聚信立創(chuàng)始人兼CEO羅皓：互金領(lǐng)域基于社交網(wǎng)絡(luò)分析的風(fēng)險(xiǎn)控制才剛剛開始

聚信立羅皓互聯(lián)網(wǎng) 社交

原創(chuàng) 羅皓 | 2017-06-08 08:00

【數(shù)據(jù)猿導(dǎo)讀】基于社交網(wǎng)絡(luò)分析的風(fēng)險(xiǎn)控制才剛剛開始，隨著互聯(lián)網(wǎng)金融的快速發(fā)展，團(tuán)伙欺詐也日趨專業(yè)化同時(shí)迅速膨脹，社交網(wǎng)絡(luò)分析結(jié)合大數(shù)據(jù)處理技術(shù)必將是應(yīng)對(duì)新形勢(shì)下欺詐的一個(gè)利器

聚信立創(chuàng)始人兼CEO羅皓：互金領(lǐng)域基于社交網(wǎng)絡(luò)分析的風(fēng)險(xiǎn)控制才剛剛開始

本文為數(shù)據(jù)猿推出的大型“金融大數(shù)據(jù)主題策劃”活動(dòng)（查看詳情）第一部分的系列征文/案例；感謝 聚信立創(chuàng)始人兼CEO羅皓 先生的投稿（羅皓專欄）

作為整體活動(dòng)的第二部分，2017年6月29日，由數(shù)據(jù)猿主辦，上海金融行業(yè)信息協(xié)會(huì)、互聯(lián)網(wǎng)普惠金融研究院聯(lián)合主辦，中國(guó)信息通信研究院、大數(shù)據(jù)發(fā)展促進(jìn)委員會(huì)、上海大數(shù)據(jù)聯(lián)盟、首席數(shù)據(jù)官聯(lián)盟、中國(guó)大數(shù)據(jù)技術(shù)與應(yīng)用聯(lián)盟協(xié)辦的《「數(shù)據(jù)猿·超聲波」之金融科技 · 商業(yè)價(jià)值探索高峰論壇》還將在上海隆重舉辦【論壇詳情丨上屆回顧】

在論壇現(xiàn)場(chǎng)，也將針對(duì)本次主題活動(dòng)的投稿人，頒發(fā)“最佳商業(yè)洞察者”、“數(shù)據(jù)猿專欄最佳作者”兩大類人物獎(jiǎng)

來(lái)源：數(shù)據(jù)猿作者：羅皓

近年互聯(lián)網(wǎng)金融發(fā)展地如火如荼，借貸形式發(fā)生了天翻地覆的變化，新形勢(shì)下各借貸機(jī)構(gòu)的風(fēng)險(xiǎn)控制也面臨著新的挑戰(zhàn)，無(wú)論是技術(shù)還是思想都經(jīng)歷著革新。

新金融形勢(shì)下風(fēng)控面臨的挑戰(zhàn)

傳統(tǒng)金融機(jī)構(gòu)的風(fēng)險(xiǎn)管理，用申請(qǐng)人身份特征、借貸歷史、央行征信報(bào)告等信息來(lái)評(píng)判個(gè)人信用等級(jí)，廣泛用于貸款審批、貸后管理，并且也起到了不錯(cuò)的效果；隨著互聯(lián)網(wǎng)金融的快速發(fā)展，申請(qǐng)人借貸歷史或央行征信報(bào)告等個(gè)人信息往往不能滿足放貸機(jī)構(gòu)的需求。

比如，在聚信立每天處理的60多萬(wàn)次借貸申請(qǐng)查詢中，近30%的人即沒(méi)有借貸歷史，也沒(méi)有央行征信報(bào)告。

這個(gè)群體對(duì)于借貸機(jī)構(gòu)而言相當(dāng)于“白戶”，對(duì)這個(gè)群體的風(fēng)控成了機(jī)構(gòu)的一大痛點(diǎn)；另外，職業(yè)詐騙分子的“專業(yè)水平”越來(lái)越高，他們清楚地知道銀行等借貸機(jī)構(gòu)的審批條件，可以很好的偽造正常人的行為、習(xí)慣，機(jī)構(gòu)單憑審核單個(gè)個(gè)體的行為數(shù)據(jù)很難區(qū)分出惡意欺詐。對(duì)于“白戶”，以及團(tuán)伙欺詐，社交網(wǎng)絡(luò)分析都可以提供很好的解決方案。

