互金风控模型搭建维度解析

继《从0-1，如何做好互金领域的运营》，《互金运营必懂的3类专业术语》 ，今天结合实际分享关于金融业务中最为核心的风控环节的内容。

谈起风控，大家都不陌生，任何一家企业的管理过程中都会有相应的风控手段，减少风险事件发生的可能性，或者在风险不可避免时，尽可能降低造成的损失，而不仅仅受限于互金或者传统金融行业。

进入到互联网+金融的时代，风控更多依赖于大数据，依赖于用户信息。在进行风险判断时，两个关键维度是：用户还款能力和还款意愿。

判断用户还款能力的关联维度有：资产、收入、支出、负债、信用状况、关系人信用状况。

判断还款意愿的关联维度有：主动还款意愿，包括受教育程度、个人品行、价值观等；被动还款意愿，包括协议违约成本，舆论压力等。

用户的还款能力和还款意愿是属于信用属性极强的金融数据，另外还有一类属于信用属性较弱的用户行为数据。金融数据一般是借助央行征信，绑定的银行卡、信用卡所属机构，公安机关等能够进行背书的机构提供的接口数据做判断。而信用属性较弱的用户行为数据怎样有效关联进而判断用户信用风险，需要企业根据各自业务搭建数据模型。

风控过紧，虽然可以降低后期的坏账风险，但相应会降低业务总量。风控过松，业务量会上升，但后期风险加剧。对于风控，绝不是前篇一律的设计方式，需要根据自身业务和市场发展需求自适应调整。

以下可能是互金领域风控模型最常采用的信息组合维度：

（1）身份信息验证

在这里先普及一个专业术语：四要素。

用户的四要素信息包括：姓名、身份证号码、银行卡号码、手机号码。有些平台需要用户的强四要素信息，即需要增加手机号验证码。四要素信息验证，也就是对用户身份做基本判断。

系统通过将用户姓名、身份证号码与公安系统内的信息做比对，对用户身份是否合法做判断。通过用户提供的四要素进行银行卡鉴权，查询银联内的该银行卡是否有异常。

资格认证：调用央行征信查询接口，查询用户征信是否异常。

活体解析：开启前置摄像头，按照要求进行活体验证。（比如：常见的，对着屏幕张一张嘴、点一下头，摇一下头，微笑。）这个过程会将活体拍摄中的某一秒的图片进行截图，调用公安系统的API，和公安系统的网纹照片进行对比。主要是为了判断申请者是本人。（活着的）

人脸比对：前文所说，将身份证照片、活体解析照片、公安网纹照片进行比对。

（2）银行卡信息验证

调用接口进行验证，是否是要求的卡（借记卡、信用卡），系统是否支持该银行卡，所属银行和该卡是否匹配。

银行卡鉴权： 银行卡鉴权说的直白点就是验证持卡人姓名、身份证号、银行卡号、银行预留手机号这四项要素是否一致，是指验证用户是否拥有访问系统的权利，如果用户注册App时使用的手机号码和银行卡预留手机号码不一致，还需要进行修改。

存管银行：一些P2P作为资金方的借贷产品，需要开通存管银行，由银行管理资金，平台管理交易， 做到资金与交易的分离，使得平台无法直接接触资金，避免客户资金被直接挪用。

（3）运营商认证

通过获取设备的通讯录信息、电话往来信息、账单信息、流量等。

用户话费充值缴纳是否正常、稳定，可能会关联到用户收入的判断。如果用户经常性停机欠费等，可能会影响评分。

通讯录中是否有过多的银行贷款机构以及网贷黑名单，过多上述联系人，可能会被判断为多头借贷、借款需求旺盛有风险。

电话呼入、呼出的时间、节奏是否正常，比如：经常性零点之后外呼可能不正常。

用户入网时长。

（4）移动设备定位

一般通过三种方式对移动设备的位置进行判断：移动运营商基站、手机自带GPS或者App关联的GPS功能、WiFi。

用户居住地址：如果用户填写的居住地址在北上广深这些一线城市，但通过移动设备定位发现过去很长一段时间，该用户都不在所填写的地方，则该用户可能提交的是假信息，风险几率较高。

用户工作地点：判断用户还款能力高低，是决定是否放款的重要因素之一。如果用户填写在北京某科技企业上班，但是过去很长一段时间，都是在城镇地区则是有风险的。