前言

金融的核心是風控，即解決資訊不對稱的問題，對客戶信用風險評估；風控的核心是資料，尤其是現在量化風控模式下，風控資料尤為重要；當銀行、非銀機構自身資料不足以支撐量化風控的需求，即會尋求與第三方資料機構合作，接入資料，完善內部風控需求。

監管趨嚴（重點法規）、授權是前提，明確寫明授權機構、授權使用場景；避免接觸各類敏感資訊，可透過評分代替直接資料互動；確保合規化、多元化。

一、三方資料概述

1、簡介

資料廠商：百融、同盾、百度、阿里、騰訊、京東、銀聯、睿智科技（FICO）等；他們主要提供多頭借貸資料、黑名單、裝置指紋、信用評分等資料。

這些第三方資料大體可以劃分為以下幾類：身份核驗、名單類、行為類、信用評分類、客戶畫像類等。

2、資料型別

身份核驗類：透過驗證客戶申請資訊之間的關聯關係，來判斷客戶的風險。

姓名、年齡、性別、學歷、郵箱、地址、職業等；

身份證二要素、手機號三要素驗證、銀行卡四要素；

OCR認證、活體檢測；

名單類：

黑名單：

違約風險名單：信貸逾期、用途風險、不良客戶、長期拖欠客戶、重點催收客戶；

欺詐風險名單：惡意欺詐、垃圾賬號、資料虛假、疑似存在欺詐歷史、同行中介；

多頭風險名單：徵信多頭、機構多頭；

特殊名單：涉訴名單、法院被執行人名單、政府失信名單、限制高消費名單；

白名單：

徵信正常，無逾期歷史的優質貸款客戶；

特定公司、職業、收入客戶；

從未發生借貸記錄的客戶；

行為類：

徵信資料：

查詢記錄：查詢原因、查詢次數；

信貸記錄：未結清、未銷戶賬戶數；發生過逾期的賬戶數；發生過90天以上逾期的賬戶數：

公共記錄：欠稅記錄、民事判決記錄、強制執行記錄 、行政處罰記錄、電信欠費記錄；

逾期資料：

逾期金額、歷史逾期總次數、逾期未還款行為、最大逾期金額、最大逾期天數、逾期機構數、履約機構數、異常還款機構數；

多頭資料，包括多頭申請、多頭拒貸、多頭放款、多頭逾期、信用狀態/負債報告等；

信用評分類：

申請評分（A卡）：基於貸款客戶在多家金融機構信貸違約資料樣本，開發客戶還款能力的模型，評估申請人的信用風險；

行為評分（B卡）：利用貸款客戶的歷史資料和行為特徵等制定貸中行為評分模型，對客戶劃分風險等級；

催收評分（C卡）：利用貸款客戶入催後的還款及逾期行為等資料，開發貸後催收模型，評估入催客戶的風險等級；

欺詐評分（F卡）：將使用者各個維度的資料和特徵，與欺詐建立起關聯關係，並給出欺詐的機率；

聯合建模：為充分利用雙方資料，避免敏感資料輸出，開展聯合建模，提升模型區分度；

客戶畫像類：

人行徵信畫像：基於人行徵信報告的客戶畫像；

運營商畫像：三大運營商消費資料；

電商消費畫像：消費頻次、消費金額、消費產品、出行記錄等；

裝置畫像：裝置環境、裝置行為、裝置採集、裝置名單等；

3、主流供應商

百融、同盾、百行徵信、鵬元徵信、數美、冰鑑、睿智（fico）、白騎士、極光大資料、摩蠍；

百度、阿里、騰訊、京東；

三大運營商子公司、銀聯體系；

二、三方資料接入

對於信貸機構來說，當自有資料不足以滿足風控需求時，會引入外部的第三方資料來提升自己的風控水平。三方資料的接入主要包括：商務洽談（產品溝通）、資料評估、商務洽談（協議簽署）、資料接入等。

1、商務洽談（產品溝通）

由信貸機構的商務人員，根據業務需求尋求新的資料廠商和新的資料產品，同三方資料廠商建立溝通關係，瞭解三方資料公司背景、產品型別、簽署保密協議等；

2、資料評估

商務完成前期產品溝通及保密協議簽署後，開始三方風控資料的測試工作，驗證資料質量。

資料要求

資料合規：三方資料來源經過充分授權，符合國家相關法律法規；

資料真實：資料來源真實可靠，資料內容未經篡改或加工；

資訊準確：資料解析準確，避免出現亂碼、錯位、錯值、空值等資料錯誤；

持續穩定：資料穩定，避免出現引起業務停滯的重大服務中斷事故；

覆蓋完善：所供資料覆蓋範圍完整，資料完備程度高，可製成業務決策；

更新及時：資料返回時間、資料更新時間符合業務需求；

價格合理：資料收費模式合理；

評估指標：

查得率：測試樣本的查得樣本數佔總測試樣本的比例，如將10000條資料提供至廠商，返回9000條，查得率為90%；

混淆矩陣：

準確率：預測準確佔全部資料的比例，（TP+TN）/ （TP+TN+FP+FN）；

錯誤率：1-準確率；

查全率：所有實際為正例的資料中，被預測為正例的比例，TP/（TP+FN）；

查準率：所有被預測為正例的資料中，真正為正例的比例，TP/（TP+FP）；

IV值：三方資料提供的特徵變數對模型的重要性，IV>0。2為較高重要性；

psi：三方資料提供的特徵變數的穩定性，PSI<0。1，穩定性較好；

相關性：三方資料提供的特徵變數與樣本標籤的相關性，相關係數r>0。6，為高相關性；

3、商務洽談（正式合作協議簽署）

結合三方資料評估結果，確認需要接入的資料產品後，商務人員開始下一輪商務洽談，包括資料價格、合同期限、正式協議簽署等。

三、三方資料應用

1、貸前准入

身份資訊核查：基於運營商、OCR識別等驗證客戶身份；

借貸意向：識別貸款申請客戶的多平臺借款意向和借款行為；

惡意欺詐風險識別：多維度匹配，結合不良信用記錄及風險事件距今時長，甄別欺詐風險；

客群分層：基於特定客群在多家金融機構信貸違約資料樣本，開發信用風險模型；

入模變數：基於內部積累資料，提供入模變數，提高模型準確度、區分度；

2、貸中管理

行為評分：利用貸款客戶的歷史資料和行為特徵等制定貸中行為評分模型，對客戶劃分風險等級，實行不同的貸中風險管控措施；

還款能力評估：提供客戶收入、公積金類反應客戶收入的資料，對客戶的還款能力進行再次評估；

甄別高風險客戶：多頭借貸、高風險客戶名單，攔截高風險客戶；

客戶號碼狀態核查：判斷貸中存量客戶號碼狀態，給出相應的狀態標籤，及時發現風險；

3、貸後催收

催收評分：透過貸後行為評分模型準確地預測的還款機率，根據還款可能性對客戶進行分層，輔助貸後策略；

客戶資訊完善：在合法合規的情況下，完善客戶資訊，提升客戶可聯率；

未完，待續……