2017-【智能金融分会场】用户行为大数据助力金融风险管理_18页-19mb

报告摘要

文档总结

核心内容

本文档主要围绕行为大数据在金融风控领域的应用展开，重点介绍了如何通过分析用户的行为数据来提升金融业务（如信贷、理财等）的风险管理能力。文档结合了多种数据类型和分析方法，强调了行为数据在金融风控中的关键作用。

主要观点

行为大数据的作用：
- 行为大数据可以用于金融用户的风险管理，包括信贷审批、反欺诈、用户画像、用户分群等。
- 通过分析用户在手机APP、网银、直销银行等渠道的行为数据，能够更精准地评估用户的风险等级和信用状况。
数据的应用金字塔：
- 数据的价值取决于其深度和复杂性，越底层的数据（如设备数据）越难获取和分析，但其对风控的作用也越强。
- 数据应用分为多个层级，从基础数据（如设备信息）到高级行为分析（如交互模式、用户偏好等）。
行为数据的分类与应用：
- 健康健美类用户的行为数据可以用于识别其日常记录、目标训练和运动社交等行为特征。
- 金融标签的分析需要结合用户的行为数据，如消费习惯、借贷行为、理财偏好等，以更全面地了解用户风险。
行为数据应用场景：
- 动静有常：通过加速计、距离传感、指纹感应等设备数据，分析用户的日常行为模式。
- 时境变迁：分析用户在不同时间点的行为变化，以识别潜在的风险行为。
- 说短论长：通过用户在APP中的页面流和事件流，分析其行为路径和交互模式。
- 交互探索：利用设备流和交互数据，深入挖掘用户的行为特征和行为趋势。
- 知行合一：通过行为数据与金融产品的结合，实现精准营销和风险评估。
智能引擎与风控结合：
- TD数据智能引擎是一个关键的技术工具，能够整合内部数据（如用户画像、风控因子）和外部数据（如交易数据、渠道触点数据）。
- 智能引擎支持全周期风控管理，包括营销运营、贷前风控、贷中风控和贷后管理。

关键信息

数据类型：
- 设备数据：如加速计、距离传感、指纹感应、湿度计、姿态感应、环境光感应、重力感应、磁力计、陀螺仪、气压计等。
- 行为数据：包括页面流、事件流、设备流等，用于分析用户的交互行为和使用习惯。
- 金融数据：如消费贷、信用贷、信用卡、循环贷等，用于构建用户画像和评估信用风险。
金融标签与行为数据结合：
- 深度游戏人群：营销响应指数为1.51，风险指数为2.35，说明该类用户具有较高的营销敏感度和风险。
- 一般游戏人群：营销响应指数为1.06，风险指数为1.02，风险较低。
- 理财产品和借贷产品的用户行为数据可用于精准营销和风险评估。
技术实现：
- 使用大数据平台（如智能数据平台）整合内外部数据。
- 通过智能引擎进行数据建模和分析，支持智能决策和应景而变的风控策略。