伴隨著雲計算、物聯網以及社交網絡等新興服務的興起促使人類社會的數據種類和規模正以前所未有的速度增長，大數據時代應運而生。而金融自產生以來就具備開展大數據研究與應用的先天條件。它們將自身擁有的大數據資源與互聯網金融相結合產生非結構化數據，結合雲計算等信息化方式，挖掘客戶全方位信息，從而選擇相對優質企業放貸以降低風險。
大數據時代下，商業銀行需要積極樹立“大數據”的信貸思維，充分運用大數據信貸技術積極開展信貸反欺詐的具體實踐，提升信貸經營管理水平和信貸風險駕馭能力。從大數據視角分析，互聯網對傳統信貸模式帶來了前所未有的衝擊和挑戰，但同時也為信貸風險管理的創新帶來了一股新鮮的“空氣”，為金融機構帶來了更多解決信貸欺詐問題的新思路、新方法和新工具。從風控角度講，大數據為風險管理提供支持，降低了違約成本。
傳統的銀行信用風險管理方法對於個人和小微企業的評估能力正逐步下降，問題的關鍵就是缺乏足夠的數據。初次貸款或有過信用汙點的個人很難提供更多的數據供銀行判斷其還款意願和能力，小微企業在初創期也很難證明其信用度。大數據的一個重要特徵就是數據類型多元化（Variety），目前，Facebook、微博、微信、視頻和音頻等非結構化數據已經應用於個人信貸的風險評估。如美國ZestFinance公司專門針對無法提供信用證明的人，通過互聯網上大量的個人碎片化信息和ZestFinance風險評估模型重組個人信用視圖。該公司目前首次還貸違約率低於競爭者，投資回報率達到150%，其背後依託的是強大的大數據挖掘能力。
01
基於大數據視角的信貸反欺詐基本邏輯
1
宏觀思考：大數據視角下的銀行業機遇與挑戰
隨著網絡化信息在快速的發展，企業數據在逐漸地增多，在網絡日誌、社交媒體以及遍佈各地的傳感器網絡等迎來了大數據時代的到來。在大數據的分析過程中各行各業的競爭發展在不斷變革。大數據時代的到來，為銀行業發展既帶來了機遇，也充滿了挑戰。
在銀行業發展的機遇中大數據分析的挖掘是重要的組成部分。在大數據處理中能夠不斷地提高銀行經營決策，通過數據的挖掘來給銀行業帶來發展和引領行業的基於，在數據分析中挖掘大量的客戶，通過“數據的收集能力+數據的分析能力=企業的智商”，來為銀行業尋求更加良好的發展趨勢。
在大數據視角下，銀行業需要構建銀行大數據分析平臺，由於在銀行業的發展中，傳統的商業智能、數據倉庫在數據處理中出現了大量的結構化以及非結構的數據，這些數據沒有固定的模式，並且數據價值的密集程度比價高，這就影響了銀行的決策效果，因此為了提高銀行的創新能力、提高數據精細化以及專業化的模式，這就需要將這種挑戰實施相應的對策。銀行業面臨的挑戰還有培養大數據分析人才。
由於信息時代的衝擊,數據已經成為商業以及企業挖掘的重要手段，在複雜的數據中，目前來說大數據分析的方式有：基於假設的模型，來關注這高價值數據，促進數據效率的提升；另一種是機器學習的模型，然而在這種數據形式中需要分析人員具有較高的業務理解能力，並且能夠快速地建立數據模型，及時地瞭解數據市場的動態，這些有助於銀行業能夠快速地把握市場環境的變化，最終提升銀行機構的競爭能力。
2
邏輯起點：銀行需要直面信貸欺詐風險問題
信貸邏輯的一個顯著特點，就是直面信貸業務的各類問題，以問題意識來解決現實問題。商業銀行開展信貸反欺詐的主要目的，是非常明確的，就是為了防禦信貸欺詐風險。根據我國刑法第193條規定，信貸欺詐是指以非法佔有為目的，通過以下方式詐騙金融機構融資：
編造引進資金、項目等虛假理由；
使用虛假經濟合同；
使用虛假證明文件；
使用虛假產權證明作擔保或者超出抵押物價值重複擔保；
使用貸款進行違法犯罪活動；
假冒他人名義申請貸款等。
