京东金融——消费金融,一场未来大数据风控的盛宴

首页 > 资讯 >正文

【摘要】近年来,在我国经济转型的战略背景下,全面推进消费能力,成为保障和拉动GDP的主要动力,有数据显示,2015年我国最终消费支出GDP贡献率达66.4%,消费成为经济增长第一驱动力。而同时,消费性贷款也在过去五年时间出现明显增长。

  田跃清  ·  2017-06-21 12:30
京东金融——消费金融,一场未来大数据风控的盛宴 - 金评媒
来源: 全景网《WE言堂》专栏特约 数据猿   

金评媒(https://www.jpm.cn) 编者按:近年来,在我国经济转型的战略背景下,全面推进消费能力,成为保障和拉动GDP的主要动力,有数据显示,2015年我国最终消费支出GDP贡献率达66.4%,消费成为经济增长第一驱动力。而同时,消费性贷款也在过去五年时间出现明显增长。

近年来,在我国经济转型的战略背景下,全面推进消费能力,成为保障和拉动GDP的主要动力,有数据显示,2015年我国最终消费支出GDP贡献率达66.4%,消费成为经济增长第一驱动力。而同时,消费性贷款也在过去五年时间出现明显增长。

据中国人民银行公开数据显示,2012年我国消费性贷款规模为10.44万亿元,到2015年则上升至18.96万亿元,占我国整体信贷规模18%左右。

2016年,消费信贷规模已接近23万亿元,相比2012年增长接近120%。在过去的5年中,消费贷款正以平均每年20%以上的速度递增,预计。到2020年,消费贷款总规模有望达到30.53万亿。

在国家拉动消费的战略背景下,各地方政府相继出台扶持消费金融的优惠政策,一方面P2P、资产证券化等模式丰富了非银企业的资金来源,另一方面国内大数据风控的崛起,使其成为促进消费金融发展的有利条件,更多传统金融机构、电商、互联网金融机构纷纷涉足其中,形成了繁荣发展的景象。

京东作为中国最大的电商平台之一,2014年交易额达到2602亿元,净收入达到1150亿元,活跃用户数1.05亿元,庞大的用户群为京东提供了消费金融贷款客户源,2014年2月,京东金融推出消费金融产品-京东白条,其主要目标人群以年轻人群为主,用户购物时通过“白条”的方式实现分期支付,且无需任何抵押物,授信额度最高为1.5w元,分期时间从3-24个月不等。

此后,“白条”打通了京东体系内的O2O(京东到家)、全球购、产品众筹,又逐步覆盖租房、旅游、装修、教育、婚庆等领域,截止2016年6月份,京东白条交易额同比增长600%,月均消费金额增长97%。

随着市场的不断扩大,京东金融的风险也骤然积聚,京东金融副总裁许凌这样评价,“我们的团队需要更专注地做风控,同时我们还要控制不良率”。对于京东白条而言,一方面需要建立健全自身的风控体系,提升风控能力,综合评估用户的信用等级和风险指数,从而进行风险定价及违约概率的预判,减少因用户逾期用户欺诈等风险行为而带来的企业损失。

另一方面在强大的金融科技能力基础上,以用户为核定,围绕用户做更多的产品创新,让‘白条’进一步融入场景、提升用户金融消费体验。是京东金融业务探索的目标之一。

客户名称&投放周期

在此背景下,2016年亿美软通和京东金融签署合作协议,过去多年,京东与亿美软通在企业移动商务服务领域即为合作多年的重要伙伴。亿美始终致力于不断发展创新,多次进行产品创新与业务升级,紧密保持与客户与市场一致的成长步伐,在基于过往成功合作的经验和信任,京东在数据风控领域再一次选择亿美软通亦是水到渠成的合作。

双方对风控、征信、大数据等领域拥有一致的思考与目标,希望打破传统的封闭环境,实现资源的共享与优势的互补,充分释放各自的价值,为用户提供新型消费金融体验。

业务挑战

核心用户年轻化,稳定性何去何从

京东白条的核心用户以年轻人群为主,其中包括大学生、蓝领、农村人口,年轻家庭等,其中90后更是成为主力消费人群。在用户所选服务方面,以生活消费为目的小额、短期借贷融资服务较多。相对于这部分人群,一方面资产积累、信用痕迹有限,且多数并无央行征信记录;另一方面,该群体的稳定性、抗风险能力相对较弱。

对此,京东金融希望通过亿美软通大数据平台,在获得用户授权之后,进行多维度的实时数据分析,完善用户行为信息,解析用户稳定性,并根据用户特征,进行风险识别和差异化定价进行精准授信。

