《中国消费金融创新报告》显示，当前我国消费金融市场规模已达约6万亿元，预计未来3年平均增速为20%，2020年消费信贷规模有望超过12万亿元。

消费金融兴起，伴随而来的信贷欺诈案件层出不穷。目前国内大数据征信制度尚未完全建立，众多消费金融从业机构及工作人员风控意识淡薄，风控机制缺失，消费金融领域欺诈成风，给银行、消费金融公司、小额贷款公司等造成了较大的损失。欺诈频繁发生，成为消费金融行业高不良率、高亏损的重要原因之一。

事实上，消费金融市场存在很多“套现者”，利用消费分期各环节中的漏洞——如贷款机构风控不严——进行诈骗。

当前整个互联网消费金融领域坏账率约在10%-15%，其中60%-70%的坏账就是由黑中介“创造”。多数消费金融平台的借款申请人里，10%-15%都由黑中介幕后操纵。

“分期公司鱼龙混杂，套路也不尽相同。”某分期平台稽核专员徐光（化名）称，现在套现中介有各种暗套，令人防不胜防，一两句说不清，普通人看到的只是冰山一角。

“提前消费”是个大趋势，一些人过度提前消费还不上贷款的同时，另一些人则钻了社会信用体系不健全、平台风控不到位的空子，干起了欺诈的勾当。在整个市场里，专业做欺诈的产业链从业人员可能超过10万。

之所以存在欺诈、存在套现，根本原因还是消费金融公司的风控不到位或者放贷太激。

对于消费金融市场的未来，风控必将成为左右未来消费金融发展的基石。

互联网的发展和大数据的崛起，有效地将征信数据范围做了很大的延伸，使得我们可以利用更多的非金融机构数据进行风险控制，这些数据可以更加全面地预测小额贷款的风险，这也是现如今大数据征信市场一片火热的主要原因之一。

互联网消费金融征信数据来源可以分为如下三部分：场景内数据、平台自身数据和外部征信数据。

申请贷款时，用户需要提供部分申请信息，如工作信息、学历信息、收入信息等，除此之外合作的平台或场景方也可提供部分信息，如贷款申请时的行为信息等，这些数据我们称之为场景内数据。

如果贷款平台较大较成熟，且有足够的数据积累，风控对外部征信数据的依赖就较小。但实际情况是，互金平台都比较小，场景内数据又有造假嫌疑以及出于用户体验的考虑，不会有太多，因此会较多依赖外部征信数据，这也是现在第三方征信数据市场火爆的原因。

那互联网消费金融的风险来源主要有哪些，如何防范这些风险呢?

互联网消费金融因其虚拟性，主要风险集中在两方面，一是欺诈风险，一是信用风险。

针对互联网消费金融风险主要表现在欺诈风险和信用风险，因此核心的风险评估流程就是反欺诈和信用评估。对于反欺诈来说，信息核实、高危人群拦截和批量识别是其核心风控手段。而对于信用风险的评估，说到底还是对其收入进行认定，也就是衡量其偿还能力。

互联网消费金融风控在流程上与传统风控一样，可分为贷前、贷中、贷后，但又有差异，因为业务的特点就是线上实时审批，也称之为“秒批”；贷前我们主要关注的是准入和授信两个环节，通俗地说就是贷前实时反欺诈和实时信用评估；贷中主要关注的是贷中异常的监控和贷中运营，比如好的客户我们要不断的进行调额；贷后主要关注的是催收，因为催收做得好，很多信用风险问题都可以解决。

大数据在风控中如何运用？

1、完善客户画像

客户画像就是对用户打标签，以表示不同属性的用户。例如打上性别标签、年龄标签、消费偏好标签。这点在电商行业已被广泛运用。

客户画像的原理是，通过样本数据学习不同标签用户的行为特征，再根据学习到的知识来将未知标签的用户进行分类。客户画像的应用面非常广泛。

该点可用于快速识别白名单和黑名单，给予其余中间层客户的详细评级分类;利用大数据提高自动核准率，在电商中常用于大幅提升运营效率，也用于精准营销。在互联网金融的风险控制上则可用于征信评级，反欺诈风险控制以及动态调整级别和监控(增收和降低坏账率)、快速放贷和提升金融服务水平。

2、促进快速放贷

目前银行的放贷速度很慢，其主要时间是浪费在信用审核和人力上。因此一个完善的用户信用模型在这里至关重要。

银行主要是在申请环节和中间环节进行监控。申请环节的审核包括入学年限审核、是否有稳定工作、身份证+电话+居住地是否一致，民事诉讼公开列表是否出现申请人姓名等。比如你是经常用3G还是wifi，电话打得多还是上网流量用的多，旅游去向，机票航班；党派身份，家庭成员等。孩子在两岁以下风险较高，五岁~20岁风险度降低， 20岁以上、30岁以上风险再次增高，且需尤其注意是否用父母身份证申办信用卡。

网上购物比较多的信用评级在B/C/D之间，网上支付少转账多尤为注意（可能为变相套现）这种都是D-。依赖4G网络评级在C\D，电话>上网评级在B\C，党派身份评级：民主党>共产党>无党派

其实对于传统银行抑或互联网金融，还有一个非常无奈的痛点，就是数据同步的问题。各个平台都拿着自己的数据，数据不互通，是导致用户画像不完善的主要原因，如果能够打通行内外数据，就可以有效甄别优劣质客户，在行业联防联控抵制老赖的基础上，有效分析发现优质客户，实现超短期放贷。打通数据孤岛，建立更加完善的征信体系。

3、反欺诈功能

风险管理的核心应用在反欺诈上，金融行业的反欺诈验证，主要有以下三点：

（1）网络申请信用卡收入过分或故意夸大

（2）网络申请信用卡姓名，手机号码和身份证的一致性的校验

（3）是否存在交易欺诈或逾期记录

第一点：可以通过分析用户的社保数据、运营商数据、网络行为数据(职业、收入等预测画像…)来进行规避。

第二点和第三点：实时分析数据进而监测潜在风险并预警，实时监控系统内的各类数据。

简言之，大数据反欺诈功能就是通过对大数据的采集和分析，找出欺诈者留下的蛛丝马迹，从而预防欺诈行为的发生。其现实意义在于提升坏人的欺诈成本，在欺诈行为发生之前就将其制止，进而净化诚信体系。

事实上，之于消费金融领域而言，大数据风控也扮演着一个助推者的角色。得益于互联网、大数据、AI等技术的成熟，加之国内消费群体消费意识的转变觉醒，才最终推动我国消费金融行业全面爆发。未来，消费金融平台，将更加倚重于对于风险的控制，只有做好平台风控，消费金融才能良性发展。

来源：金融咖啡社