巨头抢滩大数据风控，都用了什么姿势？

1. 巨头抢滩大数据风控，都用了什么姿势？

2016年在互联网金融领域，金融科技（Fintech）成了最火最红的一个词。特别是在11月份的乌镇世界互联网大会上，有关互金融的会议议程中都已经不怎么提“互联网金融”这种说法，而是进化到了数字普惠金融和金融科技这些说法。
既然要做到数字、科技，必然需要依靠大数据来做金融。恰逢这些天借贷宝的“裸条”事件曝光，也暴露了在互联网金融行业里，不少企业的风控做得非常初级，甚至是简单粗暴。互联网金融让快速交易成为可能，不做好风控一定会造成巨大风险，而数字和科技恰恰是做好风控的核心。
做风控往往要一套风控模型，用来计算平台方能够承受什么风险等级的客户，将各种金融交易的市场风险控制在合理的范围内，使衍生品市场交易能够稳定运行，最可能减少波动。今天无论是蚂蚁金服、微众银行、百度金融、网易金融还是京东金融，虽然都是靠大数据做风控，但各家做法又有很多细节差别。
蚂蚁金服的CTU智能风控大脑
毫无疑问，蚂蚁金服在金融科技领域一直是领头羊的位置。蚂蚁金服最强的也就是大数据处理能力，其中有一套CTU智能风控大脑，这也是蚂蚁金服的工作核心。
所谓的CTU智能风控大脑，工作流程主要是分成这样几步——判断请求发起是否为帐户主人。CTU判断是否为账户住人主要通过是否是可信的行为、可信的位置、可信的设备以及可信的关系。如果这些纬度都可信，再去判断资金、个人隐私、相关数据有无风险。判断依据就是我们所熟知的支付宝、余额宝、招财宝、芝麻信用、网商银行等业务数据。
阿里在金融体系的数据很强，特别是因为淘宝、天猫这些电商平台上积累的电商数据更是对个人用户的消费能力有很大的洞悉能力。用户电商消费记录、旅游消费记录、以及加油消费记录都可以作为评估其信用的依据。有的互联网金融公司专门从事个人电商消费数据分析，只要客户授权其登陆电商网站，就可以借助于工具将客户历史消费数据全部抓取并进行汇总和评分。
芝麻信用的最大作用就在于此，再加上芝麻信用打通了微博之类的平台，社交数据也在逐渐补足。目前，蚂蚁金服的数据包括在线购物、与他人资金往来、还信用卡、资金理财、公用事业费缴纳、房屋租赁或买卖、跳槽情况、婚姻状态、社交关系等，从用户信用历史、行为偏好、履约能力、身份特质、人际关系等。
重要的是，蚂蚁金服的数据还在向传统金融机构开放，一方面通过传统金融机构获取数据，另一方面和传统金融机构合作，这种数据获取能力使其数据之强无出其右。当然，蚂蚁金服也有数据短版，前段时间的“支付鸨”事件可能也从侧面证明，蚂蚁金服想进一步挖掘社交数据，完善风控体系。
微众银行用6个模型找到坏客户
在微众银行看来，海量客户可以确保资产结构稳定。当做到上亿级用户时，信用风险就是可以接受的社会平均风险，微众银行要做的就是在社会平均风险下挑出“坏客户”，进一步降低风险。
坏客户的数据其实在征信公司手中都有。目前，市场上有近百家的公司从事个人征信相关工作，其主要的商业模式是反欺诈识别，灰名单识别，以及客户征信评分。反欺诈识别中，重要的一个参考就是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单，大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑名单仅在两百万左右。
腾讯不仅和征信公司合作，旗下的微众银行也通过6个模型找到“坏客户”——微信社交、QQ社交、财付通交易数据、人民银行资产负债与还款状况以及是否急需资金。总体来看，微众银行最大的优势在于腾讯的社交数据。一方面通过和微信结合推出了微信支付，和QQ结合推出了QQ钱包，用社交的方式带动金融；另一方面又通过社交数据以及用户在银行的资产数据来判定用户的信用情况。
不过，因为缺乏用户在衣食住行等电商、O2O、生活服务场景的数据，所以微众银行正通过加强与O2O平台合作的方式，来积累用户的消费数据，完善自家的数据风控体系。相比于蚂蚁金服，微众银行的数据优势还是在于社交体系中的强大数据积淀。
百度金融主动预警捕捉高危行为
互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示得更充分，信用评分就会更加客观，接近借款人实际风险。
百度金融主要是打通“人+手机+设备+IP”（如手机号、身份证号、设备号、网络账号等）等关联纬度，基于全网行为进行监测，捕捉高危行为特征，在贷前准入方面就开始排查风险，进行反欺诈识别，生产黑名单，对借款人的行为进行预测。在贷款后，也会对借款人贷后行为进行跟踪和监测，只要触发预警规则，也会激发提醒。