庞大流量背后的欺诈风险

“消费金融是从业者的蓝海,也是黑中介、欺诈分子的蓝海。”京东金融副总裁许凌说。

京东白条一直是很多欺诈分子眼中的一块“大肥肉”,在日常业务中,疑似恶意欺诈屡见不鲜,存在很多“套现者”、“刷单者”,甚而与“套现中介”合谋骗贷,不偿还借款,或者通过伪造、骗取信息,利用他人信息进行欺诈。

随着时间的推移,恶意用户的“欺诈经验”也在积累,他们的反侦察能力也在不断提升,不断尝试模拟正常用户的操作行为。针对日益复杂的网络欺诈威胁,京东金融一直在思考如何能有效保护消费者防止其遭受欺诈侵害。

多头借贷乱象,引发逾期忧患

根据行业数据显示,有11%的P2P类消费金融用户最近6个月时间,通过互联网渠道向10家及10家以上的机构有过申请贷款行为。在持牌消费金融或银行线上信用卡,有3-4%的用户在10家及10家以上的机构申请过贷款,这表明多头借贷在消费金融、互联网金融内非常普遍。

目前我国个人征信体系并不健全,官方对于非银行类借贷的数据统计更是空白,同时,行业内个人信贷数据的真实性、合规性,也存在考量空间。虽然在2015年京东金融已经完成对1.5亿用户的的信用统计,同时基于自身较强大的电商属性,其违约率也普遍低于行业均值。

但是面对行业这一新生乱象和危机,常规的个人银行信贷数据已经无法满足现在风控体系的需求。

风险用户的重新定义

就京东白条而言,白条贷后阶段,如何将部分还款表现差的用户转化为优质用户,是努力的一个方向。

这其中并不仅仅简单地作为一种支付工具,而是一个消费生态体系而存在,京东金融构建了“白条”的三大业务板块,而贷前、贷中、贷后的流程体系,始终以挖掘客户价值作为终贯穿的主线。

京东金融希望不仅可以有效进行风控管理,同时挖据分析出用户的潜在机会,努力将还款表现差的这部分用户群体转化为优质用户,所以发现用户更多的深层需求与更多商业机会,对于京东和亿美都是新的探索。

项目解决方案

打破边界的数据连接

在京东白条额度定制初期,是按照消费者购买产品类型、交易金额和交易次数等数据信息进行评定,不过这些维度数据并不能够对客户的信用进行直观且真实的掌握,以此进行的信用额度审批,最终结果也将缺乏客观性,因此会存在较大的客户违约风险。

亿美软通通过对超过7亿人群的行为数据深度挖掘,输出1400+的基础标签,能够全面解析用户个人基本属性、社会属性、消费行为、兴趣偏好、社交偏好,资产特征、信贷特征等维度,使用户更加立体化的实时呈现出来。

在查询过程中,亿美软通同时支持多维度数据的高效查询分析,对简单查询提供高并发处理能力,利用列存储和内存计算,实现百亿级数据分析的秒级响应,进行全面评估,进一步从而充完善其用户的信用维度。定制灵活的授信策略,减少不稳定因素而带来的信用违约风险。

同时为用户提升审批速度,营造更友好的用户体验,成为京东金融与亿美软通成功合作的共同目标。

欺诈预防

欺诈是整个消费金融行业所面临的普遍性问题,同时由于我国互联网金融相较发达国家起步晚,风控体系有待健全,因此所面临的国内外欺诈风险问题更为严峻。

在我们实际的案例中,一些欺诈分子申请地址甚至高达几十组,电话数十个,且反侦察能力很强,其中团伙作案更加专业和猖狂,他们经常变动地址、工作单位的文字表述等手段进行欺诈行为。

亿美欺诈尘埃识别引擎,引入针对地址和公司两个特定领域的智能分词索引算法,结合地址逆向解析匹配技术,实现精准的文本识别功能;,同时根据申请进件的关联性,建立近百种关联关系,通过立体关系网络,可以有效识别欺诈团伙。

同时,常规的欺诈分子会使用虚假身份进行借款,因此身份真实性识别是反欺诈的核心。身份证、银行卡、姓名、手机号四要素如果无误,欺诈概率是其他群体的1/3左右。亿美通过大数据储存用户与各种ID对应的数据库,在用户进行借贷时进行身份匹配,能够及时辨别潜在的欺诈嫌疑用户,其中包括:姓名、身份证号的实名ID,以及手机号、地址、银行卡号等准实名ID,或QQ号、微博号、设备指纹(PC或手机硬件设备编号)等的匿名ID。

