極光大數(shù)據(jù)：消息推送與風(fēng)控的相關(guān)性簡析

大數(shù)據(jù) 極光大數(shù)據(jù) 消息推送風(fēng)控

洪晶 | 2017-02-22 12:29

【數(shù)據(jù)猿導(dǎo)讀】近幾年，互聯(lián)網(wǎng)金融爆發(fā)式發(fā)展，行業(yè)迅速膨脹的背后是風(fēng)險(xiǎn)的急劇增長。傳統(tǒng)的風(fēng)險(xiǎn)預(yù)防機(jī)制無法應(yīng)對這些挑戰(zhàn)，而基于移動(dòng)數(shù)據(jù)的反欺詐產(chǎn)品則可以很好地解決這個(gè)問題。以下是極光大數(shù)據(jù)的數(shù)據(jù)研究院解決方案總監(jiān)洪晶就消息推送業(yè)務(wù)和風(fēng)險(xiǎn)控制的相關(guān)性做的簡析

極光大數(shù)據(jù)：消息推送與風(fēng)控的相關(guān)性簡析

來源：數(shù)據(jù)猿作者：洪晶

近幾年，互聯(lián)網(wǎng)金融爆發(fā)式發(fā)展，行業(yè)迅速膨脹的背后是風(fēng)險(xiǎn)的急劇增長。傳統(tǒng)的風(fēng)險(xiǎn)預(yù)防機(jī)制無法應(yīng)對這些挑戰(zhàn)，而基于移動(dòng)數(shù)據(jù)的反欺詐產(chǎn)品則可以很好地解決這個(gè)問題。以下是極光大數(shù)據(jù)的數(shù)據(jù)研究院解決方案總監(jiān)洪晶就消息推送業(yè)務(wù)和風(fēng)險(xiǎn)控制的相關(guān)性做的簡析。

大數(shù)據(jù)風(fēng)控?cái)?shù)據(jù)服務(wù)的一般思路

風(fēng)險(xiǎn)控制一般會從個(gè)體性風(fēng)險(xiǎn)和群體性風(fēng)險(xiǎn)兩個(gè)角度出發(fā)。個(gè)體風(fēng)險(xiǎn)評估主要關(guān)注于個(gè)人在信用風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)中存在的主觀/客觀違約可能性，目前的分析手段都是從企業(yè)內(nèi)部的業(yè)務(wù)數(shù)據(jù)入手總結(jié)出大量的風(fēng)險(xiǎn)因子進(jìn)行模型開發(fā)和概率預(yù)測；群體風(fēng)險(xiǎn)評估主要是從個(gè)體之間的社交關(guān)系入手，尋找個(gè)體之間的聯(lián)系，以風(fēng)險(xiǎn)傳播的相關(guān)理論和模型進(jìn)行風(fēng)險(xiǎn)擴(kuò)散的趨勢預(yù)測。

不同于數(shù)據(jù)量呈現(xiàn)指數(shù)增長的十年，在統(tǒng)計(jì)挖掘和機(jī)器學(xué)習(xí)技術(shù)深度商業(yè)運(yùn)用的今天，人們已經(jīng)意識到數(shù)據(jù)的相關(guān)關(guān)系分析法的重要性。建立在相關(guān)關(guān)系分析法基礎(chǔ)上的預(yù)測模型是大數(shù)據(jù)分析的核心。這種預(yù)測發(fā)生的概率非常高，以至于我們經(jīng)常忽略了它的創(chuàng)新性。當(dāng)然，它的應(yīng)用會越來越多[1]。

大數(shù)據(jù)風(fēng)控?cái)?shù)據(jù)服務(wù)強(qiáng)調(diào)從大數(shù)據(jù)采集、加工和分析入手，為企業(yè)內(nèi)部風(fēng)控提供外部數(shù)據(jù)支持，增加企業(yè)的數(shù)據(jù)分析維度和視角，降低企業(yè)獲得數(shù)據(jù)的成本，提高企業(yè)風(fēng)險(xiǎn)預(yù)測模型的準(zhǔn)確度。下面，我們將從個(gè)體風(fēng)險(xiǎn)識別和群體風(fēng)險(xiǎn)識別兩個(gè)角度闡述相關(guān)內(nèi)容。

