？壹、用戶信用畫像的構建
說到用戶信用畫像構建在整個風控體系中的作用，毫無疑問，不同的金融平臺可以根據自己的業務場景和能力，構建自己的用戶畫像。畢竟有些畫像的數據是沒有的，也很難從其他三方平臺獲取，所以構建要根據自己的業務場景和公司情況。
用戶信用畫像的構成體系包括但不限於以下幾點:用戶身份信息、婚戀社交數據、芝麻信用、用戶認證數據、消費收支數據、用戶行為數據、人民銀行征信報告、互助基金和銀行黑灰名單、設備相關數據等。
1.1用戶身份信息
這些信息的獲取在九大數據中相對容易獲得，包括用戶的三體或四體數據、住所、婚姻狀況、子女情況、工作單位、職位、房產、收入、聯系方式等數據。這些數據多用於放款前的信用評估和用戶平臺進入前的認證。
1.2婚戀社交數據
婚戀社交數據在整個信用體系中起到什麽作用？
其他數據類型可以顯示壹個人的信用水平、還款能力、消費水平、用戶行為等。，但人格品質評價略弱。壹個人的家庭責任、社交言語、人生規劃、社交圈等行為的數據，更能體現壹個主流人格品質範疇屬於什麽角色。
在婚戀社交情況中，有幾個數據尤為重要:家庭情況、房產情況、學歷、生活作息、戀愛規劃、戀愛賬戶水平、婚戀社交信用、社交網絡等等。
1.3芝麻信用
芝麻信用在現有的信用體系中也占有壹定的地位，很多涉及資金的信用認證都會將芝麻信用列為評價標準之壹。
主要包括信用評分、行業關註名單、應用欺詐評分、欺詐信息驗證、欺詐關註名單、企業信用評分。
1.4用戶認證數據
目前用戶認證數據有幾塊，公積金社保、運營商通訊、學歷數據(Xuexin.com)、專業數據(脈脈、獵聘、老板等專業招聘平臺的認證數據)。
1.5消費收支數據
消費數據是幾個數據中比較重的壹個，與個人經濟水平、還款能力、對消費行為的判斷有關。消費收支數據主要包括以下幾點:線上電商和線下消費、銀聯消費、銀行卡收支、航空旅行數據等。
1.6用戶行為數據
用戶行為數據可以將申請表填寫時間和貸款協議頁面停留時間作為參考數據之壹。
1.7 PBC信用報告
人民銀行征信的數據不用多說，是金融征信的重要依據之壹，包括用戶的貸款信息、信貸交易信息、個人公開信息等。
1.8互金和銀行黑灰名單
共同基金和銀行的黑灰名單可以作為風險控制中建立黑灰名單的重要依據。黑灰名單包括信用逾期名單、司法不良名單、多頭申請和多頭債務名單、團隊詐騙名單。
1.9設備相關數據
設備相關的數據有幾個維度，比如設備的指紋和面部識別，設備的硬件信息，GPS定位，設備安裝的APP數據。
第二，反欺詐服務
不同的金融應用場景有不同的業務流程和環節，需要設計不同的風險檢查環節和風險控制策略，構建場景、事件和規則驅動的欺詐風險判斷服務。通過靈活配置，滿足不同場景、不同業務環節的欺詐風險判斷能力。
金融應用:激活事件、註冊事件、登錄事件、認證事件、綁定卡事件、活動時間等場景；
借貸申請:註冊事件、登錄事件、綁定卡事件、充值事件、授信事件、提款事件等場景。
通過反欺詐模型、用戶行為分析、風險信息庫和反欺詐規則庫來確定客戶的信用。
2.1評估維度
(1)身份評估模塊
設備異常評估:設備綁定認證、設備相似性評估、跨機構設備註冊。
地理位置評估:GPS ip評估、陌生交易區域評估、跨區域跨機構評估、GPS定位與申請地址不符；
客戶環境異常:IOS越獄、安卓ROOT、公共WIFI、疑似特洛伊應用；
習慣相似度評估:案例習慣、閱讀時間、客戶輸入法行為；
客戶身份驗證:姓名、身份證、手機號、人體活體驗證。
(2)信用交易行為評價
交易行為:交易時間習慣、交易頻率、短線交易數量、交易金額；
(3)信用評估
欺詐信息數據庫:設備欺詐數據庫、IP欺詐數據庫、賬戶欺詐數據庫；
失信信息庫:信用逾期名單、不良司法名單、多頭申請多頭債務名單、團夥詐騙名單；
欺詐關聯圖:欺詐關聯圖。
2.2反欺詐戰略
(1)七大策略
(2)信貸的全過程
用戶註冊:三要素:認證、客戶端環境檢測、註冊設備是否關聯多個用戶；
登錄:異常設備登錄檢測、異常登錄位置檢測、異常登錄IP檢測、異常登錄人臉識別。
開戶綁定卡:四個要素:驗證、人臉識別、設備是否綁定多張銀行卡開戶、銀行卡是否涉及詐騙；
授信申請:欺詐名單、失信名單、多頭貸款申請名單、多頭逾期債務名單、關聯方欺詐名單對比；
信用的確認:虛假的信用效果和信用行為記錄；
取款:同卡監控。
第三，最後
本文是作者學習內容的壹些整合。最近壹直在研究風控的話題，感覺到了。有什麽好的建議可以在下面評論，互相討論。