調研了上百家從事風控數據業務的公司，有行業大牛也有各種低調開展業務的，在不會泄露各公司太敏感信息的前提，本著客觀的角度及學習的態度，逐一揭秘各家公司的征信風控產品及數據源特色。本期的目標將是風控行業的做模型做的比較出眾的【百融金服】

一. 公司介紹

百融金融信息服務股份有限公司（簡稱“百融金服”）成立于2014年3月，是一家利用大數據技術為金融行業提供客戶全生命周期管理產品和服務的高科技公司。

作為最早涉入大數據金融信息服務領域的企業之一，百融金服憑借線上線下融合的多維度海量實時數據、服務銀行等金融機構的行業先入優勢、以及超強的大數據處理和建模能力，為信貸行業用戶提供包括營銷獲客、貸前信審、貸中管控以及貸后管理在內的客戶全生命周期產品和服務；為保險行業用戶提供精準營銷、存量客戶管理以及個性化產品定制等產品和服務。

百融金服是最早將大數據技術應用到清收行業的企業，利用大數據清收幫助金融機構更好地管控個人信貸業務逾期風險，大數據資產增值服務平臺可以為金融機構提供資產處置、資產托管以及資源整合的服務。

二. 融資情況

2014-12-23獲得A輪融資，由高瓴資本人民幣基金領投，IDG資本人民幣基金、浙報傳媒集團跟投。

2015-10-04完成B輪融資2億元，由中國華融資產管理公司領投，紅杉資本人民幣基金等投資機構跟投，華興資本擔任此次融資的獨家財務顧問。

百融金服融資全靠大數據技術。百融金服的優勢在于有著跨平臺的全網數據庫，風控不像傳統風控企業單純倚仗少數幾類變量進行風險評估，而是進行多維度信息核查，通過超過50萬個維度的的數據變量的建模，得出相關的金融風險和信用評估指數。

大數據技術的成熟似乎讓金融機構看到了個人征信的另一種可能性，即利用非金融領域的數據為金融機構提供用戶信用評估，對人口統計數據、消費數據、網站行為數據、社交數據、金融數據等結構化以及非結構化數據進行挖掘和關聯性分析，給出相應信用評分，為其提供信用參考。

金融大數據服務僅是百融大數據征信應用的第一步，更大的發展空間將在泛生活領域展開，下一步要將風控業務觸角延伸到政府機構、企業人力資源以及婚戀、電商、租賃、貿易市場等泛征信領域。

三. 股東背景及高管情況

目前百融金服的股東包括中國國際金融股份有限公司、華融資產管理有限公司、高瓴資本人民幣基金、紅杉資本人民幣基金、浙報傳媒、聯動優勢、IDG資本人民幣基金等。

高管介紹：

（1）張紹峰

張韶峰先生是國內第一家專注于大數據與推薦引擎的互聯網技術公司百分點科技合伙人，也是信柏科技合伙人。清華大學電氣工程自動化學士、碩士，清華大學五道口金融學院講師。

2014年，張韶峰先生創建百融金服，作為大數據應用的首批踐行者，立志把百融金服打造成為國內金融領域最大的第三方風控及營銷服務提供商，并以傳播誠信文化理念，開拓誠信生態環境為己任，為國家全民信用體系的建設及普惠金融的實現貢獻一己之力。

張韶峰先生最初以管理培訓生身份加入全球最大的企業軟件公司甲骨文大中國區數據挖掘與商業智能軟件部門。之后加入全球最大的IT解決方案提供商IBM，負責商業智能與數據挖掘以及智能分析方案，并創建了天才博通公司，在天才博通期間一手打造了國內第一個SaaS模式的數據挖掘軟件系統（Geni-sage Data Mining），時間序列預測效果遠超歐洲領先水平，獲得業界認可。

