2018年中国大数据风控调研报告百度金融2018346页

2018年中国大数据风控调研报告联合发布爱分析百度金融金融科技赋能普惠金融与金融基础设施2•普惠金融主旋律•中国金融服务不均衡，促使国务院发布《推进普惠金融发展规划（2016—2020年）》，为社会各阶层和群体提供适当、有效的金融服务成为发展重心。但各类银行机构在客群下沉过程中，难以做到商业可持续，因此，通过大数据等科技手段提收增效成为金融机构核心诉求。•行业趋于合规•网络小贷专项整治、现金贷规范整顿、网贷暂行管理办法等一系列法律法规颁布，标志着监管套利空间消失。非持牌互联网金融公司必须积极寻求与持牌金融机构的深度合作，将积累的用户、经验以科技手段赋能金融机构。•金融基础设施建设•中国金融基础设施不健全，比如普惠金融信用信息体系、普惠金融统计体系等。新的数据获取、存储、交易、分析技术不断涌现，中国金融基础设施将完成越级式发展。2018年中国大数据风控调研报告3•金融科技最重要的是数据创新技术•从数据收集到数据应用的数据流中，涉及到大数据、AI、区块链、物联网等各项技术。我们定义金融大数据，是覆盖数据全部流程的新技术，而不仅仅是数据分析技术。•以互联网巨头百度为例，百度积累了数十亿搜索数据、百亿级的定位数据和图像视频数据，形成了一张170亿个顶点、680亿条边的关联网络，可以有效识别骗贷团伙。•大数据技术最为成熟，区块链技术尚处于早期•现阶段，大数据不论从技术还是场景应用上都最为成熟，AI技术在算法与业务场景结合上还存在提升空间。物联网技术应用环境较小，更多是作为线上数据的补充，区块链技术还处于早期阶段，技术本身还不够成熟，距离落地应用还需要一定时间。数据是金融科技的核心2018年中国大数据风控调研报告4•根据爱分析调研成果，大数据在各领域成熟度与市场规模、基础设施和应用范围直接相关。•从三方面评估，金融大数据和其他行业相比渗透更为深入，已经进入成熟期。业务监测业务洞察业务优化数据盈利业务重塑应用范围基础设施电子商务金融电信公安电力制造医疗餐饮农业教育能源政务金融大数据进入成熟期数据来源：爱分析气泡大小表示大数据在该行业的市场规模2018年中国大数据风控调研报告5•从基础设施看，金融领域基础设施好，信息化、数据标准化程度高•信息化是数据化的基础，只有积累大量业务数据才能进行大数据分析，金融是最早推行信息化建设的行业，也是电子化业务渗透率最高的领域。同时，国内银行等传统金融机构多数效仿国外的信息化建设方案，与医疗、工业相比，金融领域以结构化数据为主，数据标准化程度高，数据清洗相对容易。•从应用范围看，业务由数据驱动，应用范围广•即使传统金融机构，业务也基于IT系统，金融业务与IT紧密结合，完全由数据驱动。大数据会对金融机构的各项业务产生变革，在金融领域应用范围广，能够影响到核心业务。•从市场规模看，金融大数据市场规模大，金融机构每年IT投入高于其他行业•以银行为例，2017年中国银行业整体IT投资规模近千亿，占中国IT投入约5-10%。高IT投入，意味着金融机构在大数据业务的付费意愿更高，付费能力更强，金融大数据的市场空间更大。金融大数据进入成熟期数据来源：爱分析2018年中国大数据风控调研报告7•大数据覆盖信贷领域各个流程，重点是获客、身份验证和授信环节。•获客环节建立用户画像，跟踪用户完整生命周期；•身份验证环节，通过活体识别等技术解决申请人是否本人的问题，关联分析则是利用图关联技术，找出欺诈团伙；•授信环节汇聚多方数据源，通过建模进行风险定价，金融科技服务商输出信用评分给机构使用。