同百盾融大数据查询平台

同百盾融利用多个行业的数据资源,通过自身的核心的数据处理技术,对数据进行挖掘重组,能勾画出360度个人画像,由此可见,老赖并非毫无征兆,而让老赖无处遁形将成为可能。专家建议,互联网金融企业、特别是P2P及小贷公司应特别留意借贷人突出的行为特征,如惊人的设备关联数量、多个跨平台借贷等,及时查询调用大数据并观察分析。

贷前：机构内部，需要划分好各信贷产品的用户画像，准入条件，风控策略等，业务一开始，多由于无自身历史有效数据需要外接一些类似黑名单库、多头名单、用户信贷记录等其他成熟信贷机构分享出来的数据，拿来做最基础的判断。后续在产品借还周期有个1-3期后，就开始可以积累与自身产品强相关用户的借贷行为，并通过各种算法模型策略，结合内外部数据去看风控效果，然后觉得需不需要换风控数据接口，自身如何调整风控策略。由于这是个大篇章，这里只简单说说。

贷中：贷中一般强调已贷用户的资金使用用途是否正常，资质是否有变化，收入情况是否稳定等各种会影响客服后期正常还款的各种行为变化。但这个一般除少部分掌握用户出行数据、支付数据、实时信用数据的机构可以做得到，大部分信贷机构都无法做贷中监控，只能与这些少部分机构合作，但监控成本就自然上升。

贷后：贷后包括客户正常还款的复贷邀请及逾期还款催收两部分。复贷邀请主要通过历史行为找出按时还款的客户，并主动询问是否需要复贷。逾期催收，难点在于M+1/2/3…/9各逾期时间的催收成功率都不一样，因此催收公司也在这个细分专业领域有一定的存在价值。催收实力主要看几方面：1是失联修复的能力和命中率；2是催收话术和催收策略；3.客户心情

《老赖画像》部分数据(仅供参考):

从性别分布上看,借贷者的男女性别比例约为2:1,而老赖群体中,男女性别比例高达近4:1；

从年龄分布上看,19-28岁的年轻人是借贷的主力军,这也与同盾的客户中消费金融类借贷行为年轻化趋势相符。而34-53岁的中年群体在老赖中的占比高达一半以上,34-38岁的老赖绝对数量最高,44-53岁借贷时成为老赖的概率和风险更高；

普通借贷者一般一台设备关联一个身份证,而老赖在一台设备上关联的身份证数量则更多。普通借贷者一般一台设备关联一个手机号,而10%以上的老赖在一台设备关联的手机号数量甚至高达40个以上。同盾专家分析称,由于老赖从意愿上就存在风险,所以会通过关联更多手机号以实现赖账；

如果告诉你,大部分老赖在白天都比较正常,不正常的行为都集中在夜晚,你会怎么想?事实正是如此——大部分老赖偏好在工作日注册登陆,与普通借贷者无差异；但是,老赖在非正常时间段登陆的比例明显高于普通借贷者,夜猫子习性较强,其中63.2%的老赖喜欢在类似凌晨等非正常时间登陆；

普通借贷者一般仅在一个平台进行借贷,而老赖更爱跨平台、甚至跨多平台借贷,其中近两成老赖在金融行业贷款时跨3个及以上平台。同盾科技对于这一现象的解释是,老赖多有多头借贷行为,有不少是“拆东墙补西墙”,逾期和违约风险极高。

随着移动设备应用广泛,交易速度和频率的不断提高,风控及反欺诈难度也不断增加,而欺诈范围由原来多发生在金融行业,逐渐扩展到社交、娱乐、游戏、电商等多个领域。《老赖画像》指出,90%以上的普通借贷者跨平台贷款发生在消费金融行业,而老赖恰好相反,大部分跨平台贷款发生在非消费金融行业。

此外,P2P和小贷公司更容易被老赖盯上,数据显示,这两类金融企业已成为老赖重灾区:46%的老赖在P2P平台进行借贷,是普通借贷者的3倍；有借贷行为的老赖中,近40%曾在2个以上的P2P平台进行跨平台借贷,近10%在4个及以上平台跨平台借贷；另外一个比较容易让老赖盯上的机构是小贷公司,三分之一的老赖曾在小贷公司进行贷款,远远高于普通借贷者。业内人士分析,大数据孤岛等问题致使P2P平台和小贷公司更容易成为老赖资金的生存地。

传统金融机构有央行做信用数据汇总，各家银行可以调用，但是现在互联网金融机构恰好缺少央行这样一个相似的角色，而且同盾在信用记录汇总的基础上又往前迈了一步，直接为这些金融机构提供辅助决策服务。

风控行业机构集齐七颗数据类龙珠（个人四要素、资产数据、借贷数据、信用数据、支付数据、社交数据）时，就可以召唤一个神龙，满足你在互联网时代做全流程风控的愿望，当然如果你觉得做风控没意思，那就许愿做精准营销吧。

百家风控公司揭秘系列｜91征信公司及产品调研报告

百家风控公司揭秘系列2｜华道征信&亿美软通公司及产品调研报告

百家风控公司揭秘系列3｜京东系ZRobot公司及产品调研报告

百家风控公司揭秘系列4｜京东系聚信立公司及产品调研报告

从事大数据征信行业，你必须知道这些