信貸欺詐風險，涉及信用風險、操作風險、道德風險，往往引發巨大信用和聲譽損失，對該風險的識別與防控也歷來得到西方金融機構的高度重視。
目前信貸欺詐風險呈現出三方面的特點：
一是個人和民營企業是信貸欺詐風險防控的外部重點對象。從已有風險事件或案件情況看，借款人均為個人或民營企業。
二是批發貿易企業及貿易融資業務是信貸欺詐風險多發領域。該類企業具有經營門檻低、資金監控難等特點，易於虛構貿易背景、騙取銀行融資。
三是信貸前臺部門人員是銀行信貸欺詐風險防控的內部重點對象。
信貸欺詐的發生與在信貸業務辦理中未認真調查（審查）申請人有關文件、資信狀況或與借款人串通造假等行為密切相關，主要涉及支行信貸客戶經理、支行貸款審查審批負責人。
1
剖析信貸欺詐風險的主要風險來源
信貸欺詐風險的外部因素分析。
一是受社會信用體系建設、公民道德誠信水平等因素影響，包括我國在內的新興市場國家的信用環境還不成熟，信貸欺詐行為還處於多發階段。
二是當前我國經濟增速放緩、流動性趨緊，部分個人或企業，實施信貸欺詐的資金壓力與動機明顯增強。三是科技發展也為假單證、假印鑑、假合同等提供了以假亂真的手段，欺詐手段多樣化、智能化傾向明顯。
信貸欺詐風險的內部因素分析。
一是信貸人員操作不規範。由於未能嚴格按要求盡職調查、審查、貸後管理、作業監督，給外部欺詐以可乘之機。個別人員甚至與外部人員串通勾結，套取銀行融資。
二是信貸系統存在漏洞。信貸系統對流程以及權限缺乏必要的控制，出現超授權、超授信、超過抵（質）押率控制等情況發生，未能約束重複融資、騙取融資行為發生。
三是欺詐風險識別與防範滯後。目前國內銀行信貸業務欺詐風險管理，仍然以案件管理為主，多事後跟蹤、處罰，事前識別、監控相對不足。
2
企業信貸欺詐風險的主要類型與表現
第一類信貸欺詐風險，是虛假融資主體，主要體現為兩種情形：
第一、虛假證照。這種情況包括虛假營業執照、身份證明、工作證明以及收入證明等。如新開業企業，為規避銀行對借款人經營實體經營期一年以上的信貸標準，在個人經營性貸款申請中使用虛假營業執照。
第二、虛假出資。這種情況是指公司股東未交付應當交付的出資額，完成驗資手續後將出資或增資轉移、挪作他用。在項目建設領域，表現為借款人的股東不具備出資能力、資本金未用於項目建設或以非權益性資金充當項目資本金等。
第二類信貸欺詐風險，是虛假交易背景。虛假交易背景往往有以下特點：交易雙方財務科目間（如應收賬款、應付賬款等）勾稽關係與交易背景不符；缺乏歷史交易往來記錄或不能從交易對手得到確認或驗證；交易雙方存在逆上下游關係的大額交易；交易雙方存在關聯關係等。
虛假交易背景遊戲分為三種情況：
第一、虛假髮票，指偽造、變造納稅發票，或先開具發票辦理，在過程中或放款後予以註銷（如通過納稅服務熱線查詢發現前期提供的增值稅發票已處於作廢狀態）。
第二、虛假合同，指採用無真實貿易背景的購銷合同虛構資金需求以套取銀行融資，或通過偽造、變造購銷合同粉飾經營績效。
第三、虛假單據，指偽造或變造倉單、提單、物流憑證或應收賬款確認書等，套取銀行融資。
第三類信貸欺詐風險，是虛增流水。
虛增流水是指借款人為滿足銀行貸款條件而提供偽造的銀行對賬單流水，或通過關聯企業和關聯賬戶虛構交易結算記錄形成的流水。該類欺詐多見於小企業信貸業務。流水是核定小企業信用等級、授信額度的重要依據，基於虛增流水的融資行為易導致過度融資、風險放大。主要表現為：賬戶流水貸前異常大幅增長、貸後迅速回落；借款人無實際交易背景情況下結算賬戶當日大額轉進當日轉出，基本無留存；結算賬戶貸方發生額髮生筆數少且金額較大，借款人提供與經營無關的個人賬戶流水充抵經營回款等。
