近年來，隨著網際網路金融的迅速壯大，各類類信貸產品的消費群體範圍日益擴大。無論是傳統金融機構，還是新興網際網路金融機構，都要面臨如何更高效的篩選客戶和預防欺詐行為的挑戰。這種需求也催生了巨大的金融反欺詐服務市場。
目前國內「金融反欺詐」的數據提供市場現狀如何？未來發展空間怎樣？應該如何推動該市場良性發展？ 圍繞上述問題，本報記者日前採訪了極光CEO羅偉東。
作為中國領先的移動大數據服務商，極光的大數據反欺詐服務已在業內享有較高知名度。同時，其作為一家2011年成立的創業公司，已順利完成3輪融資，投資機構中不乏IDG等大型投資機構。
記者：據您了解，目前國內「金融反欺詐」的數據提供市場現狀是怎樣的？
羅偉東：從業務開展模式來看，傳統的金融企業一般會採取「黑白名單」、基於規則的防範機制以及通過自有業務數據進行分析建模等傳統方式來做風控。但這些方式往往存在滯後性、機制僵化和數據不全面等弊病，導致金融風控只能做到一定程度的「未雨綢繆」，起不到真正的全面風險控制。而一些網際網路金融公司以網際網路思維來做網際網路金融業務，比如P2P、消費金融等，流量至上的原則往往會帶來風控的危機。缺乏多維度數據支持以及風控模型的迭代驗證，網際網路金融的風控步履維艱，行業壞帳率居高不下。
從數據源模式看，目前在金融反欺詐領域，傳統的數據提供方往往就是央行的徵信數據，銀行及企業的內部客戶數據，同時會對外採購一定範圍內的通信運營商的數據、機構數據等。這些數據往往在多樣性、實時性、完整性、準確性和真實性上存在比較大的問題。隨著移動網際網路時代的到來，企業會越來越重視移動端的用戶行為數據，因此，如何通過移動端用戶行為數據提高「金融反欺詐」服務能力是一個非常不錯的方向。我認為「金融反欺詐」的數據提供市場目前還不是特別成熟，部分數據源所提供的數據的價值還有待商榷。
從數據分析技術看，目前大家大多採用比較傳統的數據分析方法。目前大家常用的算法主要有隨機森林模型、決策樹模型、邏輯回歸模型、神經網絡模型、支持向量機、深度學習等模型。這些技術其實都很成熟了。我們知道數據和特徵比模型更重要，數據和特徵決定了機器學習的上限，而模型和算法只是逼近這個上限而已。
記者：大數據在「金融反欺詐」領域的未來發展空間如何？在推動這個市場良性發展方面，您有哪些建議？
羅偉東：就像前面提到的，近幾年網際網路金融爆發式發展，行業迅速膨脹的背後，是風險的急劇增長。除了傳統的信用風險，外部欺詐已經成為一個主要風險，甚至在一些P2P公司，惡意欺詐產生的損失佔整體壞帳的60%。傳統的風險預防機制無法應對這些挑戰，而基於移動數據的反欺詐產品則可以很好地解決這個問題。
基於大數據的反欺詐機制最大的價值在於可以將更多方面的影響因素納入到業務風控領域。以我們極光大數據提供的反欺詐服務為例，這套體系可以從移動應用使用習慣、線下活動習慣、特定領域「網際網路+」行為習慣等多個維度對用戶的風險等級進行評估，進而為金融企業的借貸行為及產品決策提供建議。
整個評估過程完全在極光自有的數據源中進行，金融企業甚至無需共享自身的敏感數據即可完成評估。因此我認為，隨著移動網際網路不斷深入人們的生活，利用大數據在金融行業進行反欺詐的市場前景將會非常廣闊。
和數據相關的行業的良性發展，首先就是要求數據本身的真實可靠和準確，同時數據的實時性和質量也非常重要。所以我們認為，企業要堅決抵制黑產數據，首先這些數據的合法性存在很大的問題，而從數據的準確和實時性上面也無法提供企業所需要的數據。
同時，我們建議企業要更加重視外部合法數據源價值挖掘的合作，從我們的經驗可以看到，外部數據尤其是移動網際網路行為特徵的應用方法其實還存在很大空間，外部數據在企業反欺詐方向的作用還可以進一步挖掘。
記者：極光大數據在「金融反欺詐」方面有哪些具體優勢？
羅偉東：極光大數據從移動「網際網路+」的角度和行為特徵角度，幫助企業實現風控領域的大數據資源和技術的應用，這是真正意義上的大數據反欺詐，相對於從業務本身來進行模型開發和預測的傳統模式，擁有四大優勢：
一是數據種類多，數據量大，幫助企業找到風險客戶的多方面行為特徵，有利於發掘關聯性高的因子。目前極光大數據反欺詐服務已經覆蓋了3600萬個風險用戶，分析了3億多個風險行為，識別出超過1700萬個 「羊毛黨」用戶群。二是極光大數據引擎的挖掘和分析能力強大，機器學習技術可以實現評估模型自主學習和提升。三是極光自身的數據全、數據新，數據和評估標準橫跨多個行業，企業能夠實時監控評估結果，可與原有風控體系互為補充，發揮協防作用。四是我們與很多金融機構及徵信機構都保持著良好的合作關係，在共同開發偵測模型、欺詐名單庫共享等領域密切合作。
記者：除了金融反欺詐，可否分享一下大數據對於整個金融行業有何巨大的意義？如何幫助金融企業和整個金融行業提升效率、解決問題呢？
羅偉東：現階段，隨著網際網路應用的日益深化，數據滲透到每一個行業和業務領域，並成為未來發展的「生產力」。大數據本身的意義就在於可以幫助行業解決一直以來都難以解決的問題並提升運營效率。除了提升金融風控水平之外，在很多領域大數據都能發揮作用。比如消費金融的ABS資產證券化，極光可以通過大數據幫助評級機構更好地建立有效模型對資產進行評級，也可以幫助投資人識別優質和劣質資產，從而有助於推進消費金融的資產證券化進程，降低整個行業的資金利用成本。
此外，在金融機構的精準營銷方面，潛在客戶識別、特徵客戶的定向服務等都可以利用大數據來提升運營效率，突破企業原有的天花板。比如，極光提供的綜合性營銷服務可以幫助企業優化自己的流量營銷策略，也可以充分利用PB級外部數據資源，幫助企業降低外部數據應用門檻，例如通過極光大數據的數據服務和線上線下融合平臺幫助金融企業比如銀行擴大信用卡消費的場景和活躍度。