百度金融的这种做法的逻辑和微众银行其实非常相似，思路都是找到“坏客户”，然后降低平均风险。除此之外，百度金融此前还和中信银行合作成立“百信银行”，合作开发金融产品。实际上，这种做法一方面是为了获取渠道，另一方面，也是双方互相补足征信数据的一种做法。此外，百度旗下的O2O业务也能为其数据积累奠定一定的基础。
在金融业务和风险控制这两方面，金融机构有天然的优势。金融是一个强监管和门槛较高的行业，金融机构多年积累的风险甄别能力，以及对金融的理解和产品的设计能力，这些是很难被互联网公司所取代的。百度金融和中信银行之间的关系是百度的壁垒所在。
网易金融构建北斗七大风控模型
相比于蚂蚁金服是靠大而全的数据构建的风控体系以及微众银行、百度金融的滤网型风控体系，网易金融更注重全流程构建风控体系，并在关键节点上进行风险控制。
网易北斗是网易金融构建的智能风控平台，其风控流程和其他平台一样，都分成了贷前、贷中、贷后这三个部分，但是网易北斗把贷前、贷中、贷后分得更为细致——网易北斗在贷前做了获客引流模型、反欺诈型模型以及风控授信模型，先构建了筛选机制。在贷中又做了信贷管理模型，确定放贷的金额以及调查还贷能力等。在贷后还有风险预警模型、云催收模型和用户增值模型，一方面可以防止出现坏账的情况，另一方面也是在判断用户未来的业务合作以及增值空间，为后续的二次贷款做好准备。
网易金融不仅做好自家平台的风控体系，并通过和银行、传统金融机构合作赋能的方式释放自己的大数据风控能力。一方面是做了魔镜精准营销服务平台这个大数据一站式精准智能营销系统，帮助传统金融机构获客及精准营销。另外一方面也是通过网易七鱼这个全智能云客服专家系统，帮助传统金融机构解决各项问题，让银行提升审批效率和降低成本。在获客和解决问题的同时，实际上网易金融的深度学习系统也在不断提升，并且未来很可能可以与这些金融机构有更多在数据方面的合作。
虽然说网易金融在大数据风控方面的能力和蚂蚁金服有一些差异，但是在今年9月，清华大学在和网易金融建立金融科技中心的基础上，和蚂蚁金服也签署了合作协议，网易金融事实上和蚂蚁金服在风控层面上有一些数据合作。这对于双方的大数据积累、风控能力提升都有一定的帮助作用。
除此之外，魔镜精准营销服务平台以及网易七鱼这样的云客服专家系统也是体现了网易金融在智能风控领域注重实用性的一面。也难怪今年乌镇世界互联网大会上，丁老板对媒体说，“我们肯定在这些方面（人工智能）是遥遥领先的！”
京东金融一手靠消费一手靠合作
京东做风控主要是靠消费金融来驱动，通过京东商城庞大的交易数据为基础，覆盖了物流、用户等京东生态体系内的所有有效数据，不断构建大数据基础以及风控系统。
2015年6月份，京东还投资了美国互联网金融公司ZestFinance，且成立名为JD-ZestFinanceGaia的合资公司，以将后者的信用模型应用于京东的消费金融体系和风控模型。京东在国内的合资风控公司也即将开业，参股公司还包括数据银行聚合数据、个人信贷风控公司聚信立。做这一系列的布局，其实也表明，京东在通过这种合作的方式不断完善自家数据。
在京东生态圈之外，京东金融通过各种合作、投资模式，获取到更多的生态数据。比如说京东金融投资了不少汽车租赁平台，切到汽车后市场。另外，京东也和百安居之类家装平台进行合作。京东一方面是在支付、供应链、产品众筹等领域和合作伙伴展开合作，另外一方面也是不断通过合作、投资的方式不断拓展到生态体系外的其他场景之中，不断丰富自家的数据。
按照京东的数据统计来看，投资+合作这两种方式已经让其覆盖了教育、租房、装修、旅游、汽车等众多消费场景，囊括了近 2000家京东商城的供应商。这对于京东风控能力的提升会有较大帮助。
写在最后：
2016年互金行业进入以金融科技为潮流的转型期，技术逐步成为平台的核心竞争力，拥有强技术和数据优势的平台将在行业竞争中脱颖而出。从国内主流互金玩家的整体来看，目前各家都处于信用数据的收集期和积累期，采用用户社会行为和社会属性数据，在一定程度上补充了传统风控数据维度不足的缺点，能够更加全面识别出欺诈客户，评价客户的风险水平。随着BAT、网易、京东等玩家的持续深入，国内互金环境也将不断改善。
作者：深几度，微信号：852405518，微信公众号“深几度”，转载请保留版权内容。

