電商社交數據在大數據風控的應用實踐

隨著普惠金融業務的深入，以及消費金融業務競爭的白熱化，針對信用白戶的風控顯得尤為重要。如何面向信用白戶進行快速有效的信用評級，臥龍大數據根據自己的實踐經驗，就電商、社交數據在風控上的應用價值與大家進行一些分享。

電商社交數據的數據覆蓋度

臥龍和眾多不同類型金融機構進行了數據匹配測試，下圖為各類金融機構的互聯網行為數據整體匹配情況。

可以看出：

傳統的農商行主要面對線下人群，線上數據的匹配率很低，要利用電商社交數據做信用評估基本不可行，利用大數據引流獲客倒是一個值得關注的方向;

對于大型股份制銀行以及消費金融公司特別是網貸平臺，數據匹配率可以達到50%及以上，具有較大的大數據風控分析潛力。

電商社交數據的反欺詐應用

基于電商和社交數據，我們依照傳統的反欺詐和信用評估兩個方向進行分析體系構建，也得到了一些很有意思的分析結論：

(1) 電商數據反欺詐

總所周知，在某寶平臺，上至豪宅別墅下至鐵釘牙簽，尤其是各種線下服務，除了吸毒犯罪，幾乎沒有不能賣的，正是這種特性給了我們很大的分析空間。

下面是我們獲取到的一批典型案例：

根據我們對一批用戶的互聯網行為特征進行跟蹤，發現了一些很有趣的特征。建模分析過程如圖所示：

對于其中發現的一批關鍵詞，我們進行term weight分析，聚類如下圖所示所示：

經過對近十萬逾期和欺詐用戶的百萬條互聯網行為記錄進行分析，按關鍵詞不同可以分為三個客群：

1、老賴客群：

典型的諸如讓銀行頭疼的老賴、資產糾紛用戶會關聯到法律糾紛等關鍵詞;

2、多頭借貸：

這些用戶會關聯到新口子、套現、京東白條、螞蟻花唄、蘇寧金融等關鍵詞 ，通過薅羊毛的手法走各種新平臺，拆東墻補西墻;

3、黑產中介：

這些用戶則會關聯到周卡、零配件設備號等關鍵詞。從黑產中介的跟蹤情況看，當前黑產已經形成一條極度隱蔽而且設備高度自動化的產業鏈。

利用這批關鍵詞，結合業務知識以及機器學習算法挖掘，我們找到上千個異常關鍵詞，幾十萬量級的黑產商品，并通過商品關聯到百萬量級異常用戶。同時我們發現，某寶也在極力打壓黑產異常商品，我們分析的商品，部分在某寶上面會不定時消失，所以這批異常數據基本屬于臥龍所獨有。

這批數據通過分析發現很多并不在傳統的多頭借貸、網貸黑名單數據庫當中，可以作為黑名單庫的一個補充，同時在幾家合作公司測試也得到良好反饋。

(2)社交數據反欺詐

社交領域數據是另外一個比較有趣的話題，除了直接關注貸款類、涉黑類話題的用戶，我們通過圖數據庫、PageRank算法等社交分析工具找到一批刷單刷帖用戶。

具體過程如下：

這中間最有意思的就是號碼的重疊度，現有公布的的黑產名單與我們分析的社交刷單刷帖灰名單用戶有極大的重疊度，結論就是：物盡其用!實名制的普及帶來的是號碼資源稀缺，最大化價值利用是黑產平臺的主要特點，這也給我們基于大數據的反欺詐提供了線索。

電商社交數據在風控建模的應用

信用評估一直是金融領域的重中之重。在介紹臥龍電商和社交數據的信用評估領域應用時，先普及幾個基本知識。

(1) 模型評估維度

(2) 模型特征

業務經驗法的例子包括根據品牌商品占比、主動評論占比、用戶購物類目的分布占比情況等特征進行分析。一般購物類目分布越廣，說明這個用戶線上消費越強，刷單用戶的可能性也就越低。

機器學習法的經典案例就是使用PageRank計算微博用戶的影響力，一般PageRank值越大，影響力越高，用戶失信的可能性也就越小。另外比如使用標簽擴散法，通過黑名單庫計算相應的用戶灰名單概率權重特征。這些特征IV值(即Information Value，信息價值)一般都在0.1以上。下圖為PageRank分段值在大額借貸和小額借貸中違約率中的關系。

PageRank得分不是越高風險越小，還需要根據其貸款產品進行區分，大額貸款(5萬以上)，越是高分用戶，逾期違約可能性越大;小額貸款(5萬及以下)則剛好相反。

通過業務經驗以及機器學習方法，考慮購物品類的情況下，我們總共構造了3萬多個指標，下圖為我們篩選指標的一般流程：

下圖為特征在樣本中的空置率表現?？梢钥闯龊艽笠徊糠?a href='/map/tezheng/' style='color:#000;font-size:inherit;'>特征都有缺失，這是互聯網數據的一大特點，也是目前最大的挑戰。我們通過一定的閾值過濾掉部分特別稀疏的特征。

下圖為我們挑選的50個特征IV值分布情況。相比銀行信用卡等特征會偏弱一點(我們測試基于銀行信用卡流水構造的特征，通常IV值能到0.4左右)，但也是不可多得的良好特征變量。

在有效特征中數碼配件、手機配件、零食、男女內衣類目等類目特征IV值較高。這種不對外顯露的類目，能很好的區分一個人的消費水平。

(3)模型算法

傳統的評分卡一般采用邏輯回歸，因為這類模型可解釋性強，便于溝通交流以及上級部門的監管。但我們采用的是可解釋性雖然一般，但性能更強、效果更好的決策樹模型。

模型架構圖：

KS值：

通過電商以及社交數據，模型的KS值達到0.28，再加上傳統貸款的申請表里的用戶基本信息、資產信息授權信息，最終的建模KS效果達到0.36。

總結

1.電商社交數據適合線上行為活躍的群體，尤其是適合有場景用戶，比如3C數碼、醫美、教育等消費分期領域。對線上行為特別稀疏的傳統的線下人群，要利用電商社交數據做征信評估基本不可行。

2.特征不是越多越好，低值的特征多了反而降低模型整體的效果。并且特征越多，模型的可解釋性分析困難越大，所以優質特征的篩選必不可少。

3.電商和社交數據用來做信用評估建模的效果不錯，但是達不到直接使用的效果，因此電商和社交數據需要和其他數據配合使用，才能發揮最大的價值。

4.電商和社交數據在反欺詐領域的應用來得比信用評估更直接。臥龍識別出的異常購物記錄和敏感行為用戶壞賬率比正?？蛻粢?.7倍。