大數(shù)據(jù)風(fēng)控可以提供全面的數(shù)據(jù)（數(shù)據(jù)的廣度），強相關(guān)數(shù)據(jù)（數(shù)據(jù)的深度），實效性數(shù)據(jù)（數(shù)據(jù)的鮮活度）。這些數(shù)據(jù)顆粒度可以很小，同內(nèi)部數(shù)據(jù)以及原有數(shù)據(jù)打通和整合之后，會影響風(fēng)險評估結(jié)果，提升信用風(fēng)險管理水平，客觀地反映用戶風(fēng)險水平。
信用風(fēng)險管理中還款意愿也較為重要，多維度、全量的用戶行為數(shù)據(jù)可以客觀揭示用戶的還款意愿，另外細(xì)小的顆粒度信息在打通之后，可以更加客觀了解客戶的還款能力。全量數(shù)據(jù)加用戶行為分析，可以充分了解客戶行為，幫助企業(yè)識別出惡意欺詐客戶。這些多緯度，細(xì)顆粒度，全面的信息正是大數(shù)分風(fēng)控的優(yōu)勢所在，同時也是傳統(tǒng)風(fēng)控的一個很好的補充。
大數(shù)據(jù)風(fēng)控的劣勢：
還是要強調(diào)一下，信用風(fēng)險評估最好的數(shù)據(jù)還是金融數(shù)據(jù)，就是人行征信系統(tǒng)里的數(shù)據(jù)，大數(shù)據(jù)風(fēng)控只是一個補充，不能夠完全替代傳統(tǒng)的信貸風(fēng)險管理。大數(shù)據(jù)風(fēng)控可以從數(shù)據(jù)緯度和分析角度提升傳統(tǒng)風(fēng)控水平，是一個必要的補充，可以讓傳統(tǒng)風(fēng)控更加科學(xué)嚴(yán)謹(jǐn)，但是不是取代傳統(tǒng)風(fēng)控的模型和數(shù)據(jù)。
大數(shù)據(jù)風(fēng)控也有缺點，例如數(shù)據(jù)的覆蓋率，匹配率，飽和度，鮮活度，查得率，以及相關(guān)度，甚至數(shù)據(jù)采集和使用涉及得隱私問題都是大數(shù)據(jù)風(fēng)控的缺點。就像大數(shù)據(jù)應(yīng)用本質(zhì)一樣，其只是提供輔助決策，數(shù)據(jù)可以說明一個問題，但是不能都代替人腦去做決定，當(dāng)利用數(shù)據(jù)分析出結(jié)果后，風(fēng)險管理決策還是需要風(fēng)險管理專家依靠其他的信息來決定。市場上大多數(shù)的征信公司和風(fēng)控公司都面臨這些問題，數(shù)據(jù)的匹配率很多都低于20%，有的做風(fēng)控的公司，其數(shù)據(jù)匹配率低于8%，無法進(jìn)行商用，吹牛的成分很大。
五、反欺詐成為信用風(fēng)險防范的主戰(zhàn)場
依據(jù)幾家互聯(lián)網(wǎng)金融公司的數(shù)據(jù)，在統(tǒng)計的信用風(fēng)險損失事件中，惡意欺詐占了60%的比例。惡意欺詐防控成了所有互聯(lián)網(wǎng)金融公司的主要風(fēng)險管理任務(wù)。市場上常用的防范惡意欺詐的方式有三種。
第一種是利用黑名單機制，來拒絕一些惡意欺詐人獲得貸款。但是道高一尺，魔高一丈，黑名單共享機制時效性越來越差，并且惡意欺詐的人頻繁使用其他人信息進(jìn)行欺詐，黑名單機制在一定程度上很難幫到金融企業(yè)預(yù)防欺詐。并且很多平臺不太愿意共享自己的黑名單，因為黑名單在一定程度反映貸款平臺風(fēng)控管理水平，過多的黑名單會影響平臺的聲譽，甚至影響平臺融資。另外黑名單覆蓋率較低也是一個挑戰(zhàn)，目前領(lǐng)先的反欺詐企業(yè)，其黑名單覆蓋率也不超過30%。
第二種是利用共享貸款數(shù)據(jù)機制，第三方企業(yè)或者大的P2P，防欺詐聯(lián)盟共享貸款平臺的貸款記錄。其他貸款平臺可以依據(jù)申請人在其他平臺的貸款記錄來決定是否提供貸款，降低欺詐風(fēng)險。這種方式效果比較好，但是對于最先受理惡意欺詐的貸款平臺是無效的，原因是沒有其他平臺的貸款記錄，無法識別出貸款者是否屬于惡意欺詐。
第三種是借助于平臺自己的風(fēng)控模型，依據(jù)壞種子歸納出來的規(guī)律，識別出惡意欺詐申請者。這種方式正在成為主流，其中基本采用信息驗證，特征匹配，行為分析等方式來識別出貸款用戶是否屬于惡意欺詐用戶。常見的方式有驗證用戶的工作地點，生活區(qū)域，查看手機應(yīng)用安裝，社交活動軌跡，設(shè)備聚集點，是否經(jīng)常換手機卡，是否刻意隱藏個人信息，是否短期內(nèi)故意暴露個人信息等方式。企業(yè)利用風(fēng)險評分卡來對用戶進(jìn)行評估，依據(jù)評分結(jié)果來決定是否貸款給客戶。
移動大數(shù)據(jù)可以幫助金融企業(yè)防范惡意欺詐，例如可以通過手機的位置信息來驗證申請人的居住地和工作地；依據(jù)App安裝列表來驗證用戶是否在活躍在多家借款平臺；依據(jù)數(shù)據(jù)識別用戶是否在幾天內(nèi)不停更換手機卡；依據(jù)手機App裝載和使用情況來辨識用戶是否安裝了很多惡意軟件例如密碼破解器，偽裝號碼軟件；客戶是否僅僅使用貸款軟件，沒有安裝常用軟件。借助于移動大數(shù)據(jù)和用戶行為信息，金融企業(yè)可以識別惡意欺詐用戶。國內(nèi)領(lǐng)先的移動大數(shù)據(jù)服務(wù)商TalkingData，正在為互聯(lián)網(wǎng)金融公司提供移動大數(shù)據(jù)來防范用戶的惡意欺詐，數(shù)據(jù)的查得率超過了50%左右，具有成熟的數(shù)據(jù)商業(yè)應(yīng)用場景。
六、Zest Finance如何利用大數(shù)據(jù)實施風(fēng)險控制
市場上最熱的大數(shù)據(jù)風(fēng)控公司就是美國的Zest Finance。其技術(shù)來源于Google，正在為15%左右的美國客戶提供信用評估服務(wù)，并且也服務(wù)很多傳統(tǒng)金融企業(yè)，共有400萬美國人直接通過Zest Finance申請信用評分，另外在銀行等金融機構(gòu)通過Zest Finance模型獲得信用背書的人數(shù)則遠(yuǎn)遠(yuǎn)大于該數(shù)。