过去一两年,互联网金融迎来爆发式增长,其低成本、高效率、新模式的特点有效补充了传统金融机构的市场空白,承担着引导金融走向普惠的重任。与此同时,逾期率和坏账率高、欺诈申请较多等欺诈风险和信用风险也在日益攀升。
对互联网金融企业而言,传统风控手段成本过高、反馈结果慢,且覆盖率一般,而全场景风控产品误杀率又较高,都无法很好地满足风控需求,导致诸多互金机构面临着严峻的风控挑战。
近日,由联动优势主办的“第六届产品技术大会”在京召开。此次大会以“觉醒·Fintech”为主题,汇聚金融科技先行者、业界权威专家、资深行业领袖等数百位精英,共探大数据、人工智能、云计算、区块链等前沿技术在金融行业的创新应用。
作为大数据技术专家,个推(浙江每日互动网络科技股份有限公司)高级副总裁刘宇先生受邀出席本次会议并发表精彩演讲,向现场嘉宾展现个推大数据技术在金融风控及反欺诈领域的实践与探索。

个推专注消息推送多年,积累了海量数据,拥有深度的数据挖掘分析能力,加之天然的技术基因,为跨界金融领域提供了夯实基础。今年,个推针对金融企业推出大数据风控产品——“个真”。
据公开数据显示,截至2017年3月底,央行个人征信系统共收入自然人9.21亿,其中拥有信贷记录的仅为4.42亿人,仍有很大部分人群的信用记录未被纳入。这些人通常没有申请过银行贷款,较少使用信用卡,因此他们的信用记录是缺失的。个推大数据风控模型基于个推庞大的数据体系构建而成,覆盖数十亿移动终端,能将更多层级的人群纳入到互联网金融的服务范围之内,并通过深入洞察用户、构建金融画像,实现“去伪识真”的信用评分和智能反欺诈。
目前,个推已和国内多家知名金融机构以及数据服务商达成战略合作。
大数据识“真人”
个推大数据风控的核心是能够识别“真实的人”:通过个推大数据技术对潜在用户的年龄段、消费水平、职业、线上APP使用行为和线下场景活动数据等进行挖掘分析,综合判断用户群体是否有稳定的职业特性和稳定的长住区域,以及是否正常使用常见的高频类APP,从而识别出“真实的人”。

结合自有的智能标签系统,个推将真实用户细分为包括金领、白领、蓝领和有较高收入的自由职业者在内的“有领”人群和无固定工作的“无领”人群,向他们提供精细化金融服务。
个推大数据金融致力于服务真实用户,同时秉承“救急不救穷”的原则,希望通过大数据之力真正帮到那些“有急用、还得起”的人群,并且不让“以贷养贷”的人有机可乘。
当用户的线上行为和线下场景出现异常时,个推将根据其具体表现推测是否为风险用户。一旦发现欺诈嫌疑人群,个推将快速判断欺诈场景,有效分辨黑名单、黑中介和薅羊毛党,同时提供反欺诈接口服务,帮助金融机构快速核验用户信息,从而减少逾期率和坏账率。
个推大数据中心拥有数亿日活用户数据和丰富的强相关场景数据,以及来自战略合作伙伴的数十万借贷样本数据,通过机器学习等算法进行建模和验证,打造出一套可应用于各个细分场景的设备信用评分系统,助力精准评估用户信用和预测欺诈风险。经过完整的信贷周期之后,真实、可验证的评分将使整个信用评分系统随着时间的积累变得愈加精准与智能。
“精准流量”高效拉新
获客成本不断攀升,流量转化却收效甚微,给部分金融企业带来了巨大压力。
个推大数据风控从流量源头做起,在金融机构拉新获客阶段就把风控方法应用于人群定向中,帮助金融企业识别出“真实的人”,从中筛选出优质流量。
对于定位为真实用户的潜在目标人群,个推通过用户对于借贷类APP的使用行为、消费水平以及信用评分等,综合判别真实需求用户、恶意多头借贷用户和金融新用户,并进行区分对待。针对真实需求用户和金融新用户,个推提供“精准流量”服务:通过丰富的媒体资源、优质的曝光对用户进行多种方式的触达,有效降低获客成本、帮助客户快速高效拉新,达到品效合一的营销效果。
如今,科技与金融深度交融的时代已经到来,个推将继续深挖技术创新与产品升级,同时秉承开放的心态,与更多合作伙伴一起探索金融科技的浩瀚天空。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。