TXT电子书

4 大数据时代电商信贷风控（第2页）

场景二：虚假信息。电商企业售出一台单反相机，消费者收货后要求退款，商家拿到货之后，却发现包装箱底部有划痕，打开箱子却发现并没有单反相机。

与消费者联系，发现送货地址是虚假地址，电话也打不通，并一再投诉要求退款。

场景三：恶意造谣。某消费者通过网络发帖，声明买到的产品货不对版，还晒图为证，有图有真相，很容易让人相信造谣者说的话。但是经过查证，根本不存在这样的问题，这个发帖人本身就是同行，他确实买了东西，并且有退货行为，但是并没有货不对版，所谓的图片是盗用的，这种行为是典型的恶意退货和造谣中伤。

当然，上面的三个场景只是电商市场严峻形式的一些体现：真实信息被掩盖，劣质、虚假信息大行其道；恶意欺骗，买卖双方互相缺失，彼此对立等风险状况。

除了在整个电商市场大环境中的风险，电商信贷还均在具体的风险，主要体现在：

存在欺诈风险，借用、套用他人电商企业进行融资；由于信用评估模型没有形成标准化，各大电商平台存在差异性，平台的规则也不同；

电商企业产品众多，毛利参差不齐，电商信贷平台需要对这个行业属性充分研究，规避产业风险；

存在恶意刷单行为，很多电商企业利用虚拟账户，纷纷刷单，形成一些虚假数据，且刷单技术不断升级，甄别真假的难道加大；数据孤岛没有打破，不同电商平台没有共享数据，商家可能同时向不同电商平台借贷，加大了风险。

（3）用户授信环节，审核和筛选严把关一个电商平台动辄上千万、上亿电商企业数目，如何将平台海量的消费行为转变为消费信贷客户？如何在海量的注册用户、活跃用户中筛选出可以授信的客户？

要根据不同的风险量化指标以及风险定价，选择合适的金融产品，在数亿级的用户中筛选出可授信客户，并非店铺购物多信誉就高，购物数量只是风险的一个纬度。

在这个环节，需要核实电商企业的信息包括：商家访问地址、来源、日均营业额、客户分布、客户性别、消费频次、评价、产品毛利等信息；

解析商家银行流水、征信报告、支付宝账户；核实商家是否存在其他电商平台的店铺，必要时进行信用评估，对所有店铺并入一种财务报表，进行盈利能力分析；对商家运营的合规性进行调查，涉嫌违规经营可能被平台处罚，核实商家处罚记录；

排查商家刷单的风险，刷单评价往往时间比较集中，评论的话术相似、IP集中，随机抽取客户进行回访排查；

商家的厂家授权信息是否真实，注意排查贴牌和假冒产品。

此外，将大数据分析与一些国际先进的信用评级模型结合，并融合客户消费行为、国内信用体系等数据，以更精细和量化的风控方式，为电商平台进行严格的技术筛查和大数据风控，实时完成授信。

（4）大数据风控系统助力电商信贷电商信贷风险控制中，风控模型的先进性以及风控团队的经验都非常重要。

有丰富的数据并不意味着电商平台一定适合做消费信贷，电商和信贷是完全不同的两个行业，在人员构成、运营管理上完全不同。电商平台进军信贷业务的考虑的主要隐私是监管成本和团队的风控技术。并非所有电商平台都适合进军信贷，平台需要有足够的资金来运转小贷业务，是否有先进的技术来因对信贷的风险和精准的数据来解析遇到的问题。

电商交易数据、物流数据、电商平台给出的授信额度等，都可以作为风控的参考依据。电商领域的数据是目前大数据风控最可靠的数据之一。

阿里、聪慧这样的电商平台进军信贷业务，最核心的因素是因为它们具有核心数据，基于大数据风控就能对电商企业进行授信。同时，利用大数据进行反欺诈建设，与风控第三方服务商合作，建立黑名单，构建消费者行为画像，设置流程监控，在注册、登陆、浏览、下单、换货、退款、评价等环节来监控。比如，唯品会推出贷款产品时，对外声称便是积累的电商大数据被用来构建消费者行为画像，由此决定借款者的授信额度。

电商平台进军信贷产业，需要具备解析数据的能力，才能让大量电商消费者的购买行为数据产生价值。通过大数据分析技术，数据是一个不断升级的过程，原始数据零散，价值小，而这些数据经过提取、分析，便成为了信息；在信息存储的基础上建立模型，进行决策，变成知识；通过这些知识，进行科学预测，能够举一反三。在整个数据升级的过程中，数据升级，数据价值也升级，从而体系了大数据的价值。

只有升级的数据，才具有真正的风控价值。总之，中国的电子商务正在以风驰电掣的速度前行，电商信贷也会带来新的机遇和挑战。运用大数据风控，勇于创新、勇于拓荒，更应该稳中前行，让风控为电商信贷的发展保驾护航。