大數據風控同傳統風控在本質上沒有區別，主要區別在于風控模型數據輸入的緯度和數據關聯性分析。商業銀行的智能風控解決方案大數據風控的優勢是顯而易見的，但打造大數據風控的能力卻并不容易，尤其對于傳統商業銀行來因為缺少互聯網基因，在零售信貸領域頻頻受到挑戰。

1、現在很多機構都說是智能風控、大數據風控，能否通俗的解釋下？

謝邀，大數據風控使普惠金融成為可能，傳統風控模式審批流程長，作業成本高，致使很多傳統金融機構沒有興趣服務小額借款人。而大數據風控全流程線上，能夠實現“小額大量”的快速作業，規模效應形成規模收益，大數據風控的應用使得金融機構降低壞賬率的同時，借款人的融資成本也大幅降低。真正實現了“普及”和“優惠”，大數據風控可以說就是為普惠金融而生的。

實操中，大數據風控就是以大數據風控建模的方式來審批借款，主要包括三方面。一是基本信息的判斷即判斷“你就是你”，而不是冒用別人身份的欺詐行為，在傳統風控模式下，判斷是否本人貸款主要靠“面簽”，借款人要到金融機構的網點，現場接受審核。在大數據風控模式下，活體識別技術的應用就解決了這個問題，對著手機張張嘴、眨眨眼，金融機構就能夠基本判斷借款用戶的身份真實性。

二是還款能力的判斷還款能力主要由收入水平決定，在傳統風控模式下，金融機構會要求你提供收入證明，甚至是銀行流水，但大數據風控有更多的維度可以進行更準確的判斷，例如電商背景的小貸公司在給C端客戶貸款時，會根據客戶的歷史購買行為來推斷用戶的收入水平，外賣平臺背景的小貸公司在給B端商戶貸款時會根據該商戶的外賣流水來推斷營業收入，

三是還款意愿的判斷在還款能力充足的情況下，還款意愿差一般包括欺詐和信用意識差這兩種情況。反欺詐工作主要基于白名單和黑名單，白名單就是“好人名單”，這個名單內的就可以批貸；黑名單就是“壞人”名單，這個名單內的就拒貸。黑白名單的確定主要依靠的就是評分卡，高于某個閾值就進白名單，低于某個閾值就進黑名單，而評分卡的有效性主要依靠的是大量的數據積累。

除此之外，各家金融機構由于數據來源的不同，在大數據風控具體建模方面，還應用了很多差異化的策略，例如通過獲取設備數據（一般是手機），來判斷用戶是否為批量操作借款，或者通過人工智能分析用戶的APP操作數據進而對用戶的欺詐風險進行評分等，商業銀行的智能風控解決方案大數據風控的優勢是顯而易見的，但打造大數據風控的能力卻并不容易，尤其對于傳統商業銀行來說，因為缺少互聯網基因，在零售信貸領域頻頻受到挑戰。

但挑戰也是機遇，在轉型零售銀行，創新金融服務的過程中，很多銀行選擇與數據科技公司合作，由成熟的智能風控方案供應商提供高效的解決方案，在大數據風控方面，京東數科以金融科技為驅動力，深度契合場景，提供全流程風控解決方案，專業風控團隊提供全面咨詢支持，覆蓋貸前反欺詐、貸前審核、貸中、貸后持續監控，AI催收等，為商業銀行金融場景輸出智能風控分析服務。

2、大數據風控用了什么模型？有效性如何？

大數據風控模型主要包括：反欺詐模型、二元好壞模型、資產包風控模型等，其有效性主要包括以下三個方面：1、有效提高審核的效率和有效性：引入大數據風控技術手段分析，通過多維度的信息分析、過濾、交叉驗證、匯總，可以形成一張全面的申請人數據畫像，輔助審核決策，可以提高審核的效率和有效性。2、有效降低信息的不對稱：引入大數據風控技術手段分析，通過多維度的信息分析、過濾、交叉驗證、匯總，可以形成一張全面的申請人數據畫像，輔助審核決策，可以提高審核的效率和有效性，

3、有效進行貸后檢測：通過大數據技術手段對貸款人進行多維度動態事件（如保險出險、頻繁多頭借貸、同類型平臺新增逾期等）分析，做到及時預警。大數據風控同傳統風控在本質上沒有區別，主要區別在于風控模型數據輸入的緯度和數據關聯性分析，據統計，目前銀行傳統的風控模型對市場上70%的客戶是有效的，但是對另外30%的用戶，其風控模型有效性將大打折扣。