消息推送的運(yùn)營指標(biāo)能否洞察客戶的風(fēng)險(xiǎn)特征？

極光大數(shù)據(jù)的開發(fā)者服務(wù)囊括了 app 開發(fā)者需要的一整套高性能功能云服務(wù)。因?yàn)闃O光大數(shù)據(jù)出色的服務(wù)質(zhì)量，極光云平臺吸引了眾多開發(fā)者的使用，采用極光云服務(wù) SDK 的 app 在市場上的占有率超過45%，每月為超過6億的移動(dòng)終端提供服務(wù)支持，形成了大量的運(yùn)營日志。以極光推送服務(wù)為例，app 開發(fā)者通過 API 調(diào)用方式，明確送達(dá)目標(biāo)、目標(biāo)特征、目標(biāo)分類、送達(dá)策略等，為 app 開發(fā)者在為不同客戶提供差異化的服務(wù)提供功能和數(shù)據(jù)支持，例如規(guī)定送達(dá)的網(wǎng)絡(luò)環(huán)境、送達(dá)時(shí)間、送達(dá)失敗處理策略等。

在服務(wù)器資源和性能優(yōu)化過程中，我們不光從技術(shù)性能指標(biāo)入手，同時(shí)也從業(yè)務(wù)服務(wù)的運(yùn)營指標(biāo)入手。我們發(fā)現(xiàn)不同類型的客戶在推送消息業(yè)務(wù)中，下午1點(diǎn)至4點(diǎn)是消息發(fā)送最為密集的時(shí)段，約有35%左右的消息在下午發(fā)送出去；其次是晚上，發(fā)送消息占到27%。這些關(guān)鍵的運(yùn)營數(shù)字可以幫我們進(jìn)行動(dòng)態(tài)服務(wù)資源優(yōu)化提供了數(shù)據(jù)參考?？梢灾v，是極光云服務(wù)運(yùn)營過程中的“魔法數(shù)字”。

消息推送服務(wù)本質(zhì)上就是企業(yè)對于客戶的觸達(dá)策略一種形式。我們和我們的金融企業(yè)合作伙伴，就一系列風(fēng)險(xiǎn)客戶名單進(jìn)行分類分析，發(fā)現(xiàn)不同風(fēng)險(xiǎn)的客戶其消息發(fā)送條數(shù)差異顯著，風(fēng)險(xiǎn)客戶日均發(fā)送條數(shù)是新客戶日均發(fā)送條數(shù)的3倍，是正?？蛻羧站l(fā)送條數(shù)的4倍。上文提及的送達(dá)時(shí)間段分布也是這一系列成果。

可以講，極光云服務(wù)運(yùn)營過程中的“魔法數(shù)字”與客戶特征有一定相關(guān)性，這些魔法數(shù)字可以很直觀地反應(yīng)出企業(yè)觸達(dá)策略是可以反應(yīng)出客戶的風(fēng)險(xiǎn)特征的

消息推送的運(yùn)營指標(biāo)是否可以洞察圈子的風(fēng)險(xiǎn)特征？

如上文提及的，企業(yè)客戶觸達(dá)的策略的一種表現(xiàn)形式就是消息推送服務(wù)。而在服務(wù)提供過程中，我們通過利用社會網(wǎng)絡(luò)分析的方法結(jié)合極光云服務(wù)的日志信息，嘗試去發(fā)現(xiàn)不同設(shè)備之間和不同人群之間的社會關(guān)系、行為關(guān)系等?；诙嘀黧w的信息傳播模型，將地區(qū)間人口流動(dòng)行為建模為多個(gè)主體的集群行為[2]。我們選用了多主體方法構(gòu)建風(fēng)險(xiǎn)傳播模型，研究風(fēng)險(xiǎn)因子在接觸網(wǎng)絡(luò)中的傳播和事前預(yù)警。重點(diǎn)從網(wǎng)絡(luò)拓?fù)?、用戶行為和交互信息等幾個(gè)方面總結(jié)影響力分析的建模和度量方法。

