标准化融合智能化 合众e贷打造新型风控利器

风险控制是互联网金融最重要的挑战，随着大数据、人工智能、机器学习等技术的快速发展，风控也在向着智能化的方向进行创新和突破。合众e贷经过数据和技术上的大量积累，自主开发了神豸风控体系，经过不断的演化和改进，这个风控利器已成为合众e贷独具特色的核心竞争力。

传统风控结合大数据风控

神豸风控体系结合了传统风控和大数据风控，充分利用了传统风控可解释性和稳定性强的特点，以及大数据风控针对性强的优势，对于特定场景和人群，大数据风控会更有效。

传统风控采用银行惯用的信用评分卡模型，包括A卡（申请评分卡）、B卡（行为评分卡）、C卡（催收评分卡）和F卡（反欺诈评分卡），分别应用于贷前、贷中、贷后。以评分卡评估借款人的信用，具有较高的准确性。

大数据风控则是通过智能数据采集，在海量数据的基础上进行模型分析和数据挖掘，进而实现智能预测和知识发现，再做出智能决策。该系统的特点是实现了标准化和智能化，这保证了风控体系的稳定性，并大大提升了审核效率和自动批核率。

（神豸风控体系架构）

贷前：机器学习+人工审批

贷前是最重要的风控环节。神豸风控体系的贷前流程包括：客户申请、风险识别、贷款审批、贷款发放。

在客户申请和风险识别过程中，系统采取了反欺诈策略和共债策略来避免骗贷和多头借贷行为，系统会对借款用户进行绑卡验证、手机号验证、人脸识别、黑名单验证、行为分析等，同时监控系统会对用户特征稳定性进行监控。

举个例子，利用设备指纹技术可以追踪及分析用户的行为数据，识别设备是否关联多个账户、银行卡、身份证、手机号等；通过用户行为分析判断借款是否存在短时间频繁申请或在敏感时间申请；通过地址数据分析判断是否为虚假地址，是否在高风险地址库中，以此进行智能反欺诈。系统会将欺诈作为算法进行收集，然后做模式的识别，一旦识别欺诈模式就会启动主动防御。

在贷款审批和贷款发放环节中，机器学习和人工审批同时发挥作用，以达到更精准的判断。系统会基于用户强授权的个人信息、消费记录信息、个人征信、社交数据等建立授信模型；另外，根据系统的风险提示，对系统未能成功授信评级用户进行人工授信审批，为系统机器学习提供样本。监控系统会对过度授信等风险点及产品期限占比进行监控。

贷中：提前识别潜在风险

期数多时间长的借款项目对贷中管理的要求比较高，因为借款时间越长逾期的可能性越大。

贷中监控目的在于及早识别潜在风险并采取相应的防范措施。合众e贷会对借款人进行不定期回访，及时跟踪用户信息的变化情况，包括借款人住处、行为、家庭、财务、债务等影响还款意愿的信息，通过数据的分析和预测，再次对借款人进行全面的评审。

车贷项目方面会对车辆GPS进行实时监控、分析和预警，及时发现用户驾驶习惯改变或车辆在敏感地点停留，提前发现风险隐患并快速响应。

贷后：仲裁效率大幅提高

贷后主要是资产管理。在智能化催收体系中，采用自动化还款提醒、电话、信函、外访、诉讼等多维度催收。合众e贷将逾期用户划分为不同的群体，以采取不同的催收方式。

神豸监控系统会形成资产质量组合分析报告，对资产进行分类及分析，并实施风险处置措施。

如进入仲裁阶段，合众e贷会与仲裁机构进行系统对接，以网络仲裁的形式实现批量仲裁申请，包括证据提交、仲裁审理和裁决出具都在线上进行，仲裁效率得到飞速提升。

（仲裁系统）

（裁决书）

此外，当借款项目出现逾期，第三方担保公司会先垫付给投资人。

未来：动态优化+自我学习

合众e贷的神豸风控体系在持续优化中，未来将加强风控策略动态择优选取和自我学习能力，即风控模型将更注重风控规则的可动态配置，不是单一模型而是综合的模型体，会做动态优化和自我调整，例如会顺应某种场景自动切换模型，根据用户信息和运营数据的变化进行自我优化等。业内的最新技术和创新成果都将陆续应用到风控系统中，以达到螺旋型自我优化的最佳效果。

严格的贷前审查、精准的贷中分析和快速的贷后管理，是合众e贷稳健运营的基石，强大的风险管理能力也为合众e贷可持续发展增添后劲。