2. 巨头抢滩大数据风控，都用了什么姿势？

2016年在互联网金融领域，金融科技（Fintech）成了最火最红的一个词。特别是在11月份的乌镇世界互联网大会上，有关互金融的会议议程中都已经不怎么提“互联网金融”这种说法，而是进化到了数字普惠金融和金融科技这些说法。
既然要做到数字、科技，必然需要依靠大数据来做金融。恰逢这些天借贷宝的“裸条”事件曝光，也暴露了在互联网金融行业里，不少企业的风控做得非常初级，甚至是简单粗暴。互联网金融让快速交易成为可能，不做好风控一定会造成巨大风险，而数字和科技恰恰是做好风控的核心。
做风控往往要一套风控模型，用来计算平台方能够承受什么风险等级的客户，将各种金融交易的市场风险控制在合理的范围内，使衍生品市场交易能够稳定运行，最可能减少波动。今天无论是蚂蚁金服、微众银行、百度金融、网易金融还是京东金融，虽然都是靠大数据做风控，但各家做法又有很多细节差别。
蚂蚁金服的CTU智能风控大脑
毫无疑问，蚂蚁金服在金融科技领域一直是领头羊的位置。蚂蚁金服最强的也就是大数据处理能力，其中有一套CTU智能风控大脑，这也是蚂蚁金服的工作核心。
所谓的CTU智能风控大脑，工作流程主要是分成这样几步——判断请求发起是否为帐户主人。CTU判断是否为账户住人主要通过是否是可信的行为、可信的位置、可信的设备以及可信的关系。如果这些纬度都可信，再去判断资金、个人隐私、相关数据有无风险。判断依据就是我们所熟知的支付宝、余额宝、招财宝、芝麻信用、网商银行等业务数据。
阿里在金融体系的数据很强，特别是因为淘宝、天猫这些电商平台上积累的电商数据更是对个人用户的消费能力有很大的洞悉能力。用户电商消费记录、旅游消费记录、以及加油消费记录都可以作为评估其信用的依据。有的互联网金融公司专门从事个人电商消费数据分析，只要客户授权其登陆电商网站，就可以借助于工具将客户历史消费数据全部抓取并进行汇总和评分。
芝麻信用的最大作用就在于此，再加上芝麻信用打通了微博之类的平台，社交数据也在逐渐补足。目前，蚂蚁金服的数据包括在线购物、与他人资金往来、还信用卡、资金理财、公用事业费缴纳、房屋租赁或买卖、跳槽情况、婚姻状态、社交关系等，从用户信用历史、行为偏好、履约能力、身份特质、人际关系等。
重要的是，蚂蚁金服的数据还在向传统金融机构开放，一方面通过传统金融机构获取数据，另一方面和传统金融机构合作，这种数据获取能力使其数据之强无出其右。当然，蚂蚁金服也有数据短版，前段时间的“支付鸨”事件可能也从侧面证明，蚂蚁金服想进一步挖掘社交数据，完善风控体系。
微众银行用6个模型找到坏客户
在微众银行看来，海量客户可以确保资产结构稳定。当做到上亿级用户时，信用风险就是可以接受的社会平均风险，微众银行要做的就是在社会平均风险下挑出“坏客户”，进一步降低风险。
坏客户的数据其实在征信公司手中都有。目前，市场上有近百家的公司从事个人征信相关工作，其主要的商业模式是反欺诈识别，灰名单识别，以及客户征信评分。反欺诈识别中，重要的一个参考就是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单，大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑名单仅在两百万左右。
腾讯不仅和征信公司合作，旗下的微众银行也通过6个模型找到“坏客户”——微信社交、QQ社交、财付通交易数据、人民银行资产负债与还款状况以及是否急需资金。总体来看，微众银行最大的优势在于腾讯的社交数据。一方面通过和微信结合推出了微信支付，和QQ结合推出了QQ钱包，用社交的方式带动金融；另一方面又通过社交数据以及用户在银行的资产数据来判定用户的信用情况。
不过，因为缺乏用户在衣食住行等电商、O2O、生活服务场景的数据，所以微众银行正通过加强与O2O平台合作的方式，来积累用户的消费数据，完善自家的数据风控体系。相比于蚂蚁金服，微众银行的数据优势还是在于社交体系中的强大数据积淀。
百度金融主动预警捕捉高危行为
互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示得更充分，信用评分就会更加客观，接近借款人实际风险。
百度金融主要是打通“人+手机+设备+IP”（如手机号、身份证号、设备号、网络账号等）等关联纬度，基于全网行为进行监测，捕捉高危行为特征，在贷前准入方面就开始排查风险，进行反欺诈识别，生产黑名单，对借款人的行为进行预测。在贷款后，也会对借款人贷后行为进行跟踪和监测，只要触发预警规则，也会激发提醒。