第四類信貸欺詐風險，是虛假用途。虛假用途是指借款人未將貸款用於借款合同中約定的融資用途，挪作他用的行為。表現形式包括：超出自身資金需求申請融資（如超過實際營運資金需求申請流動資金貸款，取得後挪用於項目建設），貸款支付對象與借款人無上下游關係或支付金額明顯超過日常交易所需；貸款支付對象多選擇關聯企業。第三方提供抵質押物且貸款發放後流向第三方。貸款資金支付後出現迴流、流入股市或房地產等現象。
第五類信貸欺詐風險，是虛假報表。財務報表是銀行評價企業經營狀況和償債能力的重要工具之一，是評級、授信、貸款審批的重要依據。銀行以虛假報表為依據實施的信貸行為，必然對企業經營狀況和償債能力形成錯誤判斷，導致信用等級、授信額度虛高、貸款額度超過企業實際風險承受能力等問題。表現形式包括：報表的多個科目之間的勾稽關係存在較大疑問；在無明顯競爭優勢情況下，主要財務指標明顯優於同業；報表雖經審計，但企業不能向銀行提供審計報告原件；提供的財務數據與企業賬戶流水、實地查看的銷售及庫存情況存在較大差距等。
3
反欺詐的核心要義：信息比對和邏輯校驗
商業銀行開展反欺詐的主要核心是信息比對和邏輯校驗，從而識別信貸欺詐的具體風險類型。商業銀行要做好內外部信息積累與整合工作。信貸欺詐風險的本質在於信息不對稱。當前，國內銀行內外部信息資源收集、整合、利用不夠，對信貸欺詐風險識別能力形成制約，也與當前欺詐行為多發的嚴峻形勢不盡相稱。因此，首先應加強內部融資、結算、財務以及外部徵信、工商、稅務、海關、物流等類信息的收集、整合工作。
在業務辦理過程中，查詢或通過系統自動調取相關信息進行多維度的交叉驗證分析，及時識別欺詐行為。如利用納稅申報表信息通過所得稅金額驗證利潤真實性問題，利用海關進出口信息、財務報表科目信息驗證貿易融資背景真實性問題等。同時，建立積累黑名單信息庫，納入日常發現存在虛假或欺詐行為的企業或個人，在信貸系統中自動加載引用，在流程中進行預警、控制。
商業銀行要積極研發部署反欺詐模型，持續總結信貸欺詐風險特徵、異常融資行為，構建模型，及時篩查、預警。如企業成立時間短、在銀行開戶時間短，企業註冊或經營地、貸款申請地以及抵押物所在地不同，短期內多個借款人貸款發放後流向同一企業或自然人，多個借款人還本付息資金來源與同一企業或自然人，累計開證、開票以及貼現金額巨大且與對應財務報表科目不符等。商業銀行要規範操作流程，在盡職調查、審查審批、貸後管理等環節明確，明確防範欺詐風險的崗位職責，包括需要核實的內容、工作方式以及對應處理措施等。
同時，優化系統功能，將制度流程中對各操作環節的銜接控制設計嵌入信貸系統中，進行剛性控制。在貸前階段，銀行通過核驗企業財務報表與實地調查情況的一致性、核對營業執照載明經營範圍與擬申請貸款用途的一致性等方式核驗客戶資料的真實性。在審查階段，審查人要加強對貸款資料的完整性審查，強化貸款資料的邏輯性分析。信貸審查人員須通過查詢談話記錄中調查人、借款人的簽字或與借款人電話核實等方式，驗證調查人雙人見客談話落實情況。對公司貸款，通過財務數據間的比較分析、趨勢分析，對財務報表的真實性和可靠性進行甄別，判斷客戶真實生產銷售情況。
02
互聯網浪潮下信貸反欺詐的三大對策
隨著互聯網時代的來臨，與大數據、雲計算、移動互聯網、垂直搜索引擎相結合的互聯網金融業既衝擊著傳統商業銀行，又為商業銀行的發展提出了新的視角。互聯網浪潮下，商業銀行開展信貸反欺詐，需要大膽創新，勇於變革，積極採取科學的信貸策略與技術手段。
1
以移動互聯技術為精髓的“遠程”非現場信貸調查
移動通信技術(指移動終端設備通過移動通信網絡進行通信)與互聯網技術的有機結合產生了移動互聯技術。與固定的有線互聯網相比，移動互聯網特點主要體現在終端設備和接入網絡，以及由於終端和移動通信網絡的特有功能所帶來的獨特應用。大多數專家學者認為移動互聯網是未來十年內最具有創新活力和市場規模的領域。
