先花花大数据社交风控引领者

World leader applying social network analysis in credit scoring.

WELCOME TO XIANHUAHUA

大数据社交风控三大核心内容

反欺诈

反欺诈系统在贷前就能有效分析甄别出带有欺诈风险的用户,并且提前进行筛选后对风险等级进行预判提示.

社交圈贷后表现

在贷后阶段对用户的社交圈相关数据进行监控,以保证在用户出现逾期可能性后第一时间发现并启动相应措施,为后期逾期的发生做好相关准备工作.

社交圈行为变量

监测用户在社交圈的多个行为数据变量,在模型中反馈到对应的用户行为预判,以达到社交大数据的风控目的.

产品优势

大数据社交风控的优势在哪里?

动态数据

大数据风险定价更准确

了解详情>>
获取用户的各类动态数据,例如历史借贷记录、地址位置定位、移动电话使用情况、电子商务购物历史等一些列动态数据的获取来掌握用户在未来一段时间里的信用风险,从而到达对用户的提前进行判断的效果,预防可能存在的风险。

社交网络

具有天然的覆盖全社会动态维度的特性

了解详情>>
在用户使用的社交网络里进行社交关系的捕捉,在模型的帮助下将用户的行为数据记录后进行分析,得出大数据指判断后的结果,辅助人工进行个人所在社交网络的评级,作为评级要素的一部分更全面的提供了数据支持,同时提升了欺诈伪造成本。

措施多样

对被征信对象约束力大

了解详情>>
利用提供服务过程中收集的各类数据,从各个维度向已经发生逾期的用户发送催收通知,以确保逾期用户在第一时间被催收人员接触到,确保其可联系的基础上,进一步采取全方位的催收措施展开催收程序,保证逾期率在可控范围内。

全局监控

欺诈成本高,有效预防团伙欺诈

了解详情>>
从用户开始使用产品过程中的行为异常、用户社交网络中的数据异常、第三方提供的反馈结果异常等数据通过全局监控,如果在任何一个环节出现风险预警则终止其后续操作,抵御可预见的风险,通过预判筛查出高风险用户进行处理。

数据表现

近期通过风控系统抓取到的社交关系数量

Size: Color: Product:
  • 2015年3季度
  • 2015年4季度
  • 2016年1季度
  • 2016年2季度
  • 2016年3季度
    • 1500万
    • 2100万
    • 4100万
    • 5500万

风控系统

基于社交网络的授信风险评估模型

  • 国际经验

    Facebook:基于社区网络构建金融信用体系

  • 中国实际

    中国社会的“人情社会”特征,构筑了一个社交密度, 强度优于西方的关系网络

  • 先花花实践

    社交金融的实践摸索加深了我们对基于用户社交数据 构建征信体系的信心

  • 产品

    用户社交数据的整合能够产品化输出,服务于各类合作企业.

  • 模型调用

    通过社交模型的调用来分析用户的潜在逾期风险.

  • 模型交互

    过定制的社交模型和自有的模型进行交互从而得出更准确的结果

风控模型

经数据验证表现优异,训练集 测试集KS均高于0.3