百度金融的这种做法的逻辑和微众银行其实非常相似，思路都是找到“坏客户”，然后降低平均风险。除此之外，百度金融此前还和中信银行合作成立“百信银行”，合作开发金融产品。实际上，这种做法一方面是为了获取渠道，另一方面，也是双方互相补足征信数据的一种做法。此外，百度旗下的O2O业务也能为其数据积累奠定一定的基础。
在金融业务和风险控制这两方面，金融机构有天然的优势。金融是一个强监管和门槛较高的行业，金融机构多年积累的风险甄别能力，以及对金融的理解和产品的设计能力，这些是很难被互联网公司所取代的。百度金融和中信银行之间的关系是百度的壁垒所在。
网易金融构建北斗七大风控模型
相比于蚂蚁金服是靠大而全的数据构建的风控体系以及微众银行、百度金融的滤网型风控体系，网易金融更注重全流程构建风控体系，并在关键节点上进行风险控制。
网易北斗是网易金融构建的智能风控平台，其风控流程和其他平台一样，都分成了贷前、贷中、贷后这三个部分，但是网易北斗把贷前、贷中、贷后分得更为细致——网易北斗在贷前做了获客引流模型、反欺诈型模型以及风控授信模型，先构建了筛选机制。在贷中又做了信贷管理模型，确定放贷的金额以及调查还贷能力等。在贷后还有风险预警模型、云催收模型和用户增值模型，一方面可以防止出现坏账的情况，另一方面也是在判断用户未来的业务合作以及增值空间，为后续的二次贷款做好准备。
网易金融不仅做好自家平台的风控体系，并通过和银行、传统金融机构合作赋能的方式释放自己的大数据风控能力。一方面是做了魔镜精准营销服务平台这个大数据一站式精准智能营销系统，帮助传统金融机构获客及精准营销。另外一方面也是通过网易七鱼这个全智能云客服专家系统，帮助传统金融机构解决各项问题，让银行提升审批效率和降低成本。在获客和解决问题的同时，实际上网易金融的深度学习系统也在不断提升，并且未来很可能可以与这些金融机构有更多在数据方面的合作。
虽然说网易金融在大数据风控方面的能力和蚂蚁金服有一些差异，但是在今年9月，清华大学在和网易金融建立金融科技中心的基础上，和蚂蚁金服也签署了合作协议，网易金融事实上和蚂蚁金服在风控层面上有一些数据合作。这对于双方的大数据积累、风控能力提升都有一定的帮助作用。
除此之外，魔镜精准营销服务平台以及网易七鱼这样的云客服专家系统也是体现了网易金融在智能风控领域注重实用性的一面。也难怪今年乌镇世界互联网大会上，丁老板对媒体说，“我们肯定在这些方面（人工智能）是遥遥领先的！”
京东金融一手靠消费一手靠合作
京东做风控主要是靠消费金融来驱动，通过京东商城庞大的交易数据为基础，覆盖了物流、用户等京东生态体系内的所有有效数据，不断构建大数据基础以及风控系统。
2015年6月份，京东还投资了美国互联网金融公司ZestFinance，且成立名为JD-ZestFinanceGaia的合资公司，以将后者的信用模型应用于京东的消费金融体系和风控模型。京东在国内的合资风控公司也即将开业，参股公司还包括数据银行聚合数据、个人信贷风控公司聚信立。做这一系列的布局，其实也表明，京东在通过这种合作的方式不断完善自家数据。
在京东生态圈之外，京东金融通过各种合作、投资模式，获取到更多的生态数据。比如说京东金融投资了不少汽车租赁平台，切到汽车后市场。另外，京东也和百安居之类家装平台进行合作。京东一方面是在支付、供应链、产品众筹等领域和合作伙伴展开合作，另外一方面也是不断通过合作、投资的方式不断拓展到生态体系外的其他场景之中，不断丰富自家的数据。
按照京东的数据统计来看，投资+合作这两种方式已经让其覆盖了教育、租房、装修、旅游、汽车等众多消费场景，囊括了近 2000家京东商城的供应商。这对于京东风控能力的提升会有较大帮助。
写在最后：
2016年互金行业进入以金融科技为潮流的转型期，技术逐步成为平台的核心竞争力，拥有强技术和数据优势的平台将在行业竞争中脱颖而出。从国内主流互金玩家的整体来看，目前各家都处于信用数据的收集期和积累期，采用用户社会行为和社会属性数据，在一定程度上补充了传统风控数据维度不足的缺点，能够更加全面识别出欺诈客户，评价客户的风险水平。随着BAT、网易、京东等玩家的持续深入，国内互金环境也将不断改善。
作者：深几度，公众号“深几度”，转载请保留版权内容