（2）柏林森

美國伊利諾伊大學，電子及計算機工程碩士、物理學碩士 中國科技大學，物理學學士 美國注冊金融分析師協會，注冊金融分析師 (CFA) 北美精算師協會，準精算師(ASA) Watson Wyatt Insurance and Financial Services，高級金融咨詢師 Iris Financial LLC，高級金融系統工程師 專長于海量數據處理、數學建模、金融產品創新、時間序列預測、人工智能及其系統實現 2012年，柏林森與蘇萌教授、電子科技大學互聯網科學中心主任周濤共同著作《個性化：商業的未來》一書。

（3）蘇萌

蘇萌現任北京百分點信息科技有限公司董事長。畢業于美國康奈爾大學，市場營銷學博士。曾執教于北京大學光華管理學院，任副教授、副系主任、博士生導師、新媒體營銷研究中心執行主任。

蘇萌是美國康奈爾大學市場營銷學博士，專長于大數據營銷、數據建模、推薦系統、個性化營銷、消費者行為量化模型。2009年創立百分點科技公司。2011年擔任沃頓商學院互動媒體創新中心中國會議聯合主席，2011年榮獲中國CE-MEGA百名最活躍年輕創業家，2012年入選北京市海聚工程。曾執教于北京大學光華管理學院，任副教授、副系主任、博士生導師、新媒體營銷研究中心執行主任。央視財經頻道特邀評論員， 《經濟觀察報》、《哈佛商業評論》等多家雜志與媒體的專欄作家?，F任北京百分點信息科技有限公司董事長、CEO。

四. 百融前世-脫胎于百分點，開始起步

百融金服曾是百分點的金融事業部，其最初的數據積累來自于百分點。從第三方數據平臺——企查查呈現的數據來看，百分點董事長蘇萌是百融金服三大創始人股東之一。

百分點（北京百分點信息科技有限公司）成立于2009年，是中國領先的大數據技術與應用服務商。百分點有員工近600人，包括2位國家千人計劃入選者，30多位博士，和來自于國內外一流大學與技術公司的300多人的研發團隊。百分點首席科學家團隊由多名國際頂尖的華人學者組成。

百分點擁有全國最大的第三方消費偏好數據平臺，為電商、媒體、零售、家電制造、汽車、政府、電信、金融等多個行業，近2,000家互聯網企業及傳統企業提供大數據技術平臺搭建和大數據驅動的SaaS應用，如華為、TCL、長虹、建設銀行、王府井百貨、長安汽車、萬科、1號店和中國電信等知名企業。

核心產品包括技術層的大數據操作系統，管理層的用戶畫像標簽工場，以及應用層的推薦引擎、分析引擎和營銷引擎。使企業能快速、低成本地使用成熟的大數據技術和應用服務，幫助企業在“互聯網+”時代獲得大數據能力并轉化為生產力。

技術、應用、數據是百分點的三大核心競爭力，技術上，百分點擁有成熟的大數據技術與管理平臺，高性能的實時與離線計算能力和豐富的算法庫及商業模型；應用上，百分點基于三大核心引擎的全業務驅動產品體系，幫助企業深入挖掘大數據的商業價值；數據上，百分點擁有5.5億用戶畫像和1億的商品畫像，致力于在保障用戶隱私及數據安全的前提下融合數據，推動數據流轉，消除企業信息孤島。

百分點成立之初主要為電商企業提供個性化推薦引擎。

2011年7月，百分點獲得IDG資本和名信中國成長基金720萬美元的投資。

2013年7月，百分點獲得第二輪1000萬美元融資，投資方為東方星空創投和IDG資本，

公司由提供大數據技術進入到大數據管理與應用領域。

2014年7月，百分點宣布獲得2500萬美元的C輪融資，由高瓴資本領投。

2015年D輪融資的是光大證券的4億元人民幣。本輪融資仍將主要用于技術與產品創新、人才引進、營銷網絡加強以及基礎設施擴建。

【獵人說】在此不對百分點展開詳細說明。

五. 百融金服金融服務方案

在百融，提到最多的不是某個產品或接口，而是整體的行業解決方案。

針對整個金融行業，百融的行業解決方案覆蓋了營銷、準入（貸前）、經營（貸中）及逾期（貸后）等環節。

營銷環節主要需要解決的是：客戶畫像的勾畫及細分；存量客戶精準營銷（新增用戶板塊在后面有講到）；睡眠客戶的重新激活。

• 準入（貸前）主要需要解決的是：反欺詐；信用評估；額度策略；定制化建模。
• 經營（貸中）主要需要解決的是：存量客戶風險監控；動態風險預警；首次逾期排查。
• 逾期（貸后）主要需要解決的是：催收管理；資產托管。