新興的移動互聯技術正在悄然改變人們的生活方式，移動4G通信、雲計算、大數據等新技術的發展更進一步推動支付寶、餘額寶、微信支付等互聯網銀行的崛起，這使傳統銀行業的發展面臨前所未有的挑戰。目前，互聯技術和大數據技術為信用風險管理提供數據支持和創新手段。大數據、雲計算、社交平臺、垂直搜索引擎等技術對商業銀行業務的幫助很大。
銀行的私人銀行客戶、公司銀行中小客戶、同業銀行客戶等都具有自身網上交易習慣，藉助新技術去改善客戶關係管理、授信業務管理、交易結算業務等很有必要。就信貸業務而言，移動互聯技術使得無論人與人的物理距離有多遙遠，都可以通過一臺電腦、一部手機，直接將銀行與客戶的距離拉到最近，為“遠程”的非現場信貸調查提供了技術層面的可能性。例如，人臉識別技術為貸款對象的身份識別提供了強大的信息技術支撐作用。
隨著移動互聯技術的進步和發展，商業銀行開發出很多基於移動互聯網的信貸產品。信貸客戶通過手機銀行APP，即可便利地申請銀行貸款，獲得銀行的貸款支持。銀行在信貸反欺詐的風險控制中，首先要確定的就是貸款對象的身份問題。銀行通過人臉識別技術，可以實現貸款對象的身份識別。
如圖所示，人臉識別是一種特殊的生物認證識別技術，其處理過程主要包括人臉圖像或視頻採集、人臉檢測、特徵值提取、人臉識別。人臉檢測，即在給定的圖像中，檢測是否存在人臉，如果是人臉，則給出人臉的具體位置、大小等信息。特徵值提取，即提出人臉的特徵，人臉圖像信息數據量巨大，為了提高運算速度，需要對數據壓縮，如降低向量空間的維數，用少量的具有生物特徵的數據來表示儘可能多的數據。人臉識別，即將輸入圖像中的特徵值提取出來，並與事先保存好的人臉特徵值進行比較，以此來識別人臉的合法性。信貸實踐中，客戶在申請過程中，銀行通過嵌入手持手機拍照的過程，將客戶自己的面孔與身份證件放置於指定的方框內，方可進行貸款申請。方框內截取的圖像，可在後臺通過人臉識別技術，匹配申請人與所持證件的一致性，進而實現貸款對象身份的反欺詐識別。人臉識別技術，其本質特徵屬於生物特徵識別技術。從內涵上講，生物特徵識別技術是通過提取生物某些特定的易於區分本體的特徵或行為，並將所提取的特徵與事先錄入數據庫中樣本數據進行篩選和匹配，從而完成對個人身份的識別。
人臉識別技術，主要通過人臉識別系統加以實現。如圖所示，人臉識別系統主要包括視頻實時採集及預處理、數據庫管理、人臉識別和識別信息輸出等四個模塊組成。系統具體識別過程：首先對樣本視頻中人臉進行檢測，剪切出人臉圖像部分，並對所剪切出的圖像進行去噪、平滑等處理。在身份信息管理數據庫模塊，將特定的人臉與身份信息進行匹配，如：姓名、聯繫方式等信息。
在人臉識別功能階段，採用PCA(Principal Component Analysis)算法將視頻中人臉特徵與數據庫中人臉特徵進行數據比對，篩選出與輸入圖像相匹配的身份信息進行輸出。在人臉識別中，商業銀行可以通過採用PCA分析算法進行人臉特徵提取及數據維，該算法屬於多元統計分析法，是用一種較少數量的特徵對樣本進行描述，以達到降低特徵空間維數。人臉圖像特徵信息是一個高維的矩陣信息，PCA算法可以將高維的人臉圖像矩陣映射到低維特徵空間中，基於各個正交基底來生成對應的特徵矢量。這種特徵矢量不僅可以免除環境和人為因素如光照、姿態、表情等干擾因素對識別的干擾，同時可以精確地反映人臉圖像的全局信息與局部特徵信息的關係。
2
以大數據思維為理念的“客戶畫像”刻畫技術
商業銀行需要樹立大數據思維，通過整合“線上+線下”數據、跨平臺數據、多維度信息，全面地客戶“客戶畫像”特徵，從中獲取更為真實的客戶畫像。商業銀行可以通過已建立的信息服務平臺，並結合基於爬蟲等技術手段獲得的輿情信息，利用半結構和非結構化數據的加工分析技術，將信用信息數據轉化成結構化數據，並在結構化數據的基礎上進行加工整合，構建全面的客戶徵信視圖，進行客戶畫像，從而實現對客戶的 360 度畫像標籤。
