첫째, 왜 큰 데이터 바람 제어를 사용해야합니까?
은행이든 소비금융회사, 인터넷 소대출회사 등 금융기관이든 금융기관에는 일반적으로 위험통제 수요가 있고, 기본 업무 논리는 거의 일치하지만 고객에 대한 금융상품과 위험선호도에는 차이가 있다.
은행 등 전통기관은 본질적으로 위험관리이다. 한편, 규제 당국은 금융 기관의 위험 통제 능력에 대해 높은 요구를 했다. 반면에, 위험 통제는 금융기관의 이익 수준에 직접적인 영향을 미칠 것이다.
따라서 빅데이터 풍제는 금융기관의 핵심 수요를 직접 해결하며 가치가 가장 크다. 빅데이터 풍제는 금융기관의 사용자 초상화, 반사기, 신용등급 등의 효율성과 통제능력을 크게 높여 금융기업 발전에서 반드시 결합해야 하는 과학기술 수단이다.
둘째, 빅 데이터 산업의 도입
현재 빅 데이터 업계에는 주로 세 가지 유형의 플레이어가 있습니다.
인민은행 징신, 붕원정신, 앞해징신, 은련지혜정책 위주의 데이터 기관으로 전통은행 공안부 상공국 항공사 사회보험국 등 국가기관과 협력해 시민들에게 기본적인 신분증 정보, 은행카드 정보, 항공여행 정보, 기업공상정보 등을 제공하는 것이 특징이다. 그들의 특징은 외부에 데이터 조회를 제공하고, 데이터가 풍부하고, 가치가 있으며, 단점은 풍제어 제품이 약하다는 것이다. 앤트파이낸셜, 텐센트 징신, 바이두 금융 위주의 인터넷 회사는 각각 전자상, 사교, 검색에 기반한 방대한 양의 데이터를 보유하고 있으며, 일부 외부 데이터는 자체 풍제어 제품과 데이터 출력 기능을 형성한다. 처음에 이들 인터넷 회사들은 자신의 전략협력업체와 합작하여 풍류를 수출했을 뿐, 지금은 천천히 대외적으로 2B 풍제어 제품을 공급하고 있다. 방패기술, 백용김부, 성방기술, 폴리신리, 서미기술 등 창업형 기술회사는 인터넷 거물들이 아직 풍제어 기술을 외부에 제공하지 않고 기존 데이터 기관의 풍제어 기술이 강하지 않은 상황에서 P2P 금융, 현금대출의 풍제어 제품에 대한 막대한 수요를 보완했다. 그들의 데이터는 여러 데이터 소스를 통합하고, 2B 기업에 풍력 제어 모델과 데이터를 지속적으로 제공하고, 일부 인터넷 대출 데이터 축적을 얻는 것이다.
셋째, 빅 데이터 바람 제어 커버리지 프로세스
큰 데이터는 신용 분야의 모든 프로세스를 포괄하며 고객, 인증 및 신용, 대출 후 링크에 초점을 맞추고 있습니다.
고객의 전체 수명 주기를 추적하기 위해 게스트 링크에 사용자 초상화를 설정합니다. 인증 과정에서 인증, 바이오메트릭 인식 등의 기술을 통해 신청자가 본인인지 여부를 해결하고, 관련 분석은 그림 관련 기술을 이용하여 사기 집단을 찾아내는 것이다. 신용 링크는 여러 데이터 소스를 모아 모델링을 통한 위험 가격 책정, 금융 기술 서비스 제공 업체가 신용 점수를 기관에 출력하여 사용합니다. 대부 후 주인이 비정상적인 고객을 조사하여 제때에 경찰에 신고하여 기한이 지난 고객을 복구한다면.
신용 프로세스에 대용량 데이터 적용
넷째, 빅 데이터 위험 통제의 가치 포인트 분석
1.data
빅 데이터 바람 제어에서 가장 중요한 것은 무엇입니까?
대답은: 데이터입니다.
데이터의 대규모 데이터 바람 제어의 핵심에서 금융 기관의 대상 고객이 블랙리스트 고객이고 심각한 연체 고객임을 직접 알려주는 것만큼 간단하고 효율적인 것은 없습니다.
충분한 사용자를 포괄하는 방대한 양의 데이터를 갖는 것이 가장 좋습니다. 사용자 데이터 가치 밀도, 소음 감소, 데이터 정리가 쉽습니다. 사용자 데이터에는 다양한 차원이 있어 풍부한 사용자 초상화를 형성할 수 있습니다. 자신의 비즈니스 시나리오는 귀중한 데이터를 얻을 수 있습니다.
2. 기술
일부 금융 기관의 경우, 바람 통제 기준이 매우 엄격하여 조사할 수 없는 고객은 어렵지 않지만, 대부분의 금융 기관에서는 바람 통제와 업무가 상호 배타적입니다. 업무량을 늘리기 위해서는 준입 기준도 낮추고 위험도 방지해야 한다. 이를 위해서는 기술 수단, 부정 방지 모델링 및 신용 모델링을 통해 백가를 평가하고 고객의 신용 수준을 평가하여 진입 여부를 결정해야 합니다.