最后是整個環節不可缺少的：資金資產對接。

百融的行業解決方案主要針對銀行、保險、信貸三大主行業

我們在其對外投資板塊，可以清晰看到其在網絡小貸板塊及保險行業板塊的布局

以下主要講解針對信貸產品的風險管理方案

百融這套信貸產品有個名字叫“風險羅盤”：

• 主要覆蓋信貸全流程：貸前準入-貸中監控-貸后管理
• 功能模板包括：反欺詐、信用評估、授信額度、貸中預警、首逾排查、大數據催收
• 主要產品及功能：風險羅盤（在線審批、貸中管理、BI、規則配置和服務平臺）及大數據催收系統
• 數據及分析：多維海量數據、挖掘及業務需求分析。

貸前反欺詐

說起反欺詐，就需要聊下存在的欺詐風險情況：

• 61億信息泄露：我國個人隱私信息泄露總計61億條，其中8.6億條個人信息被明碼標價售賣。
• 200萬從業者：網絡欺詐的不法分子數量超過200萬人
• 915億經濟損失：因個人信息泄露造成的總體經濟損失達915億元。
• 1100億市場規模：網絡詐騙“黑色產業”市場規模高達1100億元，已成為中國第三大“黑色產業”
• 2000家機構倒閉：僅2016年，因騙貸、套現、盜刷等手段而倒閉的平臺超過2000家

反欺詐主要針對2方面：

1. 申請人是否為本人。申請人身份核實作為反欺詐的第一道防線，是對信貸申請者的信息做確認，主要為了核實申請人信息-人證是否一致。
2. 申請人是否有欺詐意圖。在確認申請人為本人后，核查申請人是否有欺詐意圖，主要通過結合金融機構信息及百融規則，如黑灰名單、多次申請、申請信息關聯、設備反欺詐等來實現。

整個流程大致如下

進件端，若是客戶通過設備進行申請的則需要到設備反欺詐規則，然后再到反欺詐強規則，若是由信貸員幫助客戶進件的則直接進入反欺詐規則，規則判斷通過后進入反欺詐模型中跑分，按照欺詐分，反欺詐模型應用策略會根據分值進行策略選取，然后通過反欺詐判斷。其中只要有一個環節命中反欺詐規則，則直接拒絕。

反欺詐是由各種專家規則及業務過程中產生的新規則集組成。

百融的規則集包括

實名反欺詐規則集：包括法院被執行人、特殊名單、多次申請、申請信息核查

設備反欺詐規則集：包括設備信息核查、設備特殊名單、設備多次申請、設備異常操作（注冊登錄、借款、提現）

授權驗證規則集：包括通話詳單授權驗證、社保/公積金授權驗證、淘寶、京東、天貓消費信息授權驗證等。

這里提到的專家模型具體是什么？

專家判斷模型，需要使用大量欺詐樣本，應用規則引擎及統計分析技術，基于申請人最客觀的特殊名單數據、多次申請數據、地址核實數據等，進行多維度多規則的組合，挖掘出申請人更多的特征用于反欺詐模型和策略的訓練，來預存欺詐的概率。

而這些數據主要包括人行征信數據、金融機構自有數據及百融數據（設備反欺詐數據、申請信息關聯數據、多次申請數據、特殊名單等），這些數據都是在信貸場景下，經過一整套信貸行為驗證對于反欺詐相對有效的。