亿美欺诈尘埃识别引擎帮助京东金融更为快速的发现欺诈“尘埃”,及时减少企业损失。

信贷全流程预警

亿美软通认为,企业实现风控体系并非针对风险低值的人群,而是要从贷前、贷中到贷后实现完善的风控体系闭环,采用动态定价的方法,随时调整定价情况,当发现风险情况比想象的高或者低的时候,就可以动态调整,最终一旦发生逾期预警,就可以做好催收的准备。这和京东金融的风控理念达成一致。

如何实时获取用户信贷信息,是亿美要帮助京东金融解决的主要问题。

亿美通过特有的大数据信贷挖掘技术,紧密围绕着透明度、好信度、及时度、针对性这五个信贷管理维度,综合体现用户的身份属性,还款能力,还款意愿,个人信用变迁,社交关系,公共记录信息6大综合维度。通过对用户个人基本属性,家庭,居住、工作,学历、健康情况,资产情况,消费情况,信贷历史的全面解析,综合体现还款意愿,还款能力,协助京东金融在贷前分析用户的信贷情况,对多重借贷用户更为有效全面的洞察。

同时亿美独有的信贷数据具有广泛的应用性,客观实时的反映出用户多维度的信贷行为,其中重要信息的变迁趋势,将有效的预警贷后信用恶化,贷后失联等风险行为。

其中,数据覆盖范围不仅包含银行、小额贷款公司、融资担保公司等传统金融和类金融机构的信贷信息,而且覆盖了P2P平台、消费金融公司等新兴互联网金融平台超过80%以上的信贷信息。

京东金融通过亿美信贷全流程预警引擎,有效的对用户贷前异常借贷,失信借贷,多头借贷有效防范,准确进行偿付能力评估和额度审批。在贷后失联,信用恶化等情况进行全面洞察,灵活制定还款催收策略,大大降低了用户的逾期风险,提升企业决策力。

发现更多机会

京东金融是一家积极进取且勇于实践的企业,他们希望能够在贷后环节针对原低净值用户进一步探索,发现更多机会。其中,这取决对该类用户风险的定义标准和更为实时的信用分析,对于京东金融的核心用户人群来讲,处于个人生命周期中快速成长的阶段,其个人经济能力,信用等级,消费水平,利率承受能力等每年都会发生变化。

其中,实时的信用分析,个人信息变迁数据的获取,历史信贷记录的比较都缺一不可。

亿美软通数据分析平台,可实现T+1数据更新时效,基于数据质量控制引擎,通过机器学习和人工检验的方式,交叉验证各个数据项,实现海量数据的实时更新,保证其数据鲜活与完整,将极大帮助京东金融实现实时的分析用户信用表现分析,了解其信用变迁趋势,及历史信用等问题。

使用效果

京东金融与亿美软通的持续合作,双方在各自领域均有更多的收获,通过亿美的大数据风控引擎,京东金融其数据维度得到更好的补充,尤其在用户行为方面数据的深度挖据与应用方面,使京东金融全面的了解客户个人画像,目前已成为其对主要目标用户进行稳定性的评估提供了重要数据依据。

针对授信前的的审核工作,通过亿美的个人信贷全流程预警和欺诈识别引擎,可以发挥其卓越的优势。在对某个被驳回的用户分析中,我们发现该用户提交的信息真实可靠,同时多维度的的行为也异常稳定,社会关系良好,其名下还有拥有大额固定资产,无不良记录,更多的信息表示该用户都是优质客户。

不过在信贷分析中,我们发现该用户6个月内在多平台借贷申请借款次数高达28次,其中逾期次数也有数十次,欠款金额高达数十万人民币,同时其名下的固定资产在申请后的第二天发布与网络平台,正在进行公开出售。经过进一步的分析,我们还发现了他的家庭成员有涉毒记录,从而触发了预警。

亿美实时洞察到的这些信息,帮助京东金融贷前第一时间了解到用户的真实情况,及可能存在的风险类型,大大减少了贷后违约逾期的比例和恶性损失。

同时,亿美风控在广覆盖的基础上,在获得用户充分授权后,能够更加精准的洞察用户深度的个人数据,例如,身份变化,资产变化,生活环境变化,人际关系变化等,了解贷后用户的异常行为,账动等特殊信息,帮助京东金融,提前预警能力,增强其风控实力。

(编辑:田跃清)

来源: 全景网《WE言堂》专栏特约 数据猿

上一篇文章                  下一篇文章

田跃清

金评媒责任编辑

评论:
    . 点击排行
    . 随机阅读
    . 相关内容