參賽單位：北京汽車集團財務有限公司

案例名稱：基于大數據技術的全流程反欺詐風控平臺

案例簡介：

充分整合數據識別技術、數據分析工具及規則引擎3項信息科技手段，通過無監督機器學習對公司內、外部數據分析、挖掘，以創新完備的功能構建汽車金融零售業務反欺詐風控平臺，對新設機構、新設產品欺詐風險管理具有借鑒意義。平臺建設是以科技推動流程再造的過程，它初步實現了汽車金融零售業務欺詐風險前中后臺全員參與，全流程覆蓋。上線以來，平臺主動預警率合理控制，貸前欺詐風險識別率明顯提升，欺詐風險在可比業務中下降。

創新技術/模式應用：

1.多功能整合平臺

根據目前金融數字化趨勢，集成流程管理器模塊，從多源頭大數據配置接入，到規則引擎，評分模型，數據匹配展示，鏈接分析，以完備的功能實現全方位進行欺詐風險防護。

2. 無編碼模式對接多渠道數據

反欺詐風控平臺現階段對業務系統、大數據平臺、催收系統對接，二期還可與影像系統對接，上述系統對接方式均通過平臺無編碼實現，極大限度提高業務響應效率。

3.風險管理工具組

3.1.利用人臉識別與活體檢驗、光學字符識別（OCR）、三方數據驗證等技術對申請數據進行真實性識別。

3.2.主要運用關系圖譜技術，將申請信息與內部數據進行比對，與外部數據進行邏輯校驗，通過生產復雜網絡進一步發掘潛在的關聯欺詐，生成評價結果，進而成為決策引擎的輸入。

3.3.決策引擎主要包括黑名單、規則集、評分卡技術。其中，黑名單：是內、外部欺詐記錄的歷史積累，是反欺詐系統進行分析、比較的基準。規則集：采用無監督模式機器學習構建涵蓋400余項反欺詐規則庫；配備高性能實現1秒鐘內完成規則集內欺詐檢查；內置數據分析功能，定期對數據進行全面的回溯和多視角分析，持續迭代優化規則庫；用戶優好的設計模式使業務人員可以靈活、迅速更改欺詐偵測規則和策略。評分卡：利用邏輯回歸對數據進行分析的基礎上以特征變量進行建模，其以概率輸出作為系統對于特定進件業務的欺詐風險評價，目前作為規則集技術的一項重要補充進行欺詐風險高階防范處理。

4．業務流程再造

結合反欺詐風控平臺建成投產工作，汽車金融零售業務流程進行優化、調整，盡管業務流程仍劃分為審批、放款、催收、銷售四個環節，但較流程再造之前，將反欺詐工作重點差異性地融入到各個環節中，形成了識別、管控、反饋、強化地管理閉環，持續提升反欺詐體系的適用性與有效性。

項目效果評估：

反欺詐風控平臺系統于2020年5月上線以來運行穩定，它初步實現了北汽財務公司汽車金融零售業務欺詐風險管理的前中后臺全員參與，業務全流程覆蓋，由單一節點控制向全流程節點管理轉變。

從經濟效益上看，反欺詐風控平臺運行近11個月，主動預警率合理控制，貸前欺詐風險識別率明顯提升，欺詐風險在可比業務中下降，助力業務持續、穩健發展。截止2021年3月31日，反欺詐風控平臺已自動處理業務6萬余筆，通過反欺詐系統預警預防的汽車金融零售業務損失金額超過5千萬元。

從管理效益上看，在平臺建設過程中，自上而下、自下而上雙渠道互動建設、評價、完善的新思路，充分鍛煉了隊伍。因此在平臺應用過程中各業務經辦部門欺詐風險管理水平普遍提高，通過平臺主動預警，可進一步對汽車金融零售業務審批管理進行有針對性的審核，快速發現問題，提高工作效率，為經營成本節約提供一定的支持。

從社會效益上看，該項目實施過程中采取的算法和技術整合方案，可以為新設金融機構、新設產品的欺詐風險管理提供明顯的借鑒意義。

項目牽頭人：

朱正華

北汽財務公司總經理

項目團隊成員：

吳霜、田穎、張慧鑫、甄珍、楊春雷、李思思、劉英明、孔令睿、夏彥飛、劉可

責任編輯：方杰