但單純的數據還是很單薄，不同的產品、不同的客戶群體及風險偏好，需要在數據基礎上加上各種規則+權重+閾值，以應對各種情況下的欺詐行為，降低錯誤判斷。

【獵人說】反欺詐的難點在于欺詐特征難以抓取，欺詐樣本少、特征變化快。針對這些難點，需要將機器學習特征，歸納各種欺詐特征點，相處特征庫；在特征歸納過程，積累欺詐樣本或者從別的機構獲取，并結合輿情爬取工具，在一些黑產相關輪流或交流群抓取交流內容，提高應對欺詐行為的實效性。

欺詐分應用策略

欺詐分的使用一般可參考百融這3個應用策略：

（1）啟動與促使應用

以專家判斷為主，百融將基于大量信貸機構的服務經驗提供欺詐分的初始應用策略；以機器學習為輔，通過實證違約數據不斷訓練行為分析模型。

（2）實證與驗證

通過實際樣本評估專家判斷與機器學習的有效性和誤報率；在計算綜合欺詐評分時確定專家判斷與機器學習的評分的占比和互補性策略。

（3）交叉使用與持續改進

在專家判斷模型在實時監控申請人行為的同時，通過機器學習模型彌補實時行為可能帶來的規則誤判；持續監控模型有效性并不斷改進模型設計與應用策略。

貸前風控-信用評估、額度策略

貸前環節，通過反欺詐規則的客戶，進入信用評估及授信環節，這個環節通常會有個打分的環節，也就是信用分，也稱個人綜合信用評分，是指通過使用科學嚴謹的分析方法，綜合考察影響個人及其家庭的內在和外在的主客觀環境，并對其履行各種經濟承諾的能力進行全面的判斷和評估。

反欺詐評估的是用戶的騙貸可能性，通過的反欺詐的用戶，便可以進行信用評估階段，評估用戶的違約概率。

信用評估階段百融用的是信用評估模型，生成對于借款人信用等級判斷的百融信用評分。百融信用評估模型是基于多家金融機構信貸違約數據樣本與門建立的模型，針對性強，覆蓋面廣。 信用風險評分越高，逾期風險越低，模型的策略規則需要根據模型的結果以及金融機構風險控制的總體目標綜合考慮。

信用分是反欺詐分的一個正向評分，需要的數據包括客戶申請、用戶偏好、穩定性、用戶關系、用戶行為、人行征信及用戶價值等，通過一定的數據處理和算法模型，形成信用評估模型得出信用分，用于得出申請人信貸額度。

【獵人說】額度授信模型，一般分基礎授信額度模型及補充授信額度模型，基礎授信額度一般涉及數據只有簡單的非授權可獲取的用戶負債或收入數據，補充授信額度模型涉及的多是需要授權的社保、公積金、房產、車輛、學歷、婚姻狀況等。

基礎授信額度模型

授信額度為產品平均授信額度，只需要知道用戶的基本信用資質及還款能力符合即可。屬于最低原則授信。

補充授信額度模型

屬于客戶對于一個信貸產品需要更高授信額度時的申請，需要提供額外信息進行增信，機構判斷是否給予更高額度，并給出額度建議?？紤]的維度，除了最基本的信用和還款能力外，增加資產證明、財力證明、長期穩定且優質的收入來源等。

（1）貸中風控-存量預警

貸中管理是從貸款發放之日起指貸款本息收回之時止的貸款管理。而貸中風控主要做的是監控和風險預警。

貸中監控屬于借貸環節最不引人矚目的環節，有“重貸輕管”的情況。

如果說貸前的風控做的好不好決定了企業是否能夠存活，貸中的管理決策則決定企業的可持續性發展。

貸中監控主要針對這2個維度一般體現在還款行為、訴訟信息、特殊名單變化、多次申請記錄變化、聯系狀態變更等維度，一般監控的維度有發生變更給的，需要及時發現并做風險預警。

這些維度變化反應了客戶的還款能力及還款意愿。

• 還款能力：主要通過對首次逾期的客戶的資產信息、收入信息、消費信息、共債信息及提供或修復的聯系人信息，對客戶的資金、資產狀況進行勾勒，評估聯系人是否可以回復正常。通過對以上幾方面的變量建模，得出還款能力的綜合評判結果。
• 還款意愿：通過選取信用審查所使用的幾類數據模板，包括特殊名單、多次申請、公安法院信息、敏感社交數據以及人行征信報告中的歷史逾期、還款信息進行建模，得出還款意愿的綜合評估結果。

