2016年在互联网金融领域，金融科技（Fintech）成了最火最红的一个词。特别是在11月份的乌镇世界互联网大会上，有关互金融的会议议程中都已经不怎么提“互联网金融”这种说法，而是进化到了数字普惠金融和金融科技这些说法。

既然要做到数字、科技，必然需要依靠大数据来做金融。恰逢这些天借贷宝的“裸条”事件曝光，也暴露了在互联网金融行业里，不少企业的风控做得非常初级，甚至是简单粗暴。互联网金融让快速交易成为可能，不做好风控一定会造成巨大风险，而数字和科技恰恰是做好风控的核心。

做风控往往要一套风控模型，用来计算平台方能够承受什么风险等级的客户，将各种金融交易的市场风险控制在合理的范围内，使衍生品市场交易能够稳定运行，最可能减少波动。今天无论是蚂蚁金服、微众银行、百度金融、网易金融还是京东金融，虽然都是靠大数据做风控，但各家做法又有很多细节差别。

蚂蚁金服的CTU智能风控大脑

毫无疑问，蚂蚁金服在金融科技领域一直是领头羊的位置。蚂蚁金服最强的也就是大数据处理能力，其中有一套CTU智能风控大脑，这也是蚂蚁金服的工作核心。

所谓的CTU智能风控大脑，工作流程主要是分成这样几步——判断请求发起是否为帐户主人。CTU判断是否为账户住人主要通过是否是可信的行为、可信的位置、可信的设备以及可信的关系。如果这些纬度都可信，再去判断资金、个人隐私、相关数据有无风险。判断依据就是我们所熟知的支付宝、余额宝、招财宝、芝麻信用、网商银行等业务数据。

阿里在金融体系的数据很强，特别是因为淘宝、天猫这些电商平台上积累的电商数据更是对个人用户的消费能力有很大的洞悉能力。用户电商消费记录、旅游消费记录、以及加油消费记录都可以作为评估其信用的依据。有的互联网金融公司专门从事个人电商消费数据分析，只要客户授权其登陆电商网站，就可以借助于工具将客户历史消费数据全部抓取并进行汇总和评分。

芝麻信用的最大作用就在于此，再加上芝麻信用打通了微博之类的平台，社交数据也在逐渐补足。目前，蚂蚁金服的数据包括在线购物、与他人资金往来、还信用卡、资金理财、公用事业费缴纳、房屋租赁或买卖、跳槽情况、婚姻状态、社交关系等，从用户信用历史、行为偏好、履约能力、身份特质、人际关系等。

重要的是，蚂蚁金服的数据还在向传统金融机构开放，一方面通过传统金融机构获取数据，另一方面和传统金融机构合作，这种数据获取能力使其数据之强无出其右。当然，蚂蚁金服也有数据短版，前段时间的“支付鸨”事件可能也从侧面证明，蚂蚁金服想进一步挖掘社交数据，完善风控体系。

微众银行用6个模型找到坏客户

在微众银行看来，海量客户可以确保资产结构稳定。当做到上亿级用户时，信用风险就是可以接受的社会平均风险，微众银行要做的就是在社会平均风险下挑出“坏客户”，进一步降低风险。

坏客户的数据其实在征信公司手中都有。目前，市场上有近百家的公司从事个人征信相关工作，其主要的商业模式是反欺诈识别，灰名单识别，以及客户征信评分。反欺诈识别中，重要的一个参考就是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单，大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑名单仅在两百万左右。

腾讯不仅和征信公司合作，旗下的微众银行也通过6个模型找到“坏客户”——微信社交、QQ社交、财付通交易数据、人民银行资产负债与还款状况以及是否急需资金。总体来看，微众银行最大的优势在于腾讯的社交数据。一方面通过和微信结合推出了微信支付，和QQ结合推出了QQ钱包，用社交的方式带动金融；另一方面又通过社交数据以及用户在银行的资产数据来判定用户的信用情况。

不过，因为缺乏用户在衣食住行等电商、O2O、生活服务场景的数据，所以微众银行正通过加强与O2O平台合作的方式，来积累用户的消费数据，完善自家的数据风控体系。相比于蚂蚁金服，微众银行的数据优势还是在于社交体系中的强大数据积淀。

百度金融主动预警捕捉高危行为

互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示得更充分，信用评分就会更加客观，接近借款人实际风险。

百度金融主要是打通“人+手机+设备+IP”（如手机号、身份证号、设备号、网络账号等）等关联纬度，基于全网行为进行监测，捕捉高危行为特征，在贷前准入方面就开始排查风险，进行反欺诈识别，生产黑名单，对借款人的行为进行预测。在贷款后，也会对借款人贷后行为进行跟踪和监测，只要触发预警规则，也会激发提醒。