3. 相比银行传统风控，大数据风控对比传统风控有优势吗？

 相比银行传统风控，大数据风控对比传统风控有优势吗？  相对于传统风控，大数据风控在建模原理和方法论上并无本质区别，只不过是通过互联网的红利，采集到更多维的数据变量，通过分析数据的相关性来加强或者替代传统的强因果关系。  建模原理和方法论上并无本质区别  大数据风控即大数据风险控制，是指通过运用大数据构建模型的方法对借款人进行风险控制和风险提示。
  相比传统风控，大数据风控究竟有何优势  以往传统的风控需要N个工作日，而且经常是线下调查+调取央行个人征信记录的方式，耗时耗力。大数据风控基于线上大量的数据资源和强大的数据挖掘及分析能力，与传统风控相比，具有数据覆盖维度更广，处理速度更快的优势。
  大数据风控可以取代传统风控系统吗？  可以肯定回答，绝对不会被替代。  现在审核中，大数据只能算作是传统风控的一个参考点或者说是辅助作用。而且数据资源也是在传统风控的审核过的业务基础上采集的。  单纯借助大数据风控，而忽略传统风控系统，显然是不靠谱也是不可能的。  最好是可以以大数据风控为辅助手段，选择具有风险引擎和规则引擎的"双引擎风控"系统，不仅有自主学习能力，POC跑分也远远高于传统的规则单引擎。
  大数据风控与传统风控有什么不同？, 信贷大数据风控系统与传统风控系统区别  传统的风控系统比较简单， 一套简单的IT系统结合线上线下征信，征信数据来源局限，原理简单，风险较大。  相对于大数据风控系统来说，由于大数据征信评分原因，IT系统相对完善，数据来源来源征信机构及互联网各种平台相关数据。  大体有四部分功能：1、评分建模，风控部分；  2、IT系统：业务系统、审批系统、征信系统、催收系统、账务系统；  3、决策配置工具，即信dai决策引擎；  4、征信大数据的整合模块。  大数据风控系统优势是大数据驱动，兼容手动、自动审批、决策、dai后管理。  鉴于大数据风控系统大大降低了风险，目前信dai行业，特别是小微金融机构大数据风控应用趋于普遍。神州融首推出了大数据风控平台、融360等也相继推出了自己的风控系统。
  阿里巴巴的风控相比较传统银行的风控有何区别？会更有优势吗  您好，专业金融风控平台 “红途风控汇”为您解答：
   
    个人以为，阿里的风控相比传统银行的风控是有差距的。阿里作为一家互联网公司，相关很多法律法规不完善，也就存在很多空子可以钻。而传统银行作为国家调控的主要手段，它的风控显然更成熟也更具安全性。
    目前来看，阿里的金融产品还是比较稳健的，因为其收益率并没有超越红线，相比p2p的高收益而言，相对安全。
    
  传统风控手段（经验）会被星桥数据的金融大数据风控替代吗？  应 该 说 是 各 有 千 秋 ， 星 桥 数 据 的 金 融 大 数 据 数 据 信 息 全 面 ， 为 信 贷 类 企 业 跟 个 人 提 供 黑 名 单 查 询 、 身 份 验 证 、 涵 盖 网 上 消 费 痕 迹 、 银 行 流 水 、 社 保 记 录 、 交 税 记 录 等 查 询 、 各 类 反 欺 诈 规 则 等 各 类 大 数 据 金 融 一 体 化 服 务 ， 可 以 说 是 传 统 征 信 的 一 个 有 力 补 充 。
  传统风控手段会被大数据风控替代吗？还是大数据只能用来辅助  应该是不会被取代的，或者说短期内不会被取代。二者处于不同的维度，不发生取代关系  有关风控，可以百度 红途 风控交流学习。
  中农信贷的大数据风控与传统风控有什么不同？有人专门了解过吗？  中农信贷是用现代科技与人工结合的办理业务，不同之处在于将现代科技技术运用到业务中去了。
  大数据风控靠谱吗？  大数据风控目前应该是前沿技术在金融领域的最成熟应用，相对于智能投顾、区块链等还在初期的金融科技应用，大数据风控目前已经在业界逐步普及，从浅橙科技这样的高科技企业，到交易规模比较大的网贷平台，再到做现金贷、消费金融的创业公司，都在通过大数据风控技术来控制贷款规模扩张中的风险。也就是说大数据风控是非常靠谱的。
   