金融大数据在信贷领域的应用2018年中国大数据风控调研报告8金融大数据在信贷领域的应用案例（一）：智能营销•基于海量多维数据构建全渠道智能化客户经营体系，真正做到智能营销2018年中国大数据风控调研报告9金融大数据在信贷领域的应用案例（二）：反欺诈2018年中国大数据风控调研报告•百度金融科技产品服务体系在反欺诈领域的应用，通过数据和技术甄别信贷领域的潜在风险10金融大数据在信贷领域的应用案例（三）：关联分析2018年中国大数据风控调研报告•依托图关联技术，帮助金融机构有效识别隐藏在网络中的黑产信息，在团伙欺诈、黑中介识别等领域广泛应用11金融大数据在信贷领域的应用案例（四）：风险定价2018年中国大数据风控调研报告•从数据收集到风险定价，构建基于场景的多维度风控系统12•大数据在理财领域的应用重点是营销获客和智能投顾•营销环节与信贷领域类似，通过建立用户画像实现精准营销；•智能投顾包含KYC和匹配环节，重点是分析用户风险偏好，同时将KYC与KYP结合，实现智能匹配；•未来，金融大数据将向理财的上游资产管理延伸，提升资管效率。金融大数据在理财领域的应用2018年中国大数据风控调研报告13金融大数据在理财领域的应用案例：智能匹配2018年中国大数据风控调研报告14•大数据改变保险领域产品理念，降低各环节人力投入•借助大数据技术，保险公司能够跟踪用户行为数据，产品设计更加关注用户全生命周期价值；•通过在各险种建立垂直知识图谱，能够缩短客服人员的培训周期，提高客服效率；•在核保核赔环节，可以利用图像识别等技术，用技术手段降低欺诈风险。金融大数据在保险领域的应用2018年中国大数据风控调研报告15金融大数据在保险领域的应用案例：智能理赔2018年中国大数据风控调研报告16•大数据在支付领域的核心应用是交易反欺诈•通过设备指纹、人脸识别、用户行为习惯等方面预先建立交易反欺诈引擎，并根据事后的反馈数据不断优化模型。金融大数据在支付领域的应用2018年中国大数据风控调研报告17金融大数据在支付领域的应用案例：交易反欺诈•基于大数据分析的风险监控系统，通过分析用户网上交易行为，快速侦测异常行为并作出反馈。2018年中国大数据风控调研报告19•对机构而言，大数据风控是金融机构的通用需求•不论是银行还是消费金融公司，金融机构普遍有风控需求，底层业务逻辑几乎完全相同，只是面对客群、风险偏好存在差异。•对机构而言，风控是金融机构核心能力•银行等传统机构本质上是风险经营。一方面，监管层对金融机构的风控能力提出很高要求，另一方面，风控直接会影响金融机构的利润水平。因此，大数据风控直接解决金融机构的核心需求，价值度最大。•对金融科技服务商而言，以风控切入的大数据公司未来发展空间更大•风控是金融机构的根基，因此金融机构会采取审慎态度选取大数据风控厂商，建立信任周期长，但合作紧密度更深。风控合作涉及用户全生命周期数据，风控厂商有机会借数据切入到其他应用场景，未来发展空间更大。•对金融科技服务商而言，大数据风控门槛高，综合能力要求高•与精准营销相比，大数据风控门槛更高，对厂商的要求不光是技术和数据，还需要对金融业务场景的深入理解。大数据风控综合价值最大，领跑应用领域2018年中国大数据风控调研报告20大数据风控发展历程：行业趋于合规2018年中国大数据风控调研报告21•大数据、AI技术的融合和优化，提升大数据风控效果•活体识别、OCR、声纹识别、虹膜识别等多种技术融合，提供更加全面的身份识别，降低欺诈风险的发生。•通过算法调优和计算能力提升，半监督学习等新技术正在应用到反欺诈等风控场景，降低对专家经验和数据的依赖。•区块链技术使数据共享成为可能，彻底解决数据孤岛问题•区块链解决了数据共享的信任问题，规定了数据使用的边界，保证了数据的一致性。通过区块链建立多方数据共享平台，解决数据孤岛问题，将降低金融机构获取数据的门槛与成本。•物联网提供线下数据，丰富数据维度•通过传感器等设备采集线下数据，如车联网数据，将丰富车险驾驶行为数据维度，从而实现风险定价。•建立金融云平台，毫秒级响应•通过金融云平台，金融机构可以处理PB级数据，同时应对百万流量，极大提高风控系统的响应速度。大数据风控技术趋势：新技术融合提升风控效果2018年中国大数据风控调研报告22•优质客群集中于大型金融机构•普惠金融市场集中度虽然分散，但由于TierI和II等大型金融机构占据客户资源优势、资金成本优势，必将在普惠金融领域处于绝对主导地位，是金融大数据公司最佳客群。