随着网贷政策的陆续落地,投资用户在选择平台上,越来越看重平台的风控模块,在风控领域芝麻信用风控是业界和用户比较信赖的,那针对网贷信用风控你了解多少呢?芝麻信用风控运用在网贷上安全么?以下是小编针对人人聚财、民爱贷、宜人贷使用的芝麻信用风控安全性做了分析。
一、 业务安全风控设计
业务风控主要做四件事:
l 拿到足够多的数据;
l 做足够灵活的分析平台去分析数据;
l 产出风险事件进行阻拦风险;
l 量化风险拦截的价值和不断分析案例进行策略优化;
拿数据这件事几乎是决定风控系统成败的核心,其中主要有三件事要考虑:
1.1 拿到的数据越详细越好:
拿人人聚财、民爱贷、宜人贷账号安全这件事来举例子,如果能拿到基础的登陆注册数据,就可以从频率、登陆注册特征来进行分析;
如果可以进一步拿到登陆注册行为的上下文,比如登陆前访问了哪些页面,登陆后去访问了什么,就可以从访问行为轨迹来增加更多的分析维度,例如页面停留时间,是否有访问到必访问的页面等;
如果还可以拿到用户的操作行为数据,比如鼠标移动的轨迹,键盘输入,那么可以进一步的从操作过程来增加分析维度,比如是不是输入密码的时候有过多次输入删除?是不是直接复制粘贴的账号密码?
1.2 建立标准的日志格式:
确认好能拿到哪些数据以后,就要开始建立标准的日志格式。
常见的登陆、注册、下单、密码修改、绑定凭证修改等等都要给出一个标准的日志格式,而且要充分考虑到字段命名的统一,比如密码、用户名字段的名称如果在不同的日志中叫法不统一,在后续分析和指定策略的时候都会遇到不小的麻烦。
1.3 拿到的数据质量:
必要的字段是否都能拿到?
往往风控关心的信息比如IP地址、UserAgent、referer这些信息业务都是不关心的,但这些信息的缺失可能造成很多策略没法做,所以在采集信息开始的时候就要有个明确的信息列表,一旦妥协了后面再去返工让研发加是会遭白眼的。
数据信息拿的是否准确?
比较常见的是需要用户的访问IP,结果拿到的IP地址是内网的服务器IP;或者是想要用户名,结果传递过来的是UID。这点需要大量的前期沟通确认工作,一旦上线了以后发现数据不对再改也同样要遭白眼。
二、人人聚财、民爱贷、宜人贷怎么样管理芝麻信用?
1.4 芝麻信用权威
芝麻信用,是蚂蚁金服旗下独立的第三方征信机构。芝麻信用分是面向社会的信用服务体系,依据方方面面的信息,运用大数据及云计算技术客观呈现个人的信用状况,分值范围是350到950,越高代表信用水平越好。
1.5 芝麻信用数据来源丰富
芝麻信用管理有限公司,是蚂蚁金服集团旗下的子品牌。阿里巴巴和蚂蚁金服本身积累的数据,是芝麻信用的一大优势。这些数据包括淘宝、天猫等电商平台网络购物的相关行为数据,支付宝平台水电煤电信缴费数据、各种生活服务场景相关数据,还有千万级以上的贷款数据。其中,贷款数据包括阿里巴巴平台上接近两百多万的小企业贷款数据,千万级的天猫分期购的数据,以及消费者无忧支付产品蚂蚁花呗的数据。
芝麻信用通过云计算、机器学习等技术客观呈现个人的信用状况,参考数据关系多达数亿条,结合的底层指标超过上万个,数据来源除了包括自家的电商数据,互联网金融数据,还有公安网、最高法,教育部,工商等公共机构数据、合作伙伴数据,以及各种用户自主递交的信息等,覆盖生活、购物、支付、投资、公益等数百种场景。
1.6 如何提高芝麻信用分?
基于芝麻信用分数算法,想要提升芝麻信用分,那么有5个维度的因素是我们需要重点关注的:
1、信用历史(过往信用账户还款记录和信用账户历史)
2、行为偏好(在购物、缴费、转账、理财等活动中的偏好及稳定性)
3、履约能力(享用各类信用服务并确保及时履约)
4、身份特质(在使用相关服务过程中留下的足够丰富和可靠的个人基本信息)
5、人脉关系(好友的身份特质及和好友的互动程度)。
1.7 提高芝麻信用分你可以这样做
多在阿里系电商平台天猫、淘宝、聚划算等购物消费。当然,网购也是有讲究的,不要老淘一些便宜货,也要多买一些家电、健身器材、工艺品等大件的商品。
多使用支付宝信用卡还款功能,并及时还款。芝麻信用目前并没有对接央行的个人征信系统,信用历史主要是过往信用账户还款记录和信用账户历史。既然没有个人借贷记录,信用卡还款记录就显得尤为重要。
多用支付宝转账。支付宝用户之间的人脉关系是建立在转账、代付等金钱基础上,如果你与朋友间经常保持着大金额的往来关系,那么信用分也会高出不少。
多在支付宝上购买理财产品。目前支付宝上不仅有余额宝,还接入了招财宝,用户投入的金额越大,频次越频繁,评分自然也会更高。
多应用支付宝上提供的生活服务。如水电煤缴费、租房信息、酒店机票预订等功能。
多爱心捐款。目前支付宝上有爱心捐赠的入口,如果你经常捐款,不管金额多少,到时累计的信用度自然要比不捐款的人要高。
1.8 这六点不要做否则会减芝麻分
1、频繁更换绑定的手机号码。
2、一张信
暂无评论
发表评论