聚信立_羅皓_互聯(lián)網(wǎng)_社交-1

社交網(wǎng)絡(luò)分析方法概述

這里簡(jiǎn)要介紹一下聚信立的社交網(wǎng)絡(luò)分析方法。聚信立處理了超過(guò)3000萬(wàn)申請(qǐng)人的查詢申請(qǐng)，通過(guò)觀察申請(qǐng)人及其聯(lián)系人的聯(lián)系網(wǎng)絡(luò)，可構(gòu)成一張覆蓋申請(qǐng)人及其聯(lián)系人在內(nèi)的總共7億人的巨大網(wǎng)絡(luò)，同時(shí)覆蓋90%以上借貸人群，如何能給這個(gè)龐大網(wǎng)絡(luò)中的每個(gè)個(gè)體精準(zhǔn)評(píng)分呢？

我們相信近朱者赤、近墨者黑的原則同樣適用于借貸人群，本著這一理論基礎(chǔ)我們衍生出了自己的基于社交網(wǎng)絡(luò)的算法。

首先給出一些概念：

●X階聯(lián)系人：

聯(lián)系人可分為直接和間接聯(lián)系人，直接聯(lián)系人是指和申請(qǐng)人有過(guò)直接通話記錄的號(hào)碼，我們稱其為一階聯(lián)系人，間接聯(lián)系人是指聯(lián)系人的聯(lián)系人，依次可以分為二階聯(lián)系人、三階聯(lián)系人等，顯然直接聯(lián)系人比間接聯(lián)系人更能影響種子號(hào)碼，越高階聯(lián)系人，影響力越弱。

●聯(lián)系強(qiáng)度：

根據(jù)兩個(gè)號(hào)碼之間通話頻次、周期性、主被叫關(guān)系等來(lái)判斷兩個(gè)號(hào)碼之間緊密的程度，用于衡量?jī)蓚€(gè)人之間可以互相影響的程度。

●有效聯(lián)系人：

聯(lián)系強(qiáng)度達(dá)到某個(gè)特定值以上的聯(lián)系人

●黑號(hào)個(gè)數(shù)/比例：

在某個(gè)特定網(wǎng)絡(luò)中被標(biāo)為黑名單的號(hào)碼個(gè)數(shù)/比例

Google的PageRank是個(gè)很好的計(jì)算網(wǎng)頁(yè)排名的算法，我們借鑒其能量傳輸?shù)睦砟?，并在此基礎(chǔ)上做了些針對(duì)性的改進(jìn)：對(duì)于聯(lián)系人我們只考慮5階以內(nèi)，并對(duì)聯(lián)系強(qiáng)度設(shè)定了閥值，只考慮大于特定強(qiáng)度的聯(lián)系人，同時(shí)區(qū)分主被叫關(guān)系，在此條件下可以得到初始網(wǎng)絡(luò)。

通過(guò)聚類、能量傳輸?shù)饶Ｐ桶?億人群分割成若干個(gè)子網(wǎng)絡(luò)，然后計(jì)算各價(jià)聯(lián)系人中黑號(hào)個(gè)數(shù)、比例、網(wǎng)絡(luò)大小等指標(biāo)，并根據(jù)聯(lián)系強(qiáng)度等信息差異性賦權(quán)，最終得出每個(gè)號(hào)碼和黑號(hào)的緊密程度。

聚信立_羅皓_互聯(lián)網(wǎng)_社交-2

社交網(wǎng)絡(luò)分析的解決方案

前面提到金融借貸機(jī)構(gòu)目前面臨的兩個(gè)難題：1）金融白戶：無(wú)任何征信信息；2）團(tuán)伙欺詐，下面分別看一下如何用社交網(wǎng)絡(luò)分析方法來(lái)解決這些難題。

一、金融白戶。這一類人沒(méi)有自身數(shù)據(jù)，傳統(tǒng)模型已失效。但近朱者赤、近墨者黑，在一個(gè)人的緊密朋友圈中，如果有些人借債不還，但并未受到應(yīng)有懲罰，這種行為經(jīng)?？梢詡鬟f給其周邊的人；同樣好的行為也會(huì)傳遞。

我們相信，同一圈子里人的經(jīng)濟(jì)、生活狀態(tài)往往趨于相近，信用等級(jí)也會(huì)趨同，對(duì)于白戶，用其緊密朋友圈的數(shù)據(jù)填補(bǔ)其自身空白是個(gè)不錯(cuò)的選擇。另外，根據(jù)一個(gè)人在某個(gè)子網(wǎng)絡(luò)中的主被叫頻次、比例等，可以計(jì)算出每個(gè)人在網(wǎng)絡(luò)中的位置、影響力，進(jìn)而得到其可以影響其他人的權(quán)重。