기술적 요구 사항에는 강력한 기본 기술 아키텍처 기능, 우수한 엔터프라이즈 제품 출력 기능, 대용량 데이터 클리닝 모델링 기능이 포함됩니다. 미래에는 Al 과 같은 기술을 결합하여 지능형 바람 제어 사기 방지 플랫폼을 형성해야 합니다.
장면
재테크 보험 자동차 금융 현금 대출 등 금융 서비스. 장면마다 모델링에 대한 요구 사항이 다릅니다. 모델링 기능을 사용하려면 고객의 비즈니스 시나리오에 대한 좋은 이해가 필요하며, 모델은 업계 특성에 적합해야 합니다. 숙련 된 모델링 팀 및 산업 전문가가 필요합니다. 서비스 산업 벤치마킹 고객, 비즈니스 시나리오를 이해합니다. 업무 요구를 깊이 이해하다.
동사 (verb 의 약자) 큰 데이터 위험 통제가 신용에 적용된다.
백용 시스템을 예로 들어, 신용 프로세스에서 큰 데이터 위험 관리 프로세스를 소개합니다.
Bairong 빅 데이터 위험 관리 신청 대출 프로세스
현재의 신용 승인 프로세스는 주로 수동 승인과 자동 승인으로 나뉜다. 고객 자격이 좋고 신용이 좋은 고객의 경우 부정적인 정보, 사기 정보, 신용평가를 통과하면 자동으로 승인됩니다. 부정 정보 및 사기 위험이 실패한 고객의 경우 수동 감사를 자동으로 거부하거나 신청할 수 있습니다. 신용 점수가 낮은 고객의 경우 수동 개입이 필요합니다.
여섯째, 일반적으로 사용되는 대형 데이터 산업 데이터
중앙은행 징신 보고서: 일반적으로 카드를 소지한 금융기관은 개인 집업 자격 기록, 행정상벌 기록, 법원 소송 및 집행 기록, 체세 기록 등을 포함한 중앙은행에 개입할 권리가 있다. 사법정보: 최고법 및 최근 발표된 성시법원 명단은 집행법원, 입건시간, 집행사건 번호, 집행대상, 사건 상황, 집행근거, 집행기관, 발효법문서 확정의무, 집행인 이행 상황, 불신임자 행위 등을 포함한다. 공안정보: 사건 관련자, 도주자, 공안시스템에 범죄 기록인이 있는 정보 (범행 시간, 사건 세부 사항 등 사기/위조약 판매 등) 를 포괄한다. 신용카드 정보: 은행 저축카드/신용카드 지출, 수입, 연체 등 정보. 여행 정보: 지난 1 년 동안 분기당 항공편 도시, 항공편 시간, 좌석 등급 등의 데이터를 포함합니다. 소셜 정보: 소셜 계정 일치 유형, 소셜 계정 성별, 소셜 계정 팬 수 등이 포함됩니다. 사업자 정보: 사업자 계정의 온라인 시간, 온라인 상태, 소비 등급 등을 확인합니다. 인터넷 대출 블랙리스트: 개인명과 주민등록번호에 따라 인터넷 대출 연체 및 블랙리스트 정보가 있는지 확인합니다. 운전면허증 상태, 렌터카 블랙리스트, 전기상 소비 기록 등도 있습니다.
일곱. 빅 데이터 산업의 문제
현재 대규모 데이터 업계 전체가 직면하고 있는 문제는 주로 고객의 개인 정보 유출이다. 공안, 법원 등 정보는 정보의 민감성 때문에 사실상 법률감독의 공백을 헤엄쳐 다닌다.
백항징이 성립되기 전에는 각 데이터 기관의 데이터가 실제로 개방되지 않아 데이터의 효율성이 떨어질 것이다. 백항징의 자료가 나오면 각 은행의 데이터가 병합되어 데이터 일관성이 더 좋아질 것으로 예상된다.
빅 데이터 회사의 다양한 데이터 수집 및 청소 방법은 데이터 오염을 일으킬 수 있으므로 출력 된 데이터가 정확하지 않을 수 있습니다.
현재 시민 데이터는 주로 오프라인 수집과 네트워크 행동 기록에서 비롯되며, 데이터는 약간의 지연성이 있고, 오프라인 채집된 데이터만 어느 정도 지연성이 있다.
빅 데이터는 아직 개발 초기 단계에 있다. 현재 큰 문제는 데이터 양이 충분하지 않고, 완전하지 않고, 데이터 개방과 시민의 프라이버시 간의 갈등을 어떻게 조율할 것인가이다. 미래에는 인공지능, 블록체인, 사물인터넷 등의 기술을 결합하여 데이터 변조 및 데이터 적시 수집 기능을 실현하여 금융에 더 나은 서비스를 제공할 필요가 있습니다.