基于這樣分析思路和方法，我們發(fā)現(xiàn)了:在山東聊城某縣，有283部設(shè)備終端，從終端的設(shè)備信息、使用 app、線下活動(dòng)區(qū)域范圍和場所都具有明顯的相關(guān)性。例如都安裝了名叫"九州電召"的 app ，通過他們的行為軌跡也可以推斷出來是以提供召車服務(wù)的司機(jī)群體，同時(shí)在某金融、某錢包、某貸款、某寶、某借款等多個(gè)借貸平臺間有非常頻繁的業(yè)務(wù)活動(dòng)，結(jié)合相關(guān)的其他開放數(shù)據(jù)信息，我們可以推斷這是一個(gè)以“薅羊毛”為特征的群體。具體算法就不在這里詳述，通過分析他們的社會關(guān)系網(wǎng)絡(luò)并按照極光大數(shù)據(jù)反欺詐數(shù)據(jù)庫默認(rèn)評分策略進(jìn)行評分，該圈子中用戶在19類風(fēng)險(xiǎn)指數(shù)中評分均較高，屬于高風(fēng)險(xiǎn)用戶群體。群體識別方法利用了大數(shù)據(jù)采集和分析技術(shù)到的相關(guān)信息，提煉出來識別模型，通過對于特征群體的特征挖掘，從風(fēng)險(xiǎn)因子綜合評分入手，有效地找到風(fēng)險(xiǎn)群體的移動(dòng)互聯(lián)網(wǎng)+的特征。

極光云服務(wù)和風(fēng)險(xiǎn)管控的關(guān)系

在研究金融行業(yè)風(fēng)險(xiǎn)傳播時(shí)，一般將網(wǎng)絡(luò)中的人群分為幾類，如領(lǐng)導(dǎo)者、易感者、傳播者、追隨者、潛在感染者、新人等。極光大數(shù)據(jù)反欺詐算法情景進(jìn)行目標(biāo)風(fēng)險(xiǎn)控制預(yù)警：假設(shè)有N個(gè)人，其接觸網(wǎng)絡(luò)為G (V，E，W)，其中V是群體集合，E是邊集，W是邊對應(yīng)的權(quán)重集合。已知在某一時(shí)刻t發(fā)現(xiàn)了有n個(gè)人疑似風(fēng)險(xiǎn)用戶，應(yīng)采取一些及時(shí)措施進(jìn)行風(fēng)險(xiǎn)傳播，將風(fēng)險(xiǎn)擴(kuò)散降低到最小。

如上圖所示，Jid0在該圈子中可判定為領(lǐng)導(dǎo)者，而傳播者包括Jid9（關(guān)鍵信息傳播給Jid5和Jid8）以及Jid6（傳播給Jid2、Jid3和Jid4），Jid10判定為易感者，Jid11則可判定為新人。基于這樣的社交圖譜，對于領(lǐng)導(dǎo)者和傳播者進(jìn)行針對性管控，及時(shí)切斷傳播路徑。

上述的一類場景就是企業(yè)在風(fēng)險(xiǎn)控制中的典型場景。極光大數(shù)據(jù)金融風(fēng)控領(lǐng)域數(shù)據(jù)服務(wù)可以幫助企業(yè)在已有的風(fēng)控管理體系中提供外部數(shù)據(jù)能力的支持，能夠有效地解決企業(yè)在外部數(shù)據(jù)缺失過程中所遇到的困擾。由于極光大數(shù)據(jù)的數(shù)據(jù)服務(wù)都是通過自身的JID進(jìn)行關(guān)聯(lián)，提供的都是隱私脫敏數(shù)據(jù)服務(wù)，因此在數(shù)據(jù)服務(wù)過程中的合規(guī)合法都是可以信賴的。

