大数据如何助力普惠金融百融金服

教育背景教育背景：清华大电气工程自动化学士、硕当前百融金服CEO、创始百分点科技、信柏科技合伙天涯网络：数据挖掘部门负责IBM中国软件研发中心：亚太区智能分析方案天才博通：创始人，执行副总研发了国内第一个SaaS模式的数据挖掘软件（Geni-sageDataGDM时间序列预测效果超过欧洲人工智能大赛第一名的效ESS：大中华区兼亚太区技术售前与解决方案Oracle：商业智能与数据挖掘顾法国电力公司巴黎研发中心软件工百融（百融（北京）金融信息服务股份有限公司(简称“百融金服”)，是一家专业提供大数据金融信息服IDG资本（人民币基金中国本IDG资本（人民币基金中国本土最成功的投资银行与融资顾问公中国目前最成功的C米、360、携程、91手机助手、搜房网、蘑菇街等企业全世界排名前5的基金、掌管60亿人民币、260亿美金，投资腾讯、百度、京东、美的、格力、金鹰百货等知名企目前唯一上市的党中国最大的国有资产管理公司，资产总额约450011大数据核心内数据必须流流动产生价不同行业数大数据核心内数据必须流流动产生价不同行业数据的交叉融不同领域数据的融合是乘法效应相同领域数据的增加是加法效大数据更强调外大数据更强调外部数据的应用，传统商业智能和数据挖掘更调内部数据的应金融服务是低频需求，金融机构只有交易数据，这种数据只“果入，其次才是技术能力的应用。而传统商业智能和数据挖掘用主要是技术能力的应用传统的风险建模思传统的风险建模思线上线下融合的大数据风险建模思实践效01.01.传统的风险建模思采用的变采用的变量信用记录时信用额借款逾期记房屋按揭还款记用款占信用额度的比坏账记最最重要的变量：各种还款逾期、坏账数金融机构金融机构的方法：使用金融数据进行金融建模，大概10-20个强变Y（还款违约概率）F（X1X2Y<-(X1,X2,…,金融类数人人民银行征信中心有3亿人的信用记录，占中国总人25%，仍有75%的人没有有效的信用记录，这将导致大数人的融资需求很难得到满02.线02.线上线下融合的大数据风险建模思Y（还款违约概率）F（X1XY（还款违约概率）F（X1X2(X1,X2,…,Y金消费、阅读、社交、旅游、娱乐•••该行信用卡不良率降低至原来的1/1.6(线上+线下)•将不良率降低到以前的1/2(线上+线下)••欺欺诈风险防范：真实身份识别是核欺诈客户一开始就是恶意欺诈客户很多时候不会采用真实身份来申信用风险防范：行为数据挖掘是核申请阶段不是恶还款能力（经济实力）与还款意愿（道德风险）较难判合作机 合作机 家电 媒 银 电信、公安、公共服务构 姓名、证件 •社交APP数 •交易消费行 •银行存 •信用卡逾 •媒体阅览数 •网络浏览行 •可信收 •本机构申请次 •通讯运营商数 •通讯类信 •股票投 •申请过的机构 •网络评论数 •LBS位置信 •不动产 •P2P申请次 •小贷申请次业 支持欺诈欺诈风险防欺诈风险防范规则举3 3 欺诈 欺诈 申请家庭地址与百融库匹配上地址的最近距离分信用信用风险防要预测中国绝大部分人的还要预测中国绝大部分人的还款能力与还款意愿，更多地需要依赖于分析金融行业之外的海用户行为数据（弱变量），从中挖掘出具有可以多次复用的规律信用风险评•••则：KS=a%-b%则：KS=a%-b%百融评分模型是基于真百融评分模型是基于真实的贷款违约数据建出来的，其他公司百融评分即“百融信用申请分”，将来会拓展到百融评分体系，涉及信用申请分、信用行为分、欺诈评分、催收评分等8其稳定性数6420资产数客户百分坏客户百分百融评分各分数段客户百分客户百分 坏客户比 百融评分区客户百分坏客户百分百融评分各分数段客户百分客户百分 坏客户比 百融评分区3C穿衣打扮、居家生3C穿衣打扮、居家生时政新闻、文学/艺术、财经、生活/地方类社区、历史/社会/人科学/教育、财经/管理、汽车、旅游/交通、健康/医药、母婴知识/问答、游戏/动手机和邮箱匹配orID、手机和邮箱都匹<0.48or>=0.48