客戶畫像可以分為個人客戶畫像和企業客戶畫像，其中個人客戶畫像包括性別、年齡、健康狀況、職業、婚姻、文化水平、收入等人口統計學特徵數據，還包括個人消費能力、興趣、風險厭惡情況等數據，而企業客戶畫像涉及企業生產經營的各個環節，包括生產、運營、銷售、客戶、財務、流通等數據，還包括相關產業鏈的上下游數據。
客戶畫像還可以分為立體畫像和專業畫像。其中立體畫像指的是通過數據挖掘和關聯分析技術，以多維標籤組合對客戶特徵進行全面描繪，建立一個以客戶為維度，綜合消費、投資、支付、信貸等信息的立體畫像。對立體畫像背後內在關聯的挖掘，對於設計監控模型、管理交叉風險、實行精準營銷等決策給予了強有力的信息支撐。專業畫像指的是為了實現某種管理目的以及業務需求，以大數據和標籤組合化思路深入剖析形成的特定畫像，如營銷畫像、風險畫像等。專業畫像能夠應用到控制風險、維護客戶關係、精準營銷等眾多領域，使得諸如銀行等機構能夠準確對客戶的交易行為進行預測、迅速洞察並有效防範潛在的風險、及時抓住營銷機會等等。
需要注意的是，客戶畫像並不是一成不變的，會伴隨著客戶行為以及交易習慣的改變而進行動態的調整。因此，為了保證準確性，需要對客戶畫像進行管理，一般採用系統自動更新與人工定期修正相結合的方式。信貸實踐中，商業銀行可以通過抓取客戶身份信息、個人社交網絡信息、互聯網瀏覽記錄、金融帳戶的收支記錄等信息，推演更多數據，來刻畫客戶的財務情況、興趣愛好、支付習慣和社會關係，進而刻畫出更為真實的“客戶畫像”，為銀行的信貸決策提供技術支撐。
3
以金融科技為動力引擎的“智能化”反欺詐風險控制模型
近些年來，金融與科技相結合的例子不勝枚舉，如何既汲取傳統金融行業在風控上的優勢與經驗，又能將此與“大數據”“雲計算”等技術更好的結合，從而在提高效率、降低成本的同時，將風控做到更好，也一直是業內外共同探討和致力的方向。時至今日，“大數據”“雲計算”等詞彙，對於人們而言，即便不能理解其中深意，卻也是耳熟能詳的詞彙了，這也從側面反映出技術對於人們生活影響的廣泛與迅捷。在過去，對於傳統金融業而言，嚴謹的風控常是其被人們所津津樂道的優勢，隨著互聯網浪潮的發展，科技手段的不斷更迭，關於“如何將傳統金融的謹慎與新技術的高效相結合”這一話題的探討也越發頻繁地被提及。
隨著信息科技的進步，大數據風控是金融科技應用的大勢所趨。大數據風控的一個顯著特徵便是智能化風控模型。智能風控，被譽為傳統金融的變革之翼，商業銀行通過引入外部數據和提前設計好風控規則，實現各類信息採集與對比校驗的自動進行，通過事先部署反欺詐規則和策略自動執行拒貸動作，實現信貸反欺詐的智能化風險控制。大數據風險控制模型是能夠量化欺詐風險的模型，是一種智能模型。
該模型以可觀察到的交易特徵作為變量，利用計算出來的分值來代表交易的欺詐風險，並且在此基礎上將欺詐風險分為幾個不同等級。通過風險控制模型與客戶畫像相結合，從客戶進行交易的第一個行為就進行分析，以對應的風險分數賦予客戶的每一個動作，為反交易欺詐，從而能夠有效控制風險進行科學決策，對欺詐風險高的交易可以據此形成預警並展開調查。此外，在風險模型的基礎上，結合客戶畫像，可以在並行數據處理技術環境下靈活運用R語言等工具，自動挖掘客戶擔保圈的關係，對預警擔保圈的形成進行自動標識。智能風控會根據客戶的履約記錄、社交行為、行為偏好、身份信息和設備安全等多方面行為特徵去評判一個人的反欺詐和信用評估行為，從而形成信用畫像，進而實現對客戶欺詐風險概率的科學衡量，實現自動化、精準性的反欺詐風控調查。
閱讀更多 信貸風險管理 的文章
