调研了上百家从事风控数据业务的公司，有行业大牛也有各种低调开展业务的，在不会泄露各公司太敏感信息的前提，本着客观的角度及学习的态度，逐一揭秘各家公司的征信风控产品及数据源特色。本期的目标将是风控行业的做模型做的比较出众的【百融金服】

一. 公司介绍

百融金融信息服务股份有限公司（简称“百融金服”）成立于2014年3月，是一家利用大数据技术为金融行业提供客户全生命周期管理产品和服务的高科技公司。

作为最早涉入大数据金融信息服务领域的企业之一，百融金服凭借线上线下融合的多维度海量实时数据、服务银行等金融机构的行业先入优势、以及超强的大数据处理和建模能力，为信贷行业用户提供包括营销获客、贷前信审、贷中管控以及贷后管理在内的客户全生命周期产品和服务；为保险行业用户提供精准营销、存量客户管理以及个性化产品定制等产品和服务。

百融金服是最早将大数据技术应用到清收行业的企业，利用大数据清收帮助金融机构更好地管控个人信贷业务逾期风险，大数据资产增值服务平台可以为金融机构提供资产处置、资产托管以及资源整合的服务。

二. 融资情况

2014-12-23获得A轮融资，由高瓴资本人民币基金领投，IDG资本人民币基金、浙报传媒集团跟投。

2015-10-04完成B轮融资2亿元，由中国华融资产管理公司领投，红杉资本人民币基金等投资机构跟投，华兴资本担任此次融资的独家财务顾问。

百融金服融资全靠大数据技术。百融金服的优势在于有着跨平台的全网数据库，风控不像传统风控企业单纯倚仗少数几类变量进行风险评估，而是进行多维度信息核查，通过超过50万个维度的的数据变量的建模，得出相关的金融风险和信用评估指数。

大数据技术的成熟似乎让金融机构看到了个人征信的另一种可能性，即利用非金融领域的数据为金融机构提供用户信用评估，对人口统计数据、消费数据、网站行为数据、社交数据、金融数据等结构化以及非结构化数据进行挖掘和关联性分析，给出相应信用评分，为其提供信用参考。

金融大数据服务仅是百融大数据征信应用的第一步，更大的发展空间将在泛生活领域展开，下一步要将风控业务触角延伸到政府机构、企业人力资源以及婚恋、电商、租赁、贸易市场等泛征信领域。

三. 股东背景及高管情况

目前百融金服的股东包括中国国际金融股份有限公司、华融资产管理有限公司、高瓴资本人民币基金、红杉资本人民币基金、浙报传媒、联动优势、IDG资本人民币基金等。

高管介绍：

（1）张绍峰

张韶峰先生是国内第一家专注于大数据与推荐引擎的互联网技术公司百分点科技合伙人，也是信柏科技合伙人。清华大学电气工程自动化学士、硕士，清华大学五道口金融学院讲师。

2014年，张韶峰先生创建百融金服，作为大数据应用的首批践行者，立志把百融金服打造成为国内金融领域最大的第三方风控及营销服务提供商，并以传播诚信文化理念，开拓诚信生态环境为己任，为国家全民信用体系的建设及普惠金融的实现贡献一己之力。

张韶峰先生最初以管理培训生身份加入全球最大的企业软件公司甲骨文大中国区数据挖掘与商业智能软件部门。之后加入全球最大的IT解决方案提供商IBM，负责商业智能与数据挖掘以及智能分析方案，并创建了天才博通公司，在天才博通期间一手打造了国内第一个SaaS模式的数据挖掘软件系统（Geni-sage Data Mining），时间序列预测效果远超欧洲领先水平，获得业界认可。

（2）柏林森

美国伊利诺伊大学，电子及计算机工程硕士、物理学硕士 中国科技大学，物理学学士 美国注册金融分析师协会，注册金融分析师 (CFA) 北美精算师协会，准精算师(ASA) Watson Wyatt Insurance and Financial Services，高级金融咨询师 Iris Financial LLC，高级金融系统工程师 专长于海量数据处理、数学建模、金融产品创新、时间序列预测、人工智能及其系统实现 2012年，柏林森与苏萌教授、电子科技大学互联网科学中心主任周涛共同著作《个性化：商业的未来》一书。

（3）苏萌

苏萌现任北京百分点信息科技有限公司董事长。毕业于美国康奈尔大学，市场营销学博士。曾执教于北京大学光华管理学院，任副教授、副系主任、博士生导师、新媒体营销研究中心执行主任。

苏萌是美国康奈尔大学市场营销学博士，专长于大数据营销、数据建模、推荐系统、个性化营销、消费者行为量化模型。2009年创立百分点科技公司。2011年担任沃顿商学院互动媒体创新中心中国会议联合主席，2011年荣获中国CE-MEGA百名最活跃年轻创业家，2012年入选北京市海聚工程。曾执教于北京大学光华管理学院，任副教授、副系主任、博士生导师、新媒体营销研究中心执行主任。央视财经频道特邀评论员， 《经济观察报》、《哈佛商业评论》等多家杂志与媒体的专栏作家。现任北京百分点信息科技有限公司董事长、CEO。

四. 百融前世-脱胎于百分点，开始起步

百融金服曾是百分点的金融事业部，其最初的数据积累来自于百分点。从第三方数据平台——企查查呈现的数据来看，百分点董事长苏萌是百融金服三大创始人股东之一。

百分点（北京百分点信息科技有限公司）成立于2009年，是中国领先的大数据技术与应用服务商。百分点有员工近600人，包括2位国家千人计划入选者，30多位博士，和来自于国内外一流大学与技术公司的300多人的研发团队。百分点首席科学家团队由多名国际顶尖的华人学者组成。