4. BAT的金融大数据到底是如何运作的？

新年开工，李彦宏的内部信就在朋友圈中引发了一波刷屏。内部信中有一个点比较有意思，李彦宏说，“这样一个时代，是很明显的金融创新的新时代” ，这充分表明金融业务将是百度未来的四大方向之一。而他的一句“数据秒杀一切算法”，更是从侧面透露了以大数据为代表的人工智能技术将成为百度金融的必杀技。
金融创新很大一部分原因在于大数据和金融之间的结合。纵观BAT、京东、小米、万达、平安这些把触角伸到互联网金融领域的巨头，无一不是在大数据层面上有所布局。大数据和金融相结合，几乎已经成为金融领域的通用做法。
金融数据都像是煤矿，价值含量、挖掘成本更重要
谈数据必须先谈数据的完整度和价值含量。就像煤矿一样，大数据中的价值含量、挖掘成本比数量更为重要。非结构化数据，就像是有杂质的煤矿，无法直接使用。大数据还需要进行脱敏、提纯、结构化，才能变成可以被直接运用于商业层面的有价值的信息。
金融数据作为专业度要求更高的数据尤为如此。对于BAT三家而言，布局其实都比较完整。2015年年底的时候，阿里集团透露，在阿里数据平台事业部的服务器上，攒下了超过100PB已处理过的数据。
BAT三家公司，数据体积相差不会太多， 三家几乎都有LBS、交易、社交等一系列不同维度数据，只是能力有所区别。比如说，百度有地图、贴吧、糯米、外卖、Uber、携程、去哪儿；阿里有高德、微博、口碑、支付宝、飞猪、优酷等；而腾讯有微信、QQ、京东、新美大等。
三家数据核心优势可以如此简单划分——

百度：基于搜索而诞生的公共数据、需求数据。百度的优势在于数据最全面，数据样本比较复杂，数据的广度和多样性上比较强，拥有核心技术和数据矿山，而且是一座富矿；
阿里：基于淘宝天猫业务而诞生的电商数据、信用数据。阿里的核心业务在电子商务上，数据比较聚集，更容易做分析。这种数据类型的优势在于，更容易变现，挖掘出商业价值；
腾讯：基于微信、QQ诞生的社交数据、关系数据，以及游戏数据，相对较杂。不过，容易分析人们的生活和行为,从里面挖掘出商业、健康等领域的信息；
大数据领域有这样一种说法——所有的数据都是风险数据。而拍拍贷风险副总裁顾鸣博士之前提出过一个金字塔结构图。

在这张图中，征信数据位于金字塔的顶端。往下走是消费数据、运营商数据、社交数据、行为数据以及其他数据。越是靠近金字塔的顶部，大数据在风控领域的应用就会越直接，获取数据的难度随之增加，覆盖率当然会降低；相反，越是靠近金字塔的底部，大数据在风控方面的应用难度就越大，但是数据的数量和覆盖率都会变大。
把BAT三家套入这个金字塔结构中就会发现。阿里的数据离变现几乎只有一步之遥。阿里以电商-支付-信用为三级跳板，针对性很强，数据价值纯度高，金融数据的整合上做的也比较完善，缺点是覆盖面还是不够。不过，这些年来不断收购、入股优酷、微博、高德等一系列企业，阿里数据维度其实也在越来越丰富，也在不断往金字塔的底层下探。
腾讯有社交、行为数据，这些数据不能直接运用，但获取的信息会更丰富。而腾讯目前的大数据策略是先将产品补全，产品后台数据打通，形成稳定生态圈。本阶段先利用大数据挖掘改进自己的产品。后期有成熟的模式合适的产品，则利用自家的社交及关系数据时，开展对大数据的进一步挖掘。
虽说有人认为百度和腾讯很多数据是非结构化数据，在风控上的运用难度较大，很难直接商业化。不过，这些数据恰恰是金字塔最底层的数据。在普惠金融的环境下，互联网全域大数据带来的价值不可忽略。
特别是百度的数据最为全面、完善，覆盖面最广。互联网环境下，每个人都会在网上留下痕迹。因此，位于底层的互联网行为数据覆盖面最广，维度最多样，对破解我国数亿成年人尤其是草根群体的信用空白难题帮助最大。
表面上看这些数据大多数和金融无关，但如果挖掘得当，能够通过建立模型，给用户勾勒出比较准确的画像。让那些看似与风险不太相关的数据在互联网金融风控的场景中体现价值。事实上，百度自然语言识别和深度学习的技术上在三家中也是最强，可以做出基于7个维度28个行业，细分10万+个标签描述用户的属性，加上在数据算法上能力突出，优势非常明显。
值得注意的是，百度还结合更多外部数据，如运营商数据、政府部门公开数据、线上/线下交易数据等，一方面填补现有征信人群的空白，另一方面对业界已有数据进行有效补充，扩大征信范围。
四个角度告诉你，金融大数据到底用在了哪些地方
因为数据维度越丰富，对用户粗颗粒的画像就会越了解。某一个画像的用户到底喜欢什么，都可以一清二楚地了解到。企业也能够面对做很多有针对性的营销。
尤其是在金融领域，企业对大数据掌握越全面，所能涉及到的业务也会越丰富。BAT数据最丰富，在金融业务领域横亘支付、贷款、理财、保险、证券、银行、征信、基金、众筹等各个领域。而小米、京东、万达等企业因为体量、数据等相对而言优势不大，则会在这9个领域中缺失某些领域的布局。
BAT在9个领域的布局，其实都是以大数据为核心串联在一起的。无论是征信、风控、消费金融、财富管理都或多或少运用到了大数据。

