“京东白条”风控实践诠释金融科技

京东金融诞生于2013 年10 月，同期设立消费金融事业部。2014 年2 月，京东消费金融推出“京东白条”，成为业内首款互联网消费金融产品。用户在开通白条后，消费潜力迅速攀升，月均消费金额提升52%，月均订单量提升36%。84% 的白条用户是80 后，移动端订单占比超过70%。对很多年轻人来说，京东白条是他们人生的第一款信用产品。

京东消费金融风险总监 程建波

用户评估变革——数据“识”人

        数据已经成为人类认识世界、彼此“交流”的第二种语言，互联网也不再只是一种技术工具和工作手段，而是潜移默化地改变着我们的生活、生产和思维方式。京东消费金融业务之所以能够迅速切入市场，正是基于京东商城十多年的电商运营，有了对消费者数据的积累和认知，在多维度用户数据模型和机器算法等科技手段的支持下，逐渐形成了一整套独立的风控系统和用户信用评估体系。

        过去，银行识别用户是通过身份证等各种证件核验身份，再通过工作证明、资产证明判断还款能力，同时还要查询征信报告，据此判断信用状况。但由于中国信用体系正处建设完善阶段，大量人群不在覆盖范围内，难以享受信用服务。

        而电商平台的用户信用评估思路则完全不同，几乎完全依靠大数据。我们强调数据是核心，但这并非意味着数据多就有价值，数据只是原材料，有价值的数据需要有三个特点：一是大，二是厚，三是动。

       “厚数据”意味着维度更多，它可以从各个层次观察一个用户。比如，我知道你花了2000 元在电商平台购买了一台彩电，这台彩电是索尼最新的终端型号，尺寸是39 寸，有3D 影像和wifi 功能。我们认为这些就是厚数据，数据的每一个点都可以向我们传递信息，为信用评估提供帮助。

       “动数据”则意味着数据需要实时更新。比如，这台彩电于2015 年11 月购买，如果这个数据信息一直没有更新，则毫无价值或者说价值有限。我不能知道这个人现在的最新情况，就没法对该用户做全面的信用评估。京东平台每天都在持续不断地产生大量新数据、大量厚数据，并且都是动态实时更新的，而且越来越多。这是我们在数据上的优势。

决策效率变革——在线实时

        京东白条线上实时开通，客户体验极佳。非面对面互联网实时决策，对用户欺诈行为模式识别、大数据风险评估、系统自动化的要求极高。互联网大数据建模，亟需突破传统，建立新型风险评估体系，满足长尾金融需求。在线实时决策模式中，风险更为隐蔽、扩散速度更快，对欺诈管理提出了更高挑战。

        在业务模式设计方面，以白名单邀请制为主，风险前置，预先判断，规避风险逆选择现象。我们首先对京东账户进行模式识别，经过数千万级的自有风险名单库过滤，剔除互联网恶意用户、社会失信用户、金融失信用户，建立风险筛查的第一道防线。

        然后利用我们的“四大发明”模型工具体系，分别从风险预测（“司南”）、量化营销（“火药”）、用户洞察（“活字印刷”）、大数据征信（“造纸”）等层面，进一步筛选用户形成白名单。

        通过短信、App 推送、微信推送、商城网站显著入口位置展示等多种方式邀请白名单客户。用户响应后完成实名认证开通京东白条，即可在京东商城及外部场景消费。白条支付过程非常流畅，最快仅需2.6 秒。

        在账户登录、激活、交易、信息修改等全流程环节，“天策决策引擎系统、天盾账户安全与反欺诈系统、天网交易风险监控系统”对每次账户行为进行后台安全扫描，实时计算，识别恶意行为及高风险订单，并与商城配送体系联通，对高风险订单实现“配送最后一公里拦截”，这在业内是独一无二的优势。通过强大的自动化风控系统，实现全流程风险监控，使得正常用户继续享受便捷极致服务，欺诈恶意份子作案成本不断提高。自上线之日起，风控系统累计拦截疑似欺诈申请数十万起，拦截高风险订单数亿元。

        所有授信均无需人工审批，这种极致客户体验的背后是大数据风控模型、策略、系统的复杂和精准判断。为做到这一点，京东消费金融风险团队建立了系统化的科学决策体系，分别从数据、模型、策略、系统角度构建闭环，实现决策的可持续化、智能化和自动化。

建模方法变革——机器学习

        京东白条风险管理的核心理念是数据驱动决策。围绕数据出发，深度挖掘数据背后的价值，并通过业务实践不断尝试，逐步放开。无论是传统金融还是互联网金融，风险的本质没有改变，但风险控制的实现方式已经在新的商业模式下发生了质变。

        相对传统金融，互联网模式对风险管理技术要求更高。针对互联网数据碎片化、稀疏、多维度、非结构化等问题，我们创新使用机器学习算法，构建“四大发明”模型工具体系，形成由多种大数据机器学习模型构成的弱分类组合预测模型。主要算法包括随机森林、lasso 回归、GBDT、SVM、LDA、贝叶斯网络、RBM 等，大幅度提升了模型打分人群的覆盖范围、模型的稳定性以及客群覆盖度。组合模型中的预测变量有数千个，借此评估用户的还款意愿和还款能力。凭借创新建模技术，我们开发了数百个模型，并不断根据需求新增模型。

        凭借数据优势、创新模型实践、强大的风控系统和全流程风险管理体系，白条资产质量赢得了市场认可。2015 年10 月，京东白条ABS 项目在深交所挂牌，成为首个互联网消费金融资产证券化的产品。在2016年的第一期ABS 资产中，3A 资产融资利率仅为3.9%。

        风控人员占比京东消费金融团队接近1/3，风控团队中70% 是数据挖掘、建模分析技术人员，成员大多来自传统银行、顶级专业技术咨询机构、互联网企业等，是一个传统经验融合新技术的复合型团队。

        在不断强化内功的同时，我们积极推动各类信用建设。联合腾讯安全、传统银行、互联网金融等机构成立互联网金融反欺诈安全联盟，加入最高人民法院联合信用惩戒项目、央行支付清算协会风险信息共享系统等，共同推动社会信用体系建设。

信用体系变革——覆盖长尾

        目前，京东消费金融已经完成了接近2 亿用户的信用评分，未来覆盖范围将不断拓展。服务范围已从京东商城体系内的消费者扩展到体系外。

        此外，京东消费金融还投资了不少行业内的顶级数据公司，通过开放合作的方式，吸收更多能力和经验，帮助京东金融在内部产品和品类之间建立多维数据关联，实现大数据的应用价值。比如，投资美国大数据技术公司ZestFinance，联合在中国成立机器学习模型实验室，融合国际技术和本土经验，在京东金融已有的机器学习模型能力上，精益求精，追求卓越。

        金融业务需要长时间的市场积累、挑战和沉淀。在风险管理的漫路上，京东白条风控团队将一如既往对市场充满敬畏。在创新和风险之间保持平衡，强化科技风控能力，帮助年轻人建立第一笔信用财富。

（文章来源：《金融电子化》杂志）

扫码即可手机
阅读转发此文