消金风控之同盾分

2018-02-10 21:42:00

同盾已然是国内互金行业的独角兽，发展很快、接入的公司很多，所以今天想介绍下同盾。

一、宏观

1、央行信用分

2017年6月中国网民7.5亿；2015年9月央行征信系统有信贷记录的人为3.7亿，其中可形成个人征信报告信用评分的仅有2.75亿人。也就是全国近10亿人是白户没有央行征信。
中国各类银行2千多家、小贷公司和担保公司各近1万家、持牌消费金融20多家、正常运营P2P平台2千多家。在这样的信用报告分布下、促使客户流向分层；优质客户分流到银行的优质利率产品，小贷公司面对的是次级客户。小贷公司随之面对：如何构建覆盖面更广泛的信用分。

2、欺诈

美国征信体系完善、更关注的是还款能力，判断一个人到底能还多少钱、利率定多高、到底什么时候能还得上钱，如果还不上可能会走个人破产过程。
而在中国更关注的是还款意愿。担心还款意愿，是害怕申请人故意来骗贷。贷款业务是用利息冲抵坏账的业务。如果管控不好、骗贷用户（坏账）激增，产品的财务模型迅速崩了、业务再做下去就好困难。
据资料，2016年全球网络黑产的交易量已超过74万亿中国GDP总量；国内欺诈团伙约160万个，每年欺诈链条设计的产值规模超千亿。而2016年我国的消费信贷规模是22万亿。

二、同盾

同盾已然是国内互金行业的独角兽，今天主要是想介绍下同盾。
同盾在2015年成立以提供反欺诈服务切入，逐渐形成“反欺诈－信用建设－智能数据分析”的数据服务公司。
超级产品经理
征信分不好打很重要的原因是数据散落在各机构中、数据孤岛；像侧重电商数据的芝麻分、侧重社交关系的腾讯分、侧重运营商数据的51信用分等。同盾宜反欺诈切入，能部分打破数据孤岛的情况、形成反欺诈层面的全网联防。
同盾在做这件事上有一些优势、是其他大电商平台很难做到的，优势：

系统完全自有，数据稳定；
只做风险，独立第三方，不做市场引流，不做信贷业务；
创新建模方法论，以传统建模为主；
负面客群识别效率高，补充负面信息，提高覆盖范围；
对于线上行为识别高效，拥有6~7亿的线上设备量。

同盾的应用已经很广泛。同盾已与合作的7000多家机构实现对接，涵盖金融、电商、银行、保险、证券基金、理财、游戏、社交网络、社区等领域。其中，金融行业占比50%，包括招商银行、兴业银行、微粒贷、宜人贷、拍拍贷等。同盾单日API调用量过亿，调用总量已达230亿，日借贷调用量超500万。
据资料，同盾已监测到100万人的欺诈人群，占中国从事网络欺诈人群总数约160万的62.5%；在同盾的人工智能反欺诈模型中，被拒绝的10%的人群中有90%是欺诈分子。

三、同盾分

同盾贷前审核报告中，同盾分范围是0-100分。评分分三个档次，0-20低风险区，系统建议通过审核；20-80分，较大风险区，系统建议进行人工审核；80-100分，系统检测出高危风险，建议直接拒绝。
虽然通常80-100分区域的客户被称为网贷黑名单客户（网贷黑户），但很多网贷公司实践中已经把“黑户”标准减低到70分甚至60分，也就是说，如果某客户同盾分虽然不到80分，但是如果超过60分，实际上也是很难下款的。
同盾贷前审核报告主要包括三大部分：

扫描建议。包含：同盾评分及风险建议
基本信息。包含：客户姓名、身份证号、手机号、归属地
贷前风险情况。是同盾报告的核心部分，包括5项核查内容：个人基本信息核查、风险信息扫描、多平台借贷申请检测、关联人信息扫描、客户行为检测

