B端供應鏈金融如何反欺詐?
供應鏈金融的反欺詐就是通過決策引擎來提升供應鏈上的風險識別能力,從而進行有效防范和降低企業損失。
供應鏈金融是B端企業布局產業互聯網的必然趨勢之一。
它是基于大數據風控,鏈接三方金融機構,圍繞核心企業,來管理產業鏈上下游企業的信息流、物流、資金流。
供應鏈金融主要應用場景有墊資采購、融資租賃、倉儲金融、保險申購、信用卡分期、銀行按揭等。
一、了解金融欺詐
面對供應鏈汽車金融的各種應用場景,首要解決的問題是金融欺詐。
金融欺詐是用虛構數據、隱瞞事實的方式來騙取資金,且在申請借款時沒有還款意愿。
常見的欺詐類型包括:資料造假、老賴、多頭負債、信用惡化、內外勾結、虛假交易數據、冒充他人申請、團伙欺詐、多頭負債、團伙欺詐、身份異常、還款來源不足、用途不明、不良信用記錄、惡意拖欠、企業經營異常、跑路。
供應鏈金融欺詐就是企業將虛假交易數據與虛構經營數據,作為供應鏈授信的依據。
以汽車融資租賃應用場景為例,其欺詐行為包括申請欺詐、信用風險和壞賬風險。
- 申請欺詐:資料造假、身份冒用、用途不明;
- 信用風險:多頭借貸、合同詐騙、虛假交易;
- 壞賬風險:人車失蹤、經營異常、惡意拖欠。
二、反欺詐策略
對于供應鏈金融而言,在解決上下游企業融資難的問題時,也要確保隨之而來的金融欺詐風險可控。
面對金融欺詐風險,首要任務是采取反欺詐策略。反欺詐就是通過對內外部數據的采集和分析,找出觸碰規則的欺詐信息,從而預防欺詐行為的發生。
常見的反欺詐策略有:OCR識別、用戶基本信息、黑名單、多頭信息、手機號校驗、運營商認證、人臉識別、活體驗證、三方數據、設備信息、關系圖譜、用戶行為數據等。
反欺詐策略是供應鏈金融相關企業的核心內容,具體策略根據公司業務而定。
比如消費分期產品的決策樹反欺詐策略,我們會采集用戶的設備信息及基本信息,通過決策樹可視化模型,提取決策變量組合,從而構建反欺詐規則集。
三、反欺詐模型
在反欺詐策略的指導下,我們可以通過大數據分析、機器學習、AI、和區塊鏈等技術手段,建立實時數據采集、數據處理和欺詐返現的反欺詐模型。
比如現金貸的設備埋點反欺詐模型,在客戶完成授信時,從設備信息驗證和設備指紋識別中,提取符合反欺詐特征標簽的數據,進一步搭建反欺詐模型。
結合歷史放貸樣本的y值,使用lightgbm和xgboost框架進行機器學習和深度學習,從而得到得到欺詐評分或欺詐規則,確保數據符合準入策略、認證策略和支用策略。
在供應鏈金融業務中,反欺詐模型起著很重要的作用。
- 從關系圖譜上,能夠了解關聯企業的經營關系;
- 從客戶畫像上,能夠識別惡意客戶與行為數據;
- 從數據挖掘上,能夠判斷企業真實的經營狀況。
簡而言之,供應鏈金融的反欺詐就是通過決策引擎來提升供應鏈上的風險識別能力,從而進行有效防范和降低企業損失。
本文由 @朱學敏 原創發布于人人都是產品經理,未經作者許可,禁止轉載。
題圖來自Unsplash,基于CC0協議。
- 目前還沒評論,等你發揮!