（2）貸后風控-大數據催收

逾期客戶畫像-清晰催收對象情況

多維度畫像數據，精確勾勒逾期客戶還款能力與意愿的相關情況并精準量化。

催收評分-按分評估對象催收難易度

融合了委案金額、賬齡、地域等多維度信息的建模評分系統，兼顧逾期客戶的還款能力及意愿，對債務人的還款可能性進行綜合評估。

分單策略-不同能力催收員負責不同難易程度的催收對象

根據催收評分，結合系統總催收人員的業務能力指標來制定分單策略，以對案件進行合理化分配，提升催收效果。

輪循撥號-友好自動撥號，打到你接

對于高頻、簡單的催收案件，采用試觸式輪循撥打，減少人工操作，縮短撥打間隔，有效提升催收效率。

基于以上說述的信貸行業解決方案，除了單獨給各機構采購使用，百融金服也切入了網絡小貸板塊的業務鏈條，將整體產品能力打包造了個貸款超市，將其在信貸行業的整個產品能力布局鏈條串聯起來。

網絡小貸板塊布局

成立的廣州數融互聯網小額貸款有限公司擁有互聯網放貸資質，通過深圳數趣信息科技有限公司運營，主要對外的落地產品叫做“榕樹貸款”貸款超市APP。

榕樹的簡介：

榕樹是百融金服旗下的智惠金融服務平臺，由深圳數趣信息科技有限公司和廣州數融互聯網小額貸款有限公司聯合開發并運營。依托與強大的數據分析能力和先進的人工智能技術，榕樹能夠為用戶提供包括貸款、信用卡申請等一系列精準、便捷的線上金融服務，為金融機構和個人搭建起智惠金融互聯橋梁。

市面上貸款超市，必備的硬實力，主要還是看流量。 而百融做的貸款超市，流量保證無法是通過多種當紅流量媒體打廣告引流?，F今這些媒體流已經有細分用戶標簽的功能，這里剛好對于做風控的百融來說，是最了解各機構風控規則及用戶畫像的，只要從自身數據從提取劃分用戶畫像，再通過媒體精準觸達相應用戶，觸達率和轉化率等都應該可以有一定的效果。

對于資金方來說，百融自有的風控規則成本百融自己承擔了，且風險大部分也在百融，急需優質資產的資金方還是非常愿意與百融一試。

而對于百融來說，榕樹APP業務跑起來，既借資金方的錢，獲取了信貸資產包，這個過程還可以不斷驗證大數據在營銷及風控的應用和磨合情況，最好還能借導流獲得相當客觀的分成，這個生意還是十分不錯的。

百融金服正在聯合互聯網金融界部分企業，結成金融反欺詐聯盟，如今這一聯盟已經初步成型，參與企業已囊括互聯網金融領域內約100家平臺或企業。

保險行業布局

百融金融在保險行業的布局，基于其對保險行業的了解，用戶大數據在保險行業的機會（外部數據與保險主數據進行結合）：

開源：

• 存量盤活：有效地激活現有客戶，制定營銷策略，提升續保和加保的轉化率
• 品質提升：有效進行客戶分群，優化客戶結構，提升保單品質
• 個性化定制：針對特點人群進行定制產品并銷售

節流：

• 提前預警騙保行為（重復投保、偽造健康狀態等）
• 及時發現騙賠案件，有效降低賠付率（車險、健康險等）
• 與營銷結合，動態定價（車險、健康險等）

（1）在開源方面

其在保險行業的實踐之一包括了投資成立了?黎明保險經紀有限公司，這家公司代理的保險產品主要為財險，小部分壽險。

黎明保險經紀有限公司提供了合法合規的業務資質，保險產品主要對外是通過北京天融互聯網科技有限公司的愛多保APP，針對代理人展業業務；保險業務銷售通過北京安富寶科技有限公司實現。

