魏旋-宜信大数据实时授信平台.pdf

宜信大数据实时授信平台传统批贷流程 上网学习攻略 准备申请材料 打印、复印、盖章等等 到柜台，提交各种证明材料 补交各种证明材料 等待若干工作日，通知结果与额度 To be or not to be瞬时贷 用户提交户个人信息 身份证号，联系人等 用户授权获取信用卡账单 最近4个月信用卡账单及明细 实时反馈额度 等待放款瞬时贷 用户体验 方便 手机上完成，无需任何线下材料 快速 实时授信 次日放款 充分互动 第一时间掌握额度瞬时贷 宜信体验 成本 人工成本几乎为0 低违约率大数据实时授信平台 分析客户的信用状况和欺诈风险，实时估计授信额度、检测欺诈风险，或者辅助非实时业务进行信用及欺诈估计FlumeCrawlerSqoopHDFSHBaseElasticSearchWebDBInfo ExtractKnowledge GraphRule EngineMachine Learning大数据的边界大数据的边界 个人或者商户隐私数据一定经过用户的授权 授权数据只用于宜信自己的业务 网络公开数据的边界以通用搜索引擎为参照架构授信模型 传统授信模型 作为人工的辅助手段 强特征 可解释 我们没有边界 一切数据皆为信用数据 维度无限制，强弱无限制 一切模型我们均可使用瞬时贷 数据 用户提交信息 详单信息也非常有用 通过姨搜获取用户的一切相关信息 用户的常用论坛，发帖记录 用户的消费水平 用户不良嗜好 用户地址房价高低瞬时贷 信用模型 数据特点 少数强特征 账单信息 非线性 大量弱特征 账单详单 互联网信息 非线性 模型 GLM(LR)挖掘海量弱特征 Random Forest 处理强特征 模型融合专家知识 规则引擎 专家根据对申请人群的了解，指定规则 用户是否有账单逾期未还？用户身份信息是否真实？可以解决很大一部分问题 冷启动 在产品上线前，没有分类标签 专家定义什么是坏客户，模型计算什么人看起来是好客户，但是很有可能变为坏客户 随着产品数据积累，不断更新模型反欺诈模型 起点 数据校验和黑名单库 利用所有数据进行校验 直接发现异常、欺诈或者疑似欺诈信息 生成安全问题，确认申请人身份建模总结 数据很重要 提取更多的特征 提取更多的样本 积弱为强，不要丢弃 Domain Knowledge 很重要 尽量理解数据 模型 AD领域，GLM(LR)几乎是唯一选择 但是可以有变种 数据依然重要 除了视频，我们都去研究 Domain Knowledge 更加重要 模型 复杂模型终于派上用场 随着认识的增加，迭代更合适的模型系统总结 没有一种单一的算法可以解决所有的问题 要通过工程将各种算法组合成强大的系统 单纯靠机器和单纯靠人都是不够的 充分发挥专家的先验知识和机器的计算能力 道高一尺，魔高一丈 监控，报警，更新，进化数据缺失 应对 数据充足的用户，率先享受便宜快捷的互联网服务 数据不足的用户，提供信用估计供其他产品线使用 未来 继续积累数据 加强行业合作Thanks