結(jié)論

數(shù)字化經(jīng)濟(jì)、越來越精明的用戶以及不斷加大的甄別需求都給企業(yè)帶來了巨大的成本壓力，必須采取新的解決方案和新的業(yè)務(wù)模型[4]。極光大數(shù)據(jù)通過多年云服務(wù)運(yùn)營經(jīng)驗(yàn)，發(fā)現(xiàn)在自身平臺運(yùn)營過程中發(fā)現(xiàn)的特征規(guī)律可以運(yùn)用到金融風(fēng)控領(lǐng)域，極光大數(shù)據(jù)的反欺詐模型能夠幫助企業(yè)高效的應(yīng)對這些挑戰(zhàn)，有效地降低管理風(fēng)險(xiǎn)。
借力大數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)管控的企業(yè)已經(jīng)是趨勢，大數(shù)據(jù)的作用和價(jià)值不用贅述。相較于傳統(tǒng)風(fēng)控的企業(yè)，其目前的成本控制和收益優(yōu)化，以及未來的市場擴(kuò)張和行業(yè)競爭等多方面的優(yōu)勢將更加顯而易見。同時(shí)，極光大數(shù)據(jù)也推出了金融風(fēng)控的系列產(chǎn)品，這也是在眾多合作伙伴鼎力幫助下進(jìn)行不斷的完善。

作者介紹

洪晶,極光數(shù)據(jù)研究院解決方案總監(jiān)。10年數(shù)據(jù)倉庫與商業(yè)智能咨詢與實(shí)施經(jīng)驗(yàn)，精通數(shù)據(jù)處理、統(tǒng)計(jì)分析與挖掘建模，擅長基于海量數(shù)據(jù)的業(yè)務(wù)管理與運(yùn)營；曾經(jīng)在國內(nèi)學(xué)術(shù)刊物上發(fā)表多篇該專業(yè)文章，精通且熟練使用粗集、神經(jīng)網(wǎng)絡(luò)、遺傳算法、隨機(jī)森林、支持向量機(jī)、文本挖掘/潛在蒂利克雷主題模型等方法，并將其成功運(yùn)用到各種商業(yè)領(lǐng)域；曾長期供職于著名數(shù)據(jù)倉庫和數(shù)據(jù)分析服務(wù)提供商，主要服務(wù)于國內(nèi)運(yùn)營商、金融企業(yè)客戶、移動(dòng)互聯(lián)網(wǎng)公司。

**參考文獻(xiàn)**

[1]維克托·邁爾-舍恩伯格,肯尼思·庫克耶著盛楊燕,周濤譯.大數(shù)據(jù)時(shí)代生活、工作與思維的大變革[M].浙江：浙江人民出版社,2013.
[2]斯坦利·沃瑟曼,凱瑟琳·福斯特著陳禹,孫彩虹譯.社會網(wǎng)絡(luò)分析:方法與應(yīng)用[M].北京：中國人民大學(xué)出版社,2012.
[3]季偉東.進(jìn)化計(jì)算優(yōu)化前向神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法研究[J].東北林業(yè)大學(xué),2013.
[4]葉湘榕.P2P借貸的模式風(fēng)險(xiǎn)與監(jiān)管研究[J]. 金融監(jiān)管研究. 2014.

注：本文由 極光大數(shù)據(jù) 投稿數(shù)據(jù)猿發(fā)布。

歡迎更多大數(shù)據(jù)企業(yè)、愛好者投稿數(shù)據(jù)猿，來稿請直接投遞至：tougao@datayuan.cn

來源：數(shù)據(jù)猿

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時(shí)，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責(zé)。