“移动互联网+”大数据在互金风控中的一技之长
在 2017 年 1 月 16 日，某运营商发放的“贺岁红包”遭遇“羊毛党”哄抢。当日大量该运营商流量涌入黑市，导致其流量的黑市价格从早上的 25 元/G降至夜间的 13 元/G。此前在广州，更有一家新成立的互联网金融企业遭遇理财产品优惠券全数落入“羊毛党”手中的惨剧，最终企业因不堪资金压力而申请破产。
“羊毛党”和企业的促销优惠活动仿佛是光和影的关系，任何促销优惠活动都难以完全杜绝前者的参与。许多企业对于“羊毛党”的存在只能发出无奈的感叹：无区别地加强管控力度容易误伤正常用户，进而导致产品流量减少；管控力度过于松懈又会造成黑色产业链丛生，虚假用户泛滥的局面。
可怕的是，“羊毛党”只是黑色产业链中的初级参与者，更高阶的“金融骗子”往往会给企业带来不可挽回的损失。深陷其中的企业可谓一失足成千古恨，根本没有“亡羊补牢”的机会。
“亡羊补牢”不如“未雨绸缪”
基于现行的金融分业监管体制下，在风控和征信领域内目前市场上还没有哪一家企业拥有全面的履约和业务行为记录。企业们采用传统反欺诈方式也存在着诸多弊端。
黑白名单
黑白名单作为基本的防范措施一是存在一定的滞后性，二是界定标准通常较为粗放，并不能起到很好的杜绝作用。
防范机制
基于规则的防范机制也是金融企业的常用应对措施。问题在于企业采取的规则通常比较僵化，许多金融企业在规则的设置上没有对用户进行细分，容易导致“一管就死，一放则乱”的结果。
用户数据
即便是具有一定研发能力的金融企业，手头上单一行业的用户数据也难准确刻画出用户的立体画像，对用户风险的预判也容易出现偏颇。
这些问题导致企业的金融风险控制能力偏薄弱，在与专业欺诈团伙的周旋中容易陷入相对被动的局面。
基于大数据的反欺诈服务恰好可以成为金融行业现有风控体系的强力补充。依托跨行业、多维度的海量数据沉淀以及强大的数据挖掘、分析和预测能力，极光大数据在内的新一批大数据公司希望能在反金融欺诈领域贡献自己的力量，将欺诈行为扼杀在摇篮之中。
2
极光大数据服务为何可以“反欺诈”？
基于大数据的反欺诈机制最大的价值在于可以将更多方面影响因素纳入到业务风控领域。以极光大数据提供的反欺诈服务为例，这套体系可以从移动应用使用习惯、线下活动习惯、特定领域互联网+行为习惯等多个维度对用户的风险等级进行评估，进而为金融企业的借贷行为及产品决策提供建议。整个评估过程完全在极光自有的数据源中进行，金融企业甚至无需共享自身的敏感数据即可完成评估。那么大数据在其中扮演着怎样的角色呢？
通过全行业无差别服务积累了海量的数据，结合业务合作伙伴相关业务信息和其他输入，极光大数据建立了金融反欺诈服务平台。反欺诈服务质量好坏取决于风险识别模型的关键输入变量质量、种类和模型准确度方面。随着大数据技术和应用的发展，以及数据市场的逐步成熟，行业最重要的变化是把“从业务里面找规律”的思路扩展到“从内外部数据结合找规律”上面，从实际操作经验看，风险识别对象的外部行为数据可以显著提升大数据风控效果。
一方面，通过和金融领域合作伙伴合作，极光大数据利用机器学习和数据挖掘技术，将互联网+领域的用户行为分类总结得到了四大类独特的风险因子。面向不同的应用场景，极光大数据反欺诈系统可以通过模型自定义开发，使用不同的因子通过风险模型对用户的风险等级进行评定。
另一方面，极光大数据拥有极具特色的客户行为标签体系，可以作为企业风控模型的外部输入因子为企业提供外部数据服务。通过实际企业应用反馈，极光大数据从地理位置分析、特征行为分析等方面给企业提供了非常明显的价值。
最后，作为拥有自有数据源的大数据公司，极光通过为不断增加的合作伙伴提供反欺诈数据服务，并且和他们不断优化和提升行为特征因子的算法和模型水平，并且根据不同的业务场景，提供更多强大的数据服务，即可以满足企业对于外部数据的需求，又可以提升外部大数据应用水平。
通过极光大数据反欺诈系统提供的风险地图看板服务，我们可以看到目前极光大数据反欺诈服务已经覆盖了 3600万风险用户，分析了 3亿多个风险行为，识别出超过1700万 的 “羊毛党” 用户群。
极光大数据从移动互联网+的角度和行为特征角度，帮助企业实现风控领域的大数据资源和技术的应用，这是真正意义上的大数据反欺诈，相对于从业务本身来进行模型开发和预测的传统模式，拥有三大优势：
1、数据种类多，数据量大，帮助企业找到风险客户的多方面行为特征，有利于发掘关联性高的因子；
2、大数据引擎的挖掘和分析能力强大，机器学习技术可以实现评估模型自主学习和提升；
3、数据全、数据新，数据和评估标准横跨多个行业，企业能够实时监控评估结果，可与原有风控体系互为补充，发挥协防作用。