la persona sujeta a ejecución, información sobre el comportamiento de la persona sujeta a abuso de confianza y otra información. Información de seguridad pública: cubre información sobre las personas involucradas en el caso, personas en libertad y personas con antecedentes penales en el sistema de seguridad pública, incluido el momento de la comisión del delito, detalles del caso, etc., como fraude/producción y venta de medicamentos falsificados, etc. Información de la tarjeta de crédito: gastos de tarjetas de ahorro bancarias/tarjetas de crédito, ingresos, información de vencimientos, etc. Información de viaje: incluidas ciudades de vuelo, horarios de vuelos, clases de asientos, etc. para 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: consulte el tiempo en línea, el estado en línea, el nivel de consumo y otra información de la cuenta del operador. Lista negra de préstamos en línea: verifique si hay información de la lista negra y de préstamos en línea vencidos 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.
Siete. Problemas en la industria del Big Data
El problema actual al que se enfrenta toda la industria del Big Data es principalmente la filtración de la privacidad de los clientes. La información de seguridad pública, judicial y de otro tipo, debido a la sensibilidad de la información, en realidad deambula en el área en blanco de la supervisión legal.
Antes del establecimiento de Baihang Credit Information, los datos de varias instituciones de datos no eran realmente abiertos y la validez de los datos se vería comprometida. Se espera que después de que se publiquen los datos de Baihang Credit Information, la coherencia de los datos sea mejor debido a la fusión de datos de varios bancos.
Los diferentes métodos de recopilación y limpieza de datos de las empresas de big data provocarán contaminación de datos, por lo que los datos de salida serán inexactos.
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 solo fuera de línea.
El big data aún se encuentra en sus primeras etapas de desarrollo. El gran problema actual es que la cantidad de datos no es lo suficientemente grande y está incompleta, y cómo coordinar la contradicción entre la apertura de datos y la privacidad de los ciudadanos. En el futuro, será necesario combinar inteligencia artificial, blockchain, Internet de las cosas y otras tecnologías para lograr la capacidad de manipulación de datos y recopilación oportuna de datos, a fin de servir mejor a las finanzas.