百度金融的这种做法的逻辑和微众银行其实非常相似，思路都是找到“坏客户”，然后降低平均风险。除此之外，百度金融此前还和中信银行合作成立“百信银行”，合作开发金融产品。实际上，这种做法一方面是为了获取渠道，另一方面，也是双方互相补足征信数据的一种做法。此外，百度旗下的O2O业务也能为其数据积累奠定一定的基础。

在金融业务和风险控制这两方面，金融机构有天然的优势。金融是一个强监管和门槛较高的行业，金融机构多年积累的风险甄别能力，以及对金融的理解和产品的设计能力，这些是很难被互联网公司所取代的。百度金融和中信银行之间的关系是百度的壁垒所在。

网易金融构建北斗七大风控模型

相比于蚂蚁金服是靠大而全的数据构建的风控体系以及微众银行、百度金融的滤网型风控体系，网易金融更注重全流程构建风控体系，并在关键节点上进行风险控制。

网易北斗是网易金融构建的智能风控平台，其风控流程和其他平台一样，都分成了贷前、贷中、贷后这三个部分，但是网易北斗把贷前、贷中、贷后分得更为细致——网易北斗在贷前做了获客引流模型、反欺诈型模型以及风控授信模型，先构建了筛选机制。在贷中又做了信贷管理模型，确定放贷的金额以及调查还贷能力等。在贷后还有风险预警模型、云催收模型和用户增值模型，一方面可以防止出现坏账的情况，另一方面也是在判断用户未来的业务合作以及增值空间，为后续的二次贷款做好准备。

网易金融不仅做好自家平台的风控体系，并通过和银行、传统金融机构合作赋能的方式释放自己的大数据风控能力。一方面是做了魔镜精准营销服务平台这个大数据一站式精准智能营销系统，帮助传统金融机构获客及精准营销。另外一方面也是通过网易七鱼这个全智能云客服专家系统，帮助传统金融机构解决各项问题，让银行提升审批效率和降低成本。在获客和解决问题的同时，实际上网易金融的 学习系统也在不断提升，并且未来很可能可以与这些金融机构有更多在数据方面的合作。

虽然说网易金融在大数据风控方面的能力和蚂蚁金服有一些差异，但是在今年9月，清华大学在和网易金融建立金融科技中心的基础上，和蚂蚁金服也签署了合作协议，网易金融事实上和蚂蚁金服在风控层面上有一些数据合作。这对于双方的大数据积累、风控能力提升都有一定的帮助作用。

除此之外，魔镜精准营销服务平台以及网易七鱼这样的云客服专家系统也是体现了网易金融在智能风控领域注重实用性的一面。也难怪今年乌镇世界互联网大会上，丁老板对媒体说，“我们肯定在这些方面（人工智能）是遥遥领先的！”

京东金融一手靠消费一手靠合作

京东做风控主要是靠消费金融来驱动，通过京东商城庞大的交易数据为基础，覆盖了物流、用户等京东生态体系内的所有有效数据，不断构建大数据基础以及风控系统。

2015年6月份，京东还投资了美国互联网金融公司ZestFinance，且成立名为JD-ZestFinanceGaia的合资公司，以将后者的信用模型应用于京东的消费金融体系和风控模型。京东在国内的合资风控公司也即将开业，参股公司还包括数据银行聚合数据、个人信贷风控公司聚信立。做这一系列的布局，其实也表明，京东在通过这种合作的方式不断完善自家数据。

在京东生态圈之外，京东金融通过各种合作、投资模式，获取到更多的生态数据。比如说京东金融投资了不少 租赁平台，切到 后市场。另外，京东也和百安居之类家装平台进行合作。京东一方面是在支付、供应链、产品众筹等领域和合作伙伴展开合作，另外一方面也是不断通过合作、投资的方式不断拓展到生态体系外的其他场景之中，不断丰富自家的数据。

按照京东的数据统计来看，投资+合作这两种方式已经让其覆盖了教育、租房、装修、旅游、 等众多消费场景，囊括了近 2000家京东商城的供应商。这对于京东风控能力的提升会有较大帮助。

写在最后

2016年互金行业进入以金融科技为潮流的转型期，技术逐步成为平台的核心竞争力，拥有强技术和数据优势的平台将在行业竞争中脱颖而出。从国内主流互金玩家的整体来看，目前各家都处于信用数据的收集期和积累期，采用用户社会行为和社会属性数据，在一定程度上补充了传统风控数据维度不足的缺点，能够更加全面识别出欺诈客户，评价客户的风险水平。随着BAT、网易、京东等玩家的持续深入，国内互金环境也将不断改善。