同盾科技:万亿资金看门人,金融风控和反欺诈生意能做多大?-爱分析

公司亮点

(1)跨行业联防联控:加强信息关联,共享数据价值;

(2)产品线集中:专注大数据风控,覆盖金融行业和非金融行业多个领域。

当前,互联网金融快速发展,伴随而来的是互联网欺诈及信贷风险发生率的上升。据全球知名征信公司Experian统计数据显示,中国互联网欺诈风险已在全球排名前三。

同时,由于移动设备应用广泛,交易速度和频率提高,风控及反欺诈难度不断增加。而欺诈范围由原来多发生在金融行业,逐渐扩展到社交、娱乐、游戏、电商等多个领域。

面对网络风险的加剧,为互联网金融、传统金融、电商等行业提供风险控制及反欺诈服务的三方服务商阵营也在迅速成长和壮大。成立于2013年的同盾科技在不到三年的时间里获取四轮融资,成为风控与反欺诈领域里的一股重要力量。

跨行业联防联控

同盾是一家第三方大数据风控服务公司,为非银行信贷、银行、保险、基金理财、三方支付、航旅、电商、O2O、游戏、社交平台等十个行业提供风险控制与反欺诈服务。跨行业联防联控,是同盾一直坚持的理念,也是其最大的特色和优势。

以往的风控和反欺诈是基于一个个的行业或企业信息孤岛。而同盾坚持跨行业联防联控,是因为其认为,互联网上同一个欺诈分子和行为,并不是只针对一个行业、一家企业,而是游走于各个行业、平台之间。例如,一个欺诈分子,他可能在社交平台伪冒身份,可能在游戏平台盗取帐号,也可能在信贷平台恶意骗贷等等。

同时,欺诈行为逐渐团伙化、流程化和专业化,欺诈团伙掌握了某类诈骗技术,并不会只用于攻击单一行业。因此,欺诈手段在不同行业是共通的。

基于以上原因,同盾认为使用以往的风控方式,很容易出现将“坏人”误判为“好人”,或将“好人”误杀掉的情况。因此,同盾希望通过跨行业联防联控,消除不同行业的数据孤岛,实现数据共享,达到更理想的风险控制效果。

具体说来,同盾是将用户在不同行业的信息数据连接在一起,通过用户在不同行业显示的地理位置、人机行为、设备表示等信息,发现欺诈证据的隐性关联和多重关联信息,对用户行为进行评判,判断其究竟是不是“坏人”,以减低评判的误差率。

也正因为此,同盾 90%的数据源于自身内部的生态系统,即是通过合作的多个行业获取数据,并将跨行业数据关联起来。目前,同盾合作机构达到3,000家,其中金融机构为1,000家。在同盾的合作方中,能够有效反馈数据的约占比50%。同时,同盾掌握的实名数据达到亿级别。

虽然同盾具有数据充足的特点和优势,但同盾并不提供获客引流、精准营销等数据分析服务。原因有两方面,一方面,避免产品线过于分散,集中深耕信用风险领域,建立行业差异化优势;另一方面,客户将相关数据提供给同盾是用于风险控制领域,假如将这些数据用作营销或其他方面,同盾认为有悖于第三方立场。

在数据调取上,目前,同盾每天的数据被调取量约为3,000万,而信贷业务平均每天约500万笔。假设个人单笔借款为1万元,同盾每年经手的借款申请已突破万亿规模。

而每个行业调取数据的方式和用途都不同,收费方式也不同。相较而言,信贷行业的数据调取维度更全,收费会高一些,而游戏、娱乐等行业的调取更多是用于账号的验证和保护,需要的数据简单,收费也相对低。

产品线集中

目前,同盾的产品包括为信贷风控和反欺诈两方面,同时也是跨行业联防联控的两大核心。其他同类公司大多集中针对金融领域,而业务除大数据风控以外,还包括获客营销、不良资产管理等环节。同盾的不同之处在于,只专注于大数据风控和反欺诈,并将大数据风控服务覆盖到多个非金融行业,旨在以集中的产品线保证产品和服务质量。

在信贷风控方面,同盾帮助包括银行、保险、P2P网贷、消费金融、汽车金融等金融机构防范信贷交易全过程的风险。从金融机构的业务流程来看,风险是存在于信贷行为的整个生命周期的,同盾以失信数据和风控模型为基础,通过用户画像、风险标签、信用评判和欺诈团伙识别等手段,建立贷前审核、贷后监控、逾期催收的信贷全生命周期风控体系,帮助金融机构降低潜在风险。

同盾科技:万亿资金看门人,金融风控和反欺诈生意能做多大?-爱分析

在反欺诈方面,同盾不仅面向银行机构、信贷理财等金融行业,还覆盖到电商交易、三方支付、游戏娱乐、社交门户等多个非金融行业,为其提供包括账号保护、交易保护、接口保护、营销反欺诈、核身验证等服务。

反欺诈的核心是信息关联。同盾认为,信息关联的网络越稳定,反欺诈的成功率就越高。因此,其在内部生态系统将不同行业的反欺诈结点和数据关联起来,并利用分析技术和工具发现欺诈风险。

