金融的核心是什么?严谨的金融从业者,答案必是风控。在消费金融行业中,风控贯穿了从贷前、贷中直至贷后的全部过程。而优秀、专业、经验丰富的风控人员是保障行业血脉畅通的根基。

10月27日,MinTech首席风险官苏建成先生受邀担任“互联网信贷风控模型搭建及核心技术应用专题班”导师,向百余位风控从业者传授互联网信贷反欺诈模型开发经验,现场互动热烈。

作为风控领域的资深专家,苏建成曾在美国第一资本银行Capital One、花旗银行、摩根大通长期担任消费金融业务高阶管理工作,曾管理百亿美元信用卡资产的全流程风控。此次,他从互联网金融的欺诈风险、大数据+AI时代的反欺诈、如何开发有效反欺诈模型、反欺诈模型案例分析等四个层次,带领学员循序渐进破解风控命门。

消费金融爆发之际反欺诈盛行

几年来,中国消费金融市场发展迅速。虽然消费信贷渗透率(短期消费信贷/消费支出)仍远低于美国等成熟市场,但市场潜力巨大,预计短期消费贷款市场2020年有望突破10万亿元。然而,伴随着消费金融的蓬勃发展,风险控制面临重重挑战。

苏建成介绍到,中国是全球身份欺诈最高发地区之一,互联网金融一半以上的坏账风险来自欺诈风险。在银行、支付、电商、消费信贷等不同领域,欺诈方式和手段各有不同,甚至形成了有组织的黑色产业链。

普惠金融覆盖的人群多数游离在传统征信系统之外。而且消费金融需要考虑用户体验,需要在短时间内,迅速作出判断。这都无形中直接增加了风控的难度。

大数据+AI时代的反欺诈

“做反欺诈没有一招打遍天下的。”在苏建成看来,反欺诈之战不是某一种技术或方法的单打独斗,而是一场集数据、技术和机制于一体的综合防御战。其中,“大数据+AI”是拯救风控行业的最大想象力。

他谈到,消费金融中的反欺诈广泛依赖模型化和自动化,去进行反欺诈预防和信用管理。可以说,数据是反欺诈的基础,模型是核心竞争力,系统架构直接影响用户体验及欺诈识别。

其中,反欺诈常用的大数据信息包括授权信息、申请表信息、内部历史数据、征信数据和黑名单等。对此,苏建成强调,要强调对客观数据的分析和应用,科学谨慎的使用第三方数据,不可一味依赖外部的数据源。第三方数据的来源不同、质量不同、信息多元化,互金公司应根据自身的业务需求、用户特点等,安排专人评估测试,并逐步搭建自身数据库。

同时,他还按照模型设计开发流程,详细与学员们分享了如何有效搭建反欺诈模型,并指出数据问题往往被忽略,而最终成为模型失败的重要原因。

现场互动热烈

培训会现场,学员们就苏建成的分享反馈热烈,大家纷纷就“模型设计开放流程”、“预防警示”、“电话号码反欺诈”、“汽车金融的风险控制”等实操问题展开积极讨论。

苏建成表示,目前,新型欺诈手段不断滋生,金融欺诈风险不断升级,金融机构应把被动的反欺诈防御方式变为主动预警,严把风控关。信贷反欺诈模型的底层技术和原则是一致的,但在不同金融场景中需注意差异化运用。