AD
(网图)
在去年的朗迪峰会上，捷越风控负责人认为，目前中国消费金融风控面临3大痛点，第一是高欺诈，欺诈比例高达50%以上，还有团伙欺诈，这应该是中国消费金融行业所面临的独特现象;二是多头借贷，主要由征信体系的欠缺所引起;三是失联，找不到借款人，这对风控是很大的挑战。
反欺诈、多头借贷和风险预警是消费金融的固有课题，在金融科技时代，以大数据、人工智能、机器学习等为代表的风控技术给出了不错的解决方案。
在中望金服的全流程智能风控体系中，贷前环节，申请人的个人信息、账户信息、设备指纹以及家庭关系、联系人、单位关系等会构成一个网络图，系统依此对用户进行画像，利用这些数据进行基于规则和机器学习的反欺诈模型识别。在申请评分环节，面对复杂的数据群，对社交数据、消费数据、运营商数据、司法数据等非结构化数据进行深层次加工提取、转化为结构化数据，这是与传统模式相比、人工智能和机器学习的独到之处。对不同板块、不同类型的数据进行多种建模，继而用这些复杂模型来进行比对识别。在此基础上进行小额信贷的授信，这样的防护措施很大程度上是足够应对欺诈风险的。
在贷中环节，中望金服进行贷中回访时，使用声纹识别、设备指纹识别等来判断是否是客户本人，也会通过人法数据辨别客户是否被查询、被执行，另外一些同业的多头信息、不良嗜好等，都可以在贷中被发现。在贷后，更多的是查找和执行。随着各类管理登记机构信息的迅速联网，房产、车产、账户、公司股份等信息在贷后的抓取运用就成为可能。
中望金服风控负责人表示，风控既是一个体系，包括贷前、贷中、贷后等各个环节，也是诸多技术的合称，包括反欺诈、决策引擎、机器学习、智能催收等，它并不单指贷前审核“放人”，也不只是有大数据这一项技术。技术诚然重要，但它也只是工具，需要服务于风控体系，在改善提升风控质量和效率方面发挥作用、体现价值。
一套扎实的风控体系，数据和技术是必不可少的基础设施。
在数据方面，中望金服在多年行业经验和自有数据沉淀的基础上，在公司成立初期进行风控系统搭建和决策引擎上线等基础设施搭建的同时，即开始与数十家征信公司、第三方数据公司进行对接和评估。数据抓取、外部数据引入、数据存储、数据挖掘、模型应用、精细化管理等，把专业严谨落实在每一步，以确保数据的准确性和模型应用的可靠性。
技术方面，中望金服自主研发的全流程智能风控系统闻名业界。构建多源大数据集市，千维数据融合复杂关系图谱，对借款用户进行全面立体画像，提高产品匹配精准度和反欺诈效率，结合美国Sparkling Logic决策引擎系统，进行全流程多维度风险防控，将风险防控落实在每个环节。
目前，中望金服已与包括中小商业银行、保险公司、持牌消金公司、小贷公司在内的多家优秀机构建立深入合作关系，对外输出智能系统、量化风险管理、开放营销平台等丰富的金融科技解决方案。
