顶级风控·工匠精神：信用卡授信决策如何利用网络行为数据
未来银行必争之地在消费金融，信用卡是银行获取消费金融资产的重要手段，未来通过资产证券化进行融资，通过表外融资还可以减少资本金压力。随着互联网及移动互联网的普及，跟信用卡相关的营销、风控、活动运营手段和方式都发生了很大的变化，互联网行为数据被逐步挖掘。
在发卡营销推广方面，线下地推（商超、加油站、写字楼扫楼等）继续开展，网络推广广告流量投放眼花了，各类互联网（BAT、网盟广告、微信广告）、互联网金融平台（挖财、51信用卡、信用卡之窗、银率网等）粉丝被精准导流转化。以挖财为例，在拥有你的记账、信用卡、投资理财行为数据情况下，可以给银行筛选出高质量的潜在客户。今年年初的时候中信银行跟阿里及腾讯合作的网络信用卡被叫停，但流量及会员推广转化继续深度合作。
银行信用卡中心之前主要依靠央行征信报告及电话核实来进行前期风险管理。央行征信主要拥有个人基本信息、工作信息、银行卡信息、信用卡信息、贷款信息、担保负债信息、社保及公积金缴纳信息、部分法院执行信息、征信查询记录等，对信用卡发卡风险决策确实有一定价值，各大银行信用卡长期严重依赖该评估维度。央行征信对无卡人士及信用数据过少的人群显得有些束手无策，信用本身是动态变化的，再则央行征信数据有滞后期，需要新的评估维度来迭代优化。2012年的时候我亲眼目睹中介私刻公章、代接电话顺利完成信用卡审批。
现在信用卡在评估反欺诈、工作稳定性、收入水平、信用历史、负债状况等维度的评估面临着新的挑战，2013年的中信银行信用卡中心做了新尝试，跟阿里及腾讯合作发行网络信用卡，同时尝试使用个人网络行为数据来进行风险决策，主要使用三个维度的行为数据：网络阅读数据、消费数据及自媒体分享数据，当然央行征信数据也是主要基础信用数据。通过这些网络行为数据来进行反欺诈、交叉验证、属性推理、负面信息采集，同时对客户进行风险画像。
通过对你阅读的文章信息的来源、主题、数量、时间、文章质量来推测你的性别、身份、职位、行业等信息。前期大数据公司先要采集大量样本进行机器学习、聚类分析，不断提高预测的准确性。
当下都成了手机控，通过微博、微信、各类空间即可分析个人状态。琐碎的自媒体信息包含大量的信息，性别、年龄区间、颜值、婚否、工作、压力状态、专注度、影响力、兴趣、性格聚类等。只要信息数量足够充分，个人画像将展露无余。看看自己的微信朋友圈就不难理解，正常的人不太可能三个维度都深藏不露。
通过以上三类基础数据，再加上央行征信，要顺利完成欺诈、隐瞒确实很难。银行如果更加深精细化运作，引进像同盾科技这样的大数据互联网反欺诈公司的风控维度，那就"天下无贼"了。多维度交叉验证估计电话审核都可以省掉了。像同盾这样专注于第三方互联网反欺诈的公司，拥有强大的黑名单库（手机、身份证、设备、IP、邮箱、公司等）及信贷同行共享数据库，在加上是P2P、互联网理财、电商、SNS、O2O、第三方支付、银行等机构联防联控，让欺诈类风险大大降低。总而言之，银行信用卡中心通过引进个人网络行为数据进行授信决策将是未来趋势。
点击“阅读原文”免费体验同盾服务