最終，我們用“白戶”緊密聯(lián)系人的加權(quán)信用等級(jí)來(lái)代表他自己的信用等級(jí)。這個(gè)方法在實(shí)戰(zhàn)中得到了很好的驗(yàn)證。

二、團(tuán)伙欺詐。現(xiàn)在機(jī)構(gòu)面臨的欺詐很多都是組織有序的團(tuán)伙欺詐。他們一旦發(fā)現(xiàn)某些平臺(tái)的風(fēng)控漏洞，就會(huì)集中作案，以期短時(shí)間內(nèi)獲得巨額利潤(rùn)。

舉個(gè)例子，聚信立的蜜蜂報(bào)告已被數(shù)百家機(jī)構(gòu)采用，并廣泛應(yīng)用到風(fēng)控流程中。有些犯罪團(tuán)伙對(duì)放貸機(jī)構(gòu)如何根據(jù)聚信立報(bào)告做審批有深入了解，就會(huì)偽裝大量符合機(jī)構(gòu)審批條件（如穩(wěn)定的賬單、合理的聯(lián)系人個(gè)數(shù)、通話時(shí)長(zhǎng)等）的個(gè)體進(jìn)行騙貸。

從單個(gè)申請(qǐng)人看，很難發(fā)現(xiàn)其欺詐性。但如果看整個(gè)網(wǎng)絡(luò)，就會(huì)發(fā)現(xiàn)某些圈子里的人的開戶時(shí)間、聯(lián)系人個(gè)數(shù)、通話時(shí)間、通話頻率等方面都驚人的相似。類似的欺詐行為往往有相似的網(wǎng)絡(luò)結(jié)構(gòu)，比較容易判斷這些號(hào)碼是被一個(gè)團(tuán)伙整體運(yùn)作。通過(guò)計(jì)算特定網(wǎng)絡(luò)內(nèi)個(gè)體的同質(zhì)性或高度一致性以及網(wǎng)絡(luò)結(jié)構(gòu)，來(lái)抓團(tuán)伙欺詐就容易的多。

聚信立_羅皓_互聯(lián)網(wǎng)_社交-3

除了風(fēng)控領(lǐng)域，社交網(wǎng)絡(luò)也可以有廣泛應(yīng)用，如精準(zhǔn)營(yíng)銷等，這不是今天話題的重點(diǎn)，就不再贅述。

大數(shù)據(jù)風(fēng)控的發(fā)展方向

風(fēng)控技術(shù)經(jīng)過(guò)數(shù)十年的發(fā)展，無(wú)論是基于個(gè)人身份信息（如年齡、收入、職業(yè)等）還是個(gè)人設(shè)備信息（如使用手機(jī)、電腦的行為數(shù)據(jù)）的數(shù)據(jù)挖掘，都有了長(zhǎng)足的進(jìn)展，分析方法上，從評(píng)分卡、決策樹到神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)，技術(shù)也日漸成熟；而基于社交網(wǎng)絡(luò)分析的風(fēng)險(xiǎn)控制才剛剛開始，隨著互聯(lián)網(wǎng)金融的快速發(fā)展，團(tuán)伙欺詐也日趨專業(yè)化同時(shí)迅速膨脹，社交網(wǎng)絡(luò)分析結(jié)合大數(shù)據(jù)處理技術(shù)必將是應(yīng)對(duì)新形勢(shì)下欺詐的一個(gè)利器。

作者簡(jiǎn)介：

羅皓，聚信立CEO&創(chuàng)始人，湖南大學(xué)精算學(xué)學(xué)士。國(guó)立愛(ài)爾蘭大學(xué)統(tǒng)計(jì)學(xué)碩士、中國(guó)第一批SAS認(rèn)證統(tǒng)計(jì)師。曾任通用電氣金融公司、渣打銀行、Discover信用卡建模師、產(chǎn)品風(fēng)險(xiǎn)經(jīng)理、數(shù)據(jù)挖掘主管等。超過(guò)10年數(shù)據(jù)挖掘及風(fēng)險(xiǎn)建模經(jīng)驗(yàn)。

歡迎更多大數(shù)據(jù)企業(yè)、愛(ài)好者投稿數(shù)據(jù)猿，來(lái)稿請(qǐng)直接投遞至：tougao@datayuan.cn

來(lái)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(huì)注明來(lái)源與作者；轉(zhuǎn)載我們?cè)瓌?chuàng)內(nèi)容時(shí)，也請(qǐng)務(wù)必注明“來(lái)源：數(shù)據(jù)猿”與作者名稱，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。