1、大数据征信：在个人征信领域，目前是金融行业面临的最大问题。基于用户在互联网上的消费行为、社交行为、搜索行为等产生的海量数据，其价值并未被充分挖掘，个人征信在大数据的采集和信息挖掘上面仍有很大的想象空间。阿里的芝麻信用在其中算是最会玩的。芝麻信用几乎打通了用户的身份特质，行为偏好，人脉关系，信用历史，履约能力等各类信息。这恰恰是因为接入了电商、支付、社交等各类数据维度。
2、大数据风控：大数据风控目前应该是前沿技术在金融领域的最成熟应用，相对于智能投顾、区块链等还在初期的金融科技应用，大数据风控目前已经在业界逐步普及。目前，美国基本上都用三大征信局的信息，最传统的评分基本上都是用FICO来做的。各家平台会尝试着用机器学习、神经网络等大数据处理方法。
国内市场对于大数据风控的尝试还是比较积极。特别是大公司，可以将移动互联网的行为和贷款申请人联系到一起展开大数据风控。百度在风控层面上的进展还是比较突出，百度安全每天要处理数十亿网民搜索请求，保护数亿用户的终端安全，保护十万网站的安全，因此积累了大量的数据。
一个很具体的案例就是，通过海量互联网行为数据，比如监测相关设备ID在哪些借贷网站上进行注册、同一设备是否下载多个借贷App，可以实时发现多头贷款的征兆，把风险控制到最低。
3、大数据消费金融：消费金融对大数据的依赖是天然形成的。比如说消费贷、工薪贷、学生贷，这些消费型的金融贷款很依赖对用户的了解。所以必须对用户画像进行分析提炼，通过相关模型展开风险评估，并根据模型及数据从多维度为用户描绘一个立体化的画像。
百度金融的优势在于，通过基于大数据和人工智能技术为基础的合作商户管理平台，为合作商户提供涵盖营销和金融服务的全面管理方案，降低获客成本，解决细分行业的微小需求。一方面可以降低风险，另一方面也能提升金融的安全度。
在大数据消费金融的领域中，腾讯和阿里的优势很大程度上是在渠道层面上的。正如前文所说的，阿里以电商-支付-信用为三级跳板，针对性很强支付宝接入消费金融产品之后会有较强的渠道作用。而在去年12月，腾讯的“微粒贷”已经接入到了微信支付当中。在消费金融的发展速度上，腾讯速度也不差。
4、大数据财富管理：财富管理是近些年来在我国金融服务业中出现的一个新业务。主要为客户提供长期的投顾服务，实现客户资产的优化配置。这方面业务在传统金融机构中存在的比较多。不过因为技术能力不足，大数据财富管理在传统金融机构中相对弱势。
财富管理在互联网公司的业务中也非常流行。蚂蚁金服一开始最为简单的财富管理方式就是余额宝，后来逐渐演化成经过大数据计算智能推荐给用户的各种标准化的“宝宝”理财产品。百度金融相对来说更进一步，是依托“百度大脑”通过互联网人工智能、大数据分析等手段，精准识别和刻画用户，提供专业的“千人千面”的定制化财富管理服务。
金融大数据的孪生兄弟金融云是地基，未来更具看点
大数据和云计算永远都是相伴相随的一对孪生兄弟。金融大数据核心工作包括三方面，即获取数据、建立模型、模型在实践中优化、迭代。而对于金融大数据而言，金融云才是它的地基。
打个不恰当的比方，前文中说大数据是煤矿，而金融云其实就是矿井。矿井的安全行、可靠性决定了挖煤的效率和结果。
金融云把底层技术很多问题都解决了。大量金融模型都是金融云所引入的，如客户模型、产品模型、账务模型等。同时金融云关注金融本身的严谨性和周密性、安全性的考虑。
2016年7月，“腾讯云+未来”峰会上，腾讯云和腾讯金融云都已成为最重点部署的业务。同年9月，百度世界大会金融科技分论坛上，百度金融云正式向业界开放。据时任百度金融研发负责人沈抖表示，百度金融云将通过人工智能、安全防护、智能获客、大数据风控、IT系统、支付等六大技术能力给合作伙伴赋能。10月，阿里云栖大会上，阿里金融云负责人则是提出将会和生态合作伙伴、服务联盟为金融行业量身定制推出云增强服务。
大数据必须要跑在云端，而金融大数据更需要和业内其他企业展开数据、支付、业务等一系列的合作。金融云对可用性、安全性的要求严格，比如说对一个高度可控可信的云安全体系而言，基础环境安全、风控与审计、数据安全三者缺一不可。而金融云在未来的竞争中将发挥越来越重要的作用。
?