无论是信贷风控服务,还是反欺诈服务,都是基于大数据分析技术和手段。通过用户画像,同盾对用户进行欺诈风险识别。而能够准确地勾勒出用户画像,依托的是同盾的底层技术。通过运用设备指纹、地理位置检测、身份识别、实时计算等底层技术,同盾将用户的线上和线下不同维度的信息关联起来,分析用户行为数据,建立用户信用画像,防范欺诈风险,提供风险保护。

以“设备指纹”技术为例,一个诈骗团伙会有经常使用的多个黑卡、身份证,这些资源会被重复使用在不同的行业、场景。同盾利用设备指纹技术,通过在某个行业的一次诈骗行为,追踪到行为背后的PC、移动终端,此后在同一终端即便使用不同的身份、账号、网站,所有恶意行为也都会被发现,并被严密防控,避免二次诈骗。

未来发展

目前,在大数据风控领域,同盾是拥有最多数量合作方的机构。关于未来发展,爱分析认为,同盾一方面可以继续夯实反欺诈服务。同盾在反欺诈方面已经具备扎实的技术和经验,并占据一定的市场地位,未来可以继续发挥这一核心优势,将反欺诈服务做大做全。

另一方面,可以增加信用分析服务。市场尤其是信贷行业对于征信的需求非常强烈,征信市场具有巨大的发展空间。建立信用评分,不仅可以更好地评估信用风险和还款能力,还可以增强风控平台的竞争力。目前,同盾已制定建立信用评分的发展规划,并与部分三方数据公司建立合作,开始提供信用评分和风险建模服务,目前已经有多家金融机构在使用同盾的信用评分。

同盾科技:万亿资金看门人,金融风控和反欺诈生意能做多大?-爱分析

同盾科技CSO:马骏驱

近日,爱分析对同盾科技进行了调研,并和联合创始人兼CSO马骏驱进行了访谈,现摘抄部分内容与各位分享。

Q:以哪个领域的风控云作为重心?

A:我们的理念是跨行业联防联控,会平衡发展不同领域,因为当中的数据不是分开而是交叉的,而风控针对的人群也有很大的交叉,所以没有把资源和重心往某一项风控云上倾向。我们认为大数据领域,数据多样性很重要。同盾像一张非常大的网,里面有很多节点,节点之间的临界是另外不同的元素,这些元素可能是来自很多不同的行业。不同行业的信息汇集在一起,将这张网延伸得越来越大,我们希望这张网可以平衡发展。

Q:信贷风控的特色和优势是什么?

A:其他公司应该也有跨行业的数据,但我们最大的不同就是,我们 90%的数据来源于自身的生态系统,跨行业里的交叉关联信息,是我们系统的产物。

Q:内部生态系统的数据源有什么优势?

A:一是数据稳定,原因就是我们数据来源于自身内部生态系统;二是误杀率低,即是把“好人”当做“坏人”误杀的概率是多少,我们不是用直接的事件去证明这是一个有问题的人,而是用间接的方法去发现这个问题;三是技术过硬,我们有很多懂隐性关联的技术人员,公司人员70%是数据科学家和技术专家,在技术上不断创新。

Q:内部生态系统具体有什么作用?

A:生态系统的意义,一是调用,二是反馈。调用是发生在不同场景中,有些在贷前、贷中、贷后,有些在反欺诈、身份保护,都不一样。而每一个场景在调用、反馈的时候,会有很多不同的额外信息,这些信息之间的关联是至关重要的。在生态系统里通过调用、反馈,使这张网变得越来越有效。

Q:同盾的核心是什么?

A:很多人以为同盾是提供名单,其实不完全对,因为名单在反馈、计算过程中,特别是黑名单,需要很长的时间。其实同盾是黑名单加黑行为,这是一个复杂网络的伸延,我们不停地实时在计算网络人员之间、号码和号码之间、设备和设备之间的复杂关系,去发现有欺诈嫌疑却想要隐瞒过去的人,这才是核心。

Q:现在是判断是否为好人,以后会去做风险定价、评分吗?

A:我们现在评判的不单单是这个人,而是现在进行的这个行动风险有多高,他用来申请的这个设备风险有多高,所以我们是通过不同的维度去评判。未来,针对客户的需求,同盾风险评分会上线,在不同应用场景推不同的服务,大客户和小客户的需求不同,我们会平行去做。

Q:现在和金融机构有合作建模?

A:我们团队完成建模了,有些是要用到云端计算的变量,有些是用到大企业的内部变量,现在变成了混合的方法。同时,数据团队会帮一些公司共同建模。

Q:客户数据是如何反馈的?

A:生态系统里面,不是反馈某一个人有问题,而是反馈某一张卡、某一个设备有问题。不同客户在不同情况调用数据,本身就是一个反馈,比如获客保护、贷后信用监控。

Q:如何提高反欺诈的成功率?

A:最主要是看会不会误判,同时,我们也会根据客户的业务方向调整我们的风险级别,平衡客户体验和风控效果。

Q:未来会采用人脸识别技术吗?

A:目前我们有相关的合作伙伴。每个客户的需求不一样,手段也就不一样。如果统一用的话,用户体验会很差的。

Q:最近有融资计划吗?

A:暂时没有。如果有大的行业整合机会的话,可能会考虑。