注册 / 登录

互联网金融风控中的数据科学

分会场:  数据科学/人工智能/数据驱动

 

案例来源 :

案例讲师

王婷

宜人贷 数据科学家

王婷,中国矿业大学(北京)计算机博士毕业,已从事数据挖掘、大规模社交网络分析、社会计算等领域研究近5年,博士期间曾在清华大学计算机系数据库组访问学习并研究大规模社交网络中社区发现算法。现任宜人贷数据科学家,从事金融反欺诈模型建模工作,已成功申请2项反欺诈技术专利,搭建自动化个人信用风险分析系统,利用整合多种数据源和知识图谱技术帮助线上金融服务进行实时、快速、准确的风险识别与响应。

扫描二维码分享案例

所在软件研发中心介绍

宜人贷数据部

 

建议该分享案例适用范围:

预备知识:互联网金融基础知识 和 机器学习基础知识

 

为什么这个案例值得分享?

揭秘互联网金融中的风控技术和反欺诈技术

 

 

案例简述

 

互联网金融公司是怎样用大数据和机器学习来控制风险,降低个人或者渠道的欺诈风险,这里面所应用的数据科学有哪些?本次演讲将带你探索在大规模金融服务中的数据科学架构,深入探讨如何利用多维度数据、知识图谱、机器学习等技术来应对日益增多的欺诈手段,以及一些实际案例。
•互联网金融服务面临的欺诈风险
•大规模金融服务中的数据科学架构
知识图谱在金融反欺诈中的应用场景

 

案例目标

 

互联网金融服务行业在解决什么问题?面临怎样的风险?用什么样的技术手段来应对?
传统的反欺诈手段主要依赖于用户本人的资料和信息进行人工审核,而身份信息、银行流水等材料的伪造成本非常低,人工审核的成本日益增高,所以在这种形式下大数据反欺诈成为了互联网金融平台风险控制的新武器。

 

成功(或教训)要点

 

大数据反欺诈,就是通过对数据的采集和分析,来挖掘数据中的异常来识别欺诈事件。不仅仅从用户本人的信息的“点”出发,而且包含用户关联到的所有信息的“面”出发来交叉验证用户提供的信息的准确性和真实性,通过第三方信息验证,变相增加用户的伪造和欺诈成本,从而达到反欺诈的目的。
而知识图谱技术,所做的一件事情就是从海量脏乱的数据中提取有用的信息,并将分散的信息碎片聚合起来,以图谱的形式组织在一起,变成相对有参考信息和洞察力的知识,以辅助决策。所以,在丰富的数据的基础上搭建金融知识图谱,实现数据上从点到面的升级。以一个借款用户为例,借款人的身份证号、手机号、住址、工作单位等个人信息作为节点,借款人与亲属好友之间的关系作为边,收集在知识图谱中,通过图的形式连接,形成了借款人的画像,从而可以针对性的识别欺诈风险。

 

案例ROI分析

 

知识图谱通过对现有数据的再加工,通过各种数据挖掘、信息抽取和知识融合技术形成一个统一的全局知识库,将原本没有联系的数据连通,将离散的数据整合,从而提供更有价值的决策支持。金融知识图谱已经成为线上风控系统中的关键一环。

 

案例启示

 

大数据反欺诈,通过对数据的采集和分析,来挖掘数据中的异常来识别欺诈事件。通过第三方信息验证,变相增加用户的伪造和欺诈成本,从而达到反欺诈的目的。
在丰富的数据的基础上搭建金融知识图谱,可以针对性的识别欺诈风险。

 

案例在团队中的意义

 

揭秘互联网金融中的风控技术和反欺诈技术