金融时报专访：极光大数据在“金融反欺诈”中的应用

本篇文章2491字，读完约6分钟

近年来，随着互联网金融的快速发展，各类信贷产品的消费群体日益扩大。传统金融机构和新兴互联网金融机构都面临着如何更有效地甄别客户和防止欺诈的挑战。这一需求也催生了一个巨大的金融反欺诈服务市场。国内“金融反欺诈”数据提供市场的现状和未来发展如何？我们应该如何促进这个市场的健康发展？针对上述问题，金融行业权威媒体《金融时报》近日采访了奥罗拉大数据首席执行官罗卫东，就大数据在“金融反欺诈”中的应用进行了深入探讨。

作为中国领先的移动大数据服务提供商，奥罗拉的大数据反欺诈服务在行业内广受欢迎。与此同时，作为一家成立于2011年的初创公司，它已经成功完成了三轮融资，并有许多大型投资机构，如idg。

记者:据你所知，国内“金融反欺诈”数据提供市场的现状如何？

罗卫东:从业务发展模式来看，传统金融企业普遍采用“黑白名单”等传统方法，基于规则的防范机制，通过自身的业务数据进行分析和建模，进行风险控制。然而，这些方法往往存在滞后、机制僵化、数据不完整等缺点，导致财务风险控制只能在一定程度上“提前计划”，而不能实现真正的全面风险控制。然而，一些互联网金融公司利用互联网思维开展互联网金融业务，如p2p、消费金融等。，而交通至上的原则往往会带来风险控制的危机。此外，这些互联网金融企业的大部分用户是那些缺乏中央银行信贷数据的人。由于缺乏多维数据支持和风险控制模型的迭代验证，互联网金融的风险控制举步维艰，行业坏账率居高不下。

从数据源模型来看，在金融反欺诈领域，传统的数据提供者往往是中央银行的信用数据、银行和企业的内部客户数据，同时他们会购买一定范围内的通信运营商和机构的数据，甚至会去数据黑市购买一些非法的用户信息作为数据源。这些数据往往在多样性、实时性、完整性、准确性和真实性方面存在很大问题。随着移动互联网时代的到来，企业将越来越重视移动用户行为数据。然而，如何通过移动用户行为数据来提高“金融反欺诈”服务的能力是一个非常有趣的方向。因此，我认为目前提供“金融反欺诈”数据的市场还不是特别成熟，一些数据源提供的数据的价值还有待讨论。

从数据分析技术的角度来看，目前大多数人采用的是比较传统的数据分析方法。目前常用的算法主要有随机森林模型、决策树模型、逻辑回归模型、神经网络模型、支持向量机和深度学习模型。这些技术实际上非常成熟。我们知道数据和特征比模型更重要。数据和特征决定了机器学习的上限，而模型和算法只能接近这个上限。

2.大数据在金融反欺诈领域的未来发展是什么？你有什么建议来促进这个市场的健康发展？

罗卫东:如前所述，近年来，互联网金融的爆炸性发展和行业的快速扩张是风险快速增长的背后原因。除了传统的信用风险，外部欺诈已经成为一个主要风险。甚至在一些p2p公司中，恶意欺诈造成的损失占坏账总额的60%。传统的风险防范机制无法应对这些挑战，而基于移动数据的反欺诈产品可以很好地解决这一问题。

基于大数据的反欺诈机制的最大价值在于，它可以将更多的影响因素带入商业风险控制领域。以奥罗拉大数据提供的反欺诈服务为例，该系统可以从移动应用使用习惯、离线活动习惯、特定领域的互联网+行为习惯等多个维度评估用户的风险水平，为金融企业的借贷行为和产品决策提供建议。

整个评估过程完全在奥罗拉自己的数据源中进行，金融企业甚至可以在不共享自己敏感数据的情况下完成评估。因此，我相信随着移动互联网不断渗透到人们的生活中，利用大数据打击金融业欺诈的市场前景将会非常广阔。

数据相关产业的良性发展要求数据的真实性、可靠性和准确性，数据的实时性和质量也非常重要。因此，我们认为企业应该坚决抵制黑生产数据。首先，这些数据的合法性存在很大问题，企业所需的数据无法从数据的准确性和实时性上提供

同时，我们建议企业在外部法律数据源的价值挖掘方面更加重视合作。从我们的经验来看，外部数据的应用还有很长的路要走，特别是移动互联网的行为特征，外部数据在企业反欺诈方向中的作用还有待进一步探索。

记者:奥罗拉大数据在“金融反欺诈”方面的具体优势是什么？

罗卫东:奥罗拉大数据从移动互联网和行为特征的角度，帮助企业实现大数据资源和技术在风险控制领域的应用。与业务本身的模型开发相比，这才是真正的大数据反欺诈。传统的预测模型有四大优势:

首先，数据种类多，数据量大，有助于企业发现高风险客户的行为特征，有助于探索相关性高的因素。目前，奥罗拉大数据反欺诈服务覆盖了3600万风险用户，分析了3亿多种风险行为，识别了1700多万“羊毛党”用户。其次，极光大数据引擎具有强大的挖掘和分析能力，机器学习技术可以实现自主学习和评价模型的推广。第三，奥罗拉自己的数据是完整的和新的，数据和评估标准跨越多个行业。企业可以对评估结果进行实时监控，可以补充原有的风险控制系统，起到协同作用；第四，我们与许多金融机构、金融机构和信用报告机构保持着良好的合作关系，并在联合开发检测模型和共享欺诈清单领域保持密切合作

记者:除了金融反欺诈，你能分享大数据对整个金融业的重要意义吗？如何帮助金融企业和整个金融业提高效率和解决问题？

罗卫东:目前，随着互联网应用的深入，数据渗透到各个行业和商业领域，成为未来发展的“生产力”。大数据本身的意义在于，它可以帮助行业解决一直难以解决的问题，并提高运营效率。除了提高金融风险控制水平，大数据还可以在许多领域发挥作用。例如，在消费金融的资产证券化中，Aurora可以帮助评级机构更好地建立有效的模型，通过大数据对资产进行评级，也可以帮助投资者识别优质和劣质资产，从而有助于推动消费金融的资产证券化进程，降低整个行业的资本利用成本。

此外，在金融机构的精准营销中，潜在客户识别和针对特色客户的针对性服务都可以利用大数据提高运营效率，突破企业原有的上限。例如，Aurora提供的综合营销服务可以帮助企业优化自身的流量营销策略，也可以充分利用pb级的外部数据资源，帮助企业降低外部数据应用的门槛，例如，通过Aurora Big Data的数据服务和线上线下整合平台，银行等金融企业可以拓展信用卡消费的场景和活动。

来源：搜狐微门户