通过大数据技术提升传统金融行业的整体运营效率，全方位的数据获取、积累，对用户进行全方位的画像，利用数据挖掘、机器学习等大数据相关的技术在精准营销、风险管控和运营优化得到全方位的升效，最终实现为用户提供安全、便捷的服务体验。从本质上实现数据驱动业务、技术改变金融。
“强”与“弱”的融合应用
金融的本质是风控。从大数据风控与传统风控来看，两者主要区别于风控模型数据输入维度和数据关联性分析的不同。“大数据风控很重要的一个特点是，除了使用传统风控数据，如年龄、收入、职业、学历等强金融相关数据外，还使用用户行为数据等弱金融相关数据。”李少伟表示，过去用户行为数据之所以未放到信用风险评估模型中，数据难获取是重要原因之一。而互联网及大数据等技术发展使得获取这些数据并能有效处理成为可能。
对于数据驱动型金融企业，通常自有完整大数据系统，以数据为支撑进行各环节分析决策，从而实现在精准营销、风险管控和运营优化得到全方位的升效，为用户提供安全、便捷的服务体验。
基于大数据技术，国美金融构建了一套完整的从数据收集、整理、报告到转化成行业洞见和决策建议的数据价值体系。效率上，国美金融的风控指标达1000以上，整个风控耗时10秒以内。大数据技术使得国美金融整个风控流程达到高度自动化与智能化，提高效率的同时，极大地降低了人工成本。
欺诈，如何定义“关系”更关键
反欺诈是风控中最重要的环节，而大数据的反欺诈难点在于如何把不同来源的数据整合在一起，并构建反欺诈引擎，从而有效地识别出欺诈案件。“常用的风控模型，是通过建立一个规则引擎或者机器学习模型来描述欺诈行为特征，从而将欺诈行为从正常操作中区别开来。”无论是规则引擎还是机器学习模型，都是从历史案例中发现发生金融风险时重复出现的个体行为模式。这在很多领域被证明为有效，然而在解决金融欺诈问题时却出现，金融欺诈模式不仅仅是重复出现在历史案例中的个体行为模式等情况。
对此，国美金融建立了自己的知识图谱。知识图谱能把不同个体按照其关系连接在一起，从而提供了从“关系”角度分析问题的能力。在反欺诈领域，如何定义‘关系’更为关键，‘关系’定义恰当，能有效减小图计算的复杂度和提高利用图算法进行反欺诈的效果，事半功倍，也是基石。
基于结合场景的大数据运营，国美金融可实现以用户为中心，用数据刻画用户；在基于用户生命周期和价值的运营，建立客户生命周期和价值，合理运用渠道、产品、权益和服务等资源，促进业务增长；在产品分析方面，在每个渠道商，为每个用户提供专属的产品、权益和服务，让用户拥有完美的一致体验，促进用户持续转化。
作者:李少伟 清华大学软件工程硕士 现就职于国美金融 ，任大数据中心总监 曾就职 于新浪微博 于新浪微博 于新浪微博 于新浪微博 于新浪微博 、奇虎 360 、搜狐 畅游等公司 畅游等公司 畅游等公司 畅游等公司 畅游等公司 ，曾任职数据挖掘工程师 任职数据挖掘工程师 任职数据挖掘工程师 任职数据挖掘工程师 任职数据挖掘工程师 任职数据挖掘工程师 任职数据挖掘工程师 任职数据挖掘工程师 任职数据挖掘工程师 、 数据科学家 、大数据中心总监等职位 从事数据挖掘 、机器学习 、大数据 平台 、基于大数据的风控体系构建等方向
联系客服