•强监管时代到来，非持牌金融机构市场规模逐步萎缩，金融大数据客户总量在减少。同时，头部客户的市场份额进一步提升，争夺TierI和II客户是金融大数据公司重中之重。•由于数据匮乏，农村金融市场尚未崛起。一旦数据基础设施完善，农商行等金融机构将上升为TierIII甚至II级别客群。•需求深度从数据提升到分析•金融机构早期需求以数据为主，通过补充不同维度数据弥补风控缺陷。随着数据源市场集中度提升，TierI金融机构已经不满足于单纯的数据合作，对于联合建模的需求在不断加强。未来，大数据风控市场规模一半来自数据，另一半来自分析。大数据风控客群分析：优质客群是抢夺重点2018年中国大数据风控调研报告23•根据Burton-Taylor研究，2015年北美（含加拿大）Credit,Fraud,RiskandComplianceData/Analysis市场规模148.7亿美元•根据美国行业统计数据，2010年，三大征信局在美国征信市场占有率61.8%，2015年微升至63.5%。由此推断，美国整体征信市场规模约100亿美元•两组数据交叉验证，同时由于美国市场基本成熟，行业增速低，预测2017年大数据风控市场规模在100-120亿美元120亿美元2017年美国大数据风控市场规模140亿元2017年中国大数据风控市场规模•大数据风控市场规模的基础是居民消费贷款余额（不含住房贷款）：2017年Q3末，美国3.77万亿美元，中国9.1万亿元，美国与中国比例2.7：1•中国市场大数据风控所覆盖人群不及美国，同时大数据风控应用依然集中于信贷领域，其他领域应用尚不成熟•综合分析，2017年中国大数据风控市场规模约140亿元。大数据风控市场规模分析：2017年国内市场规模140亿2018年中国大数据风控调研报告24•从数据调取到评分卡+专家咨询•大数据风控公司目前以征信报告等数据输出为主，建模等分析能力输出为辅，因此收费方式以数据调取量为核心。随着金融机构第一方数据积累以及第三方数据源壁垒降低，输出数据分析能力将成为大数据风控公司更好的商业模式。因此，提供标准评分卡产品+数据科学家咨询能力，将成为新的商业模式。•效果付费是未来终极商业模式•数据驱动成为金融机构共识，搭建统一大数据平台，解决内部数据孤岛问题，是越来越多金融机构的发展方向。以风控切入的公司可以逐步成为整个数据平台的供应商，与金融机构一起开发更多基于数据的应用。•未来，具备流量优势的大数据风控厂商有机会帮助金融机构解决从获客到风控的全流程需求，实现按业务流量收费的终极商业模式。大数据风控商业模式分析：效果付费是未来终极商业模式2018年中国大数据风控调研报告25大数据风控市场格局：四类玩家竞争2018年中国大数据风控调研报告•中国市场，互联网巨头、产业类公司、创新型公司和IT类公司等四类玩家通过数据、技术、客户三个方面切入大数据风控领域。•美国市场的玩家则通过数据和技术两个方面切入大数据风控领域。26•安全法落地提升数据源市场集中度•网络安全法实施打击数据黑市交易，合规数据价值提高。•百行征信入场，降低数据获取门槛•百行征信，由行业协会主导的数据共享平台即将成立，有助于解决非央行征信覆盖人群的数据孤岛问题，降低了整个行业获取数据的门槛。互联网巨头和产业类公司原有业务中积累了大量高附加值数据，但百行征信入场后，数据源价值将被降低。•与央行征信中心具备行政命令权不同，百行征信属于互联网金融协会主导的市场化公司，在数据采集能力上存在一定不确定性，数据源领域依然存在变数。大数据风控市场集中度：百行征信入场提升数据源集中度2018年中国大数据风控调研报告•开源降低技术门槛，产品化趋势影响IT外包厂商，促使数据分析趋于集中•Tensorflow、Hadoop等开源技术，从基础设施层面降低大数据分析、机器学习算法的研发门槛，数据分析厂商很难靠单一技术建立门槛，必须与业务场景结合，数据分析市场的综合门槛反而在提高。•传统数据分析