全民钱包开启分期消费新模式之二：风控篇

　　分期商城面对着庞大的客户群，不同的信用状况对风控体系提出了严峻考验;网络中还存在着大量黑产，他们擅长发现平台的风控漏洞，进行有组织的欺诈活动。因此，消费分期服务的核心就是解决复杂的风控难题。

　　全民钱包以大数据技术为基础构建风控系统，实现了全信贷生命周期管理，能够以科学的模型算法评估用户风险水平，进行合理授信，保障了分期贷款的安全性。

　　海量数据：夯实风控基础

　　数据是影响风控的重要因素。全民钱包以自身业务场景获取了超过900万用户有价值的数据，并与主流数据机构展开合作，大幅提升了风控效率和决策准确性。

　　通过数据对用户进行分析和分类，可以更深刻地理解用户需求和业务状况，并建立针对性的风控规则。用户数据维度多，有助于刻画出清晰、立体的用户画像，洞察用户的消费生命全周期，并判断用户金融需求的合理性;海量数据便于进行数据挖掘，了解有恶意欺诈目的的用户的行为特征，做出关联规则分析;对大样本数据的检查，容易纠正错误信息，完成数据清洗。

　　全民钱包也与30余家金融科技公司展开联合建模合作，经过经验、技术的互补，进一步提升了智能风控水平。

　　有效模型：提高风险评估准确性

　　信用风险评估能力决定了消费分期业务的成败。全民钱包依托大数据技术实现场景化服务和在线审核，凭借贷前、贷中和贷后的有效管理手段，协助金融机构高效地发放消费贷款，并控制信用违约风险。

　　全民钱包的风控系统首先会对用户数据信息进行整合，包括个人基本信息、网络行为数据、消费数据、信用信息、社交信息、第三方数据等。全民钱包以深度神经网络、遗传算法、多元线性回归、决策树和聚类算法等构建的模型，将分析数据并归纳出用户的特征向量，展现不同特征与违约概率的关系，接着对用户的资信状况进行评估，判断其还款能力和还款意愿，同时通过设备指纹、机器学习关系图谱等进行反欺诈，识别并切断弄虚作假的黑产链条。接着构建用户画像，将用户的行为属性进行标签化。

　　全民钱包的风控模型经过了充分实践，具备大量运营数据优势，这些数据推动了模型的快速修正和迭代，能够及时应对不断变化的欺诈行为，使模型实用性不断提升。

　　海量的数据源加上有效的风控模型，将为用户赋予更为合理的风险定价。全民钱包的风险定价机制将不同资信的用户进行精确分级，差异性定价让更多人能够获得金融服务，同时也降低了风险成本和资金成本，规避了平台的经营风险。

　　反哺营销：风控数据推动智能营销

　　风控和营销往往处于矛盾状态，风控过严会减少贷款人数，而贷款门槛过低会导致不良率飙升。

　　全民钱包在风控与营销之间做到了平衡，并且利用风控技术反哺营销，增强了获客能力。

　　在简化申请资料的情况下，全民钱包以人工智能模型对用户进行信用评分，精准判断用户的风险等级，对不同的风险实施不同的定价，同时化解欺诈问题，从而达到扩大用户群并降低信用风险的目的。

　　全民钱包利用完整的数据库对用户进行细分管理，将风控数据融入智能营销，根据用户需求和行为偏好定制营销策略，挖掘潜在客群，促进用户转化，以此推动营销成本下降并提升整体效益。