愛多保：保險代理人展業工具APP

【現今的保險業務擴展，傳統線下代理人雖然成本較高，但相對來說成交率還是能保證，人海戰術比線上海量廣告獲客更有效】

安富寶：保險超市APP，主要銷售黎明保險經紀公司保險產品

【貸款超市，代理的產品選擇一般有3種，一是市場上知名保險公司產品，二是傭金比例較高的產品，三是自家的或者有利益綁定的保險公司產品】

這2家保險業務布局都需要百融自身有足夠多的用戶數據進行畫像細分定位，才能進行精準營銷變現。這個實踐過程，也可以不斷優化豐富其營銷模型。

（2）節流方面

主要還是將信貸的那套成熟的風控模型及算法，通過結合保險業風控的特點，不斷磨合有效的數據類型，形成能夠應用于保險業務投保前（反騙保）及投保后的理賠反欺詐。

騙保模型：

主要針對重復投保、偽造健康狀態，偽造虛假憑證。目的是為了減少保后損失。

能應用于保險業務的風控數據，最重要的一般需要知道被保險人的醫療信息及其他機構投保信息。這方面如何獲??？相對簡單的就是從支付公司獲取包含用戶在保險公司和醫院大額支出的相關的支付行為標簽?；蛘吲c醫療平臺和政府平臺（國家衛生部,省級機構:縣衛生局等）聯動獲取數據。

下面簡單看看百融的理賠反欺詐模型和減損模型：

環節一：

理賠案卷審閱（自動化提升人工審閱速率）-主要用于查詢滲漏和欺詐來源于原因，包括：

• 確定、抽取理賠卷宗樣本
• 制作分析工具和問卷
• 抽取理賠卷宗
• 初步和主要審閱
• 初審分析
• 主審分析
• 確定滲漏點、分析原因，給出改進建議

環節二：

行為建模-主要用于發現滲漏和欺詐的規則和模型，包括：

• 分析案卷特征
• 分析案件類型因子
• 簡歷行為模型
• 驗證行為模型
• 確定行為模型

環節三：

系統監控-與理賠系統集成，建立閉環系統

• 建立模型處理引擎
• 與理賠系統進行集成
• 實時監測案件的滲漏和欺詐可能性
• 滲漏和欺詐告警
• 分析報告
• 持續優化

六. 總結

百融主打兩大行業：

• 第一是信貸行業，包括銀行、消費金融公司、信托、小貸公司；
• 第二是保險行業。

開拓市場主要使用直銷模式

采取自上而下的路徑，先服務標桿客戶，如大型銀行、持牌消金，再服務中小銀行、互聯網助貸機構。從標桿客戶切入的獲客方式有多重優勢，首先，頭部客戶業務量大，客單價高；其次，品牌背書明顯，跟標桿客戶合作后，再去獲取中小銀行、互聯網金融公司更容易。

專注精準營銷和風控兩大類場景并提供數據和模型服務

金融信貸與保險兩個領域客戶需求優先側重點不太一樣，信貸機構是把錢給別人，所以排第一位的是風險，然后是營銷。保險行業先收別人的錢，所以第一是營銷，其次才怕騙保。而且依靠幾年前在百分點的積累，百融有做優質的白名單客戶的基礎，所以切入信貸時先做風險，再做營銷；在保險行業則是先做營銷，再切入風控。

?

相關閱讀

百家風控公司揭秘系列｜91征信公司及產品調研報告

百家風控公司揭秘系列2｜華道征信&億美軟通公司及產品調研報告

百家風控公司揭秘系列3｜京東系ZRobot公司及產品調研報告

百家風控公司揭秘系列4｜京東系聚信立公司及產品調研報告

百家風控公司揭秘系列5｜“網紅”同盾科技公司及產品調研報告

#專欄作家#

大數據獵人，微信公眾號：大數據獵人，人人都是產品經理專欄作家。多年金融科技行業相關戰略研究、行業分析、商業模式及產品體系研究經驗，擅長政府數據+企業數據+公開數據多源數據融合流通交易及應用

本文原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協議