我们看下同盾贷前审核报告的例子：
超级产品经理

四、贷前风险情况详细介绍

第三部分贷前风险情况是同盾报告的核心部分，包括5项核查内容，分别是个人基本信息核查、风险信息扫描、多平台借贷申请检测、关联人信息扫描、客户行为检测。

1、个人基本信息核查

主要是核验身份证号、手机号格式是否正确，身份证姓名和号码是否对应，是否伪冒身份，身份证和手机号归属地是否是风险集中地区，

2、风险信息扫描

是将客户的基本信息与系统的风险数据库比对，核查该客户是否已经进入系统的风险关注名单数据库，一般通过身份证号码或手机号进行信息匹配。
常见的风险关注名单类型有：异常借款、信用异常、机构代办、垃圾注册、信贷逾期、法院结案、失信被执行人等。
（1）异常借款
命中异常借款风险名单的人数最多，一般是由于操作不当，违反了同盾系统的反欺诈规则。目前，同盾系统的反欺诈规则多达上万条，稍不注意就会被系统纳入到异常借款风险关注名单。
比较常见的违规情况有：

填写的个人信息多变；
频繁变换申请设备或网络环境（用wifi申请网贷是大忌）；
同时申请多家平台；
手机号正常使用不足3个月；
手机通讯录、通话记录有网贷黑名单人员；
手机短信中有多个小贷公司发的信息；
有浏览博彩等不良网站的记录；
夜晚12:00至早上6:00申请借款；
用“复制+粘贴”填写个人信息；
使用技术性欺诈手段。
（2）信用异常
信用异常是指客户存在影响正常还款的异常信息，比如，以前有过信贷逾期记录、网贷待还款负债过高、工作频繁变动、收入不稳定、存在借东墙补西墙嫌疑等情况。
（3）机构代办
有些人缺乏网贷申请经验或为省事，会找专业的借款中介帮忙申请网贷。目前，市场上已经出现很多家贷款中介服务平台。同盾大数据风控系统针对机构代办情况，设置了专门的风控规则。
例如，同盾系统在某一被拒绝的用户中，关联出来了一个失信的身份证和设备，而且发现其设备有较多的申请行为，系统会认定存在机构代办嫌疑，那么，这个被关联出来的用户或将需要严格的人工审核，甚至可以直接拒绝。
（4）垃圾注册
垃圾注册是指恶意借款人利用自动化脚本、计算机程序或雇佣自然人的方式，模拟正常合法的用户在网站上进行注册，给网站的正常运营带来恶劣影响。同盾科技通过对注册行为进行监测，结合同盾的设备指纹技术，发现异常行为，保证网站的正常运营。
（5）贷款逾期
显示信贷逾期记录是大数据风控报告的重要功能之一。目前，同盾大数据风控系统主要用于互联网金融领域，主要记录网贷逾期情况，包括逾期发生的时间、金额范围、逾期天数以及逾期次数。
（6）法院结案或失信被执行人
目前，法院结案及失信被执行人信息都是公开的，同盾大数据风控系统可以利用网络爬虫技术从互联网收集到，并与信贷申请客户进行比对。
3、多平台借贷申请检测
此部分是同盾报告主体部分，体现了同盾科技跨行业跨平台联防联控的风控理念。一般根据近7天、1个月、3个月、6个月、12个月、18个月、24个月、60个月这八个时段，显示借款人在多个平台申请借款的记录，并依据不同时段借款次数的多少，划分高、中、低三个档次的风险等级，一般近7天内有大于等于两次申请记录就属于高风险，同时，还会显示申请借款的机构类型；如下图。

4、关联人信息扫描
主要核查借款人重要关联人的信用状况。一般借款都需要填写1-2个重要联系人，一般是配偶或直系亲属，配偶或直系亲属的信用状况对借款人信用也有很大影响，如果重要关联人的信用状况非常糟糕，也直接影响借款的借贷申请。
5、客户行为检测
就是异常行为监测。常见的异常行为如下：
3个月内身份证关联多个申请信息，一般3个月内，在不同放贷机构身份证关联的手机号、家庭地址、邮箱数大于等于两个，系统就显示异常行为信息；
3个月内身份证关联工作单位地址大于等于2，工作单位信息与借款人还款能力密切相关，这部分异常行为信息，系统会重点显示；
3个月内申请信息关联多个身份证，特别是同一个手机号关联多个身份证，有中介代办的嫌疑。