根据号码查姓名 消金风控之同盾分

原标题：消金风控之同盾分

同盾已然是国内互金行业的独角兽，发展很快、接入的公司很多，所以今天想介绍下同盾。

一、宏观 1、央行信用分

2017年6月中国网民7.5亿；2015年9月央行征信系统有信贷记录的人为3.7亿，其中可形成个人征信报告信用评分的仅有2.75亿人。 也就是全国近10亿人是白户没有央行征信。

中国各类银行2千多家、小贷公司和担保公司各近1万家、持牌消费金融20多家、正常运营P2P平台2千多家。 在这样的信用报告分布下、促使客户流向分层；优质客户分流到银行的优质利率产品，小贷公司面对的是次级客户。小贷公司随之面对：如何构建覆盖面更广泛的信用分。

2、欺诈

美国征信体系完善、更关注的是还款能力，判断一个人到底能还多少钱、利率定多高、到底什么时候能还得上钱，如果还不上可能会走个人破产过程。

而在中国更关注的是还款意愿。担心还款意愿，是害怕申请人故意来骗贷。贷款业务是用利息冲抵坏账的业务。如果管控不好、骗贷用户（坏账）激增， 产品的财务模型迅速崩了、业务再做下去就好困难。

据资料，2016年全球网络黑产的交易量已超过74万亿中国GDP总量；国内欺诈团伙约160万个，每年欺诈链条设计的产值规模超千亿。 而2016年我国的消费信贷规模是22万亿。

二、同盾

同盾已然是国内互金行业的独角兽，今天主要是想介绍下同盾。

同盾在2015年成立以提供反欺诈服务切入，逐渐形成“反欺诈－信用建设－智能数据分析”的数据。

征信分不好打很重要的原因是数据散落在各机构中、数据孤岛；像侧重电商数据的芝麻分、侧重社交关系的腾讯分、侧重运营商数据的51信用分等。同盾宜反欺诈切入，能部分打破数据孤岛的情况、形成反欺诈层面的全网联防。

同盾在做这件事上有一些优势、是其他大电商平台很难做到的，优势：

系统完全自有，数据稳定；

只做风险，独立第三方，不做市场引流，不做信贷业务；

创新建模方法论，以传统建模为主；

负面客群识别效率高，补充负面信息，提高覆盖范围；

对于线上行为识别高效，拥有6~7亿的线上设备量。

同盾的应用已经很广泛。同盾已与合作的7000多家机构实融、电商、银行、保险、证券基金、理财、游戏、社交网络、社区等领域。其中，金融行业占比50%，包括招商银行、兴业银行、微粒贷、宜人贷、拍拍贷等。同盾单日API调用量过亿，调用总量已达230亿，日借贷调用量超500万。

据资料，同盾已监测到100万人的欺诈人群，占中国从事网络欺诈人群总数约160万的62.5%；在同盾的人工智能反欺诈模型中，被拒绝的10%的人群中有90%是欺诈分子。

三、同盾分

同盾贷前审核报告中，同盾分范围是0-100分。评分分三个档次，0-20低风险区，系统建议通过审核；20-80分，较大风险区，系统建议进行人工审核；80-100分，系统检测出高危风险，建议直接拒绝。

虽然通常80-100分区域的客户被称为网贷黑名单客户（网贷黑户），但很多网贷公司实践中已经把“黑户”标准减低到70分甚至60分，也就是说，如果某客户同盾分虽然不到80分，但是如果超过60分，实际上也是很难下款的。

同盾贷前审核报告主要包括三大部分：

扫描建议。包含：同盾评分及风险建议

基本信息。包含：客户姓名、号、手机号、归属地

贷前风险情况。是同盾报告的核心部分，包括5项核查内容：个人基本信息核查、风险信息扫描、多平台借贷申请检测、关联人信息扫描、客户行为检测

我们看下同盾贷前审核报告的例子：

四、贷前风险情况详细介绍

第三部分贷前风险情况是同盾报告的核心部分，包括5项核查内容，分别是个人基本信息核查、风险信息扫描、多平台借贷申请检测、关联人信息扫描、客户行为检测。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-70961-1.html