5. 大数据时代下的专业风控

大数据时代下的专业风控
日前，第十一届北京金博会在北京展览馆正式开幕，来自全国的百余家金融机构参与了此次展会。据了解，今年的金博会明显加重了对互联网金融的重视，一批优秀的互联网金融公司成为该次展会的亮点。互联网+金融似乎已经不再是新鲜事，但此次金博会的重视展现出互联网+金融的发展潜力。
　　
　　为此，记者联系到国内知名车贷P2P平台玖融网的负责人徐奔，共同探讨下大数据时代下的互联网风控能力。玖融网负责人徐奔是一位互联网行业资深人士，同时拥有多年的金融行业的从业经验。对产品设计、项目规划、整合营销、数据挖掘、团队运营有着独到的见解，熟悉掌握贷前、贷中、贷后及风控等一系列业务流程，曾带领的优秀借贷团队在运营经验中贷款逾期率低于1%，同时对互联网金融有着深刻的认知和敏感度，熟知优化整合网络和线下资源，并时刻关注互联网金融最新政策及动态。
　　
　　徐奔认为，在现在的所谓大数据的时代里，P2P行业的风控能力将是决定平台是否能活下去的主要因素。“大数据是网络发展到一定阶段后所产生的一种新手段，借助于大数据的特征，P2P行业在加强风控能力上大有可为。”徐奔认为，大数据技术的产生从技术层面增强了P2P行业的风控能力，互联网金融平台应抓住这次技术革新机会，加强风控管理。
　　例如由玖融网技术团队自主研发的EPR系统是一套线上线下的办公系统，主要涵盖业务流程管理、风控审核管理、专业的车辆评估与监控、人力资源管理、财务资源管理、信息资源管理等集成一体化的企业管理软件。通过对信息的集成与整合，形成一个高效的供应链系统，大大提高了工作效率，优化了企业的运行模式，达到资源效益最大化，进一步提升了企业的核心竞争力。通过大数据思维，提高了平台风险管控的能力。
　　记者了解到，今年8月联合信用发布的《玖融网网贷平台治理结构评价及产品风险评级报告》中将玖融网划为建议投资范畴，肯定了玖融网的风控能力。
　　“风控能力的提升比起注册送优惠更能留住投资者。”徐奔说到，抓住投资者对资金安全保障的需求，玖融网凭借着较好的风险管控能力在众多的互联网金融平台中脱颖而出。根据相关介绍，玖融网是一家专业车贷的P2P平台，其资产来源市场存量较大，单笔金额较小，资产的处置周期短。徐奔表示，目前二手车市场处于高频流动状态，车辆易变现，风险的可控程度高。玖融网通过多个GPS仪器对抵押车辆进行追踪，可掌握抵押车辆的具体动态，保障投资者的资金安全。其次，车贷相对信用贷款，车辆抵押物相较于其他抵押物属于“轻资产”，变现能力较强，车贷P2P的风险也能得到有效控制。
以上是小编为大家分享的关于大数据时代下的专业风控的相关内容，更多信息可以关注环球青藤分享更多干货