百分点拥有全国最大的第三方消费偏好数据平台，为电商、媒体、零售、家电制造、汽车、政府、电信、金融等多个行业，近2,000家互联网企业及传统企业提供大数据技术平台搭建和大数据驱动的SaaS应用，如华为、TCL、长虹、建设银行、王府井百货、长安汽车、万科、1号店和中国电信等知名企业。

核心产品包括技术层的大数据操作系统，管理层的用户画像标签工场，以及应用层的推荐引擎、分析引擎和营销引擎。使企业能快速、低成本地使用成熟的大数据技术和应用服务，帮助企业在“互联网+”时代获得大数据能力并转化为生产力。

技术、应用、数据是百分点的三大核心竞争力，技术上，百分点拥有成熟的大数据技术与管理平台，高性能的实时与离线计算能力和丰富的算法库及商业模型；应用上，百分点基于三大核心引擎的全业务驱动产品体系，帮助企业深入挖掘大数据的商业价值；数据上，百分点拥有5.5亿用户画像和1亿的商品画像，致力于在保障用户隐私及数据安全的前提下融合数据，推动数据流转，消除企业信息孤岛。

百分点成立之初主要为电商企业提供个性化推荐引擎。

2011年7月，百分点获得IDG资本和名信中国成长基金720万美元的投资。

2013年7月，百分点获得第二轮1000万美元融资，投资方为东方星空创投和IDG资本，

公司由提供大数据技术进入到大数据管理与应用领域。

2014年7月，百分点宣布获得2500万美元的C轮融资，由高瓴资本领投。

2015年D轮融资的是光大证券的4亿元人民币。本轮融资仍将主要用于技术与产品创新、人才引进、营销网络加强以及基础设施扩建。

【猎人说】在此不对百分点展开详细说明。

五. 百融金服金融服务方案

在百融，提到最多的不是某个产品或接口，而是整体的行业解决方案。

针对整个金融行业，百融的行业解决方案覆盖了营销、准入（贷前）、经营（贷中）及逾期（贷后）等环节。

营销环节主要需要解决的是：客户画像的勾画及细分；存量客户精准营销（新增用户板块在后面有讲到）；睡眠客户的重新激活。

• 准入（贷前）主要需要解决的是：反欺诈；信用评估；额度策略；定制化建模。
• 经营（贷中）主要需要解决的是：存量客户风险监控；动态风险预警；首次逾期排查。
• 逾期（贷后）主要需要解决的是：催收管理；资产托管。

最后是整个环节不可缺少的：资金资产对接。

百融的行业解决方案主要针对银行、保险、信贷三大主行业

我们在其对外投资板块，可以清晰看到其在网络小贷板块及保险行业板块的布局

以下主要讲解针对信贷产品的风险管理方案

百融这套信贷产品有个名字叫“风险罗盘”：

• 主要覆盖信贷全流程：贷前准入-贷中监控-贷后管理
• 功能模板包括：反欺诈、信用评估、授信额度、贷中预警、首逾排查、大数据催收
• 主要产品及功能：风险罗盘（在线审批、贷中管理、BI、规则配置和服务平台）及大数据催收系统
• 数据及分析：多维海量数据、挖掘及业务需求分析。

贷前反欺诈

说起反欺诈，就需要聊下存在的欺诈风险情况：

• 61亿信息泄露：我国个人隐私信息泄露总计61亿条，其中8.6亿条个人信息被明码标价售卖。
• 200万从业者：网络欺诈的不法分子数量超过200万人
• 915亿经济损失：因个人信息泄露造成的总体经济损失达915亿元。
• 1100亿市场规模：网络诈骗“黑色产业”市场规模高达1100亿元，已成为中国第三大“黑色产业”
• 2000家机构倒闭：仅2016年，因骗贷、套现、盗刷等手段而倒闭的平台超过2000家

反欺诈主要针对2方面：

1. 申请人是否为本人。申请人身份核实作为反欺诈的第一道防线，是对信贷申请者的信息做确认，主要为了核实申请人信息-人证是否一致。
2. 申请人是否有欺诈意图。在确认申请人为本人后，核查申请人是否有欺诈意图，主要通过结合金融机构信息及百融规则，如黑灰名单、多次申请、申请信息关联、设备反欺诈等来实现。

整个流程大致如下

进件端，若是客户通过设备进行申请的则需要到设备反欺诈规则，然后再到反欺诈强规则，若是由信贷员帮助客户进件的则直接进入反欺诈规则，规则判断通过后进入反欺诈模型中跑分，按照欺诈分，反欺诈模型应用策略会根据分值进行策略选取，然后通过反欺诈判断。其中只要有一个环节命中反欺诈规则，则直接拒绝。

反欺诈是由各种专家规则及业务过程中产生的新规则集组成。

百融的规则集包括

实名反欺诈规则集：包括法院被执行人、特殊名单、多次申请、申请信息核查

设备反欺诈规则集：包括设备信息核查、设备特殊名单、设备多次申请、设备异常操作（注册登录、借款、提现）

授权验证规则集：包括通话详单授权验证、社保/公积金授权验证、淘宝、京东、天猫消费信息授权验证等。

这里提到的专家模型具体是什么？

专家判断模型，需要使用大量欺诈样本，应用规则引擎及统计分析技术，基于申请人最客观的特殊名单数据、多次申请数据、地址核实数据等，进行多维度多规则的组合，挖掘出申请人更多的特征用于反欺诈模型和策略的训练，来预存欺诈的概率。

而这些数据主要包括人行征信数据、金融机构自有数据及百融数据（设备反欺诈数据、申请信息关联数据、多次申请数据、特殊名单等），这些数据都是在信贷场景下，经过一整套信贷行为验证对于反欺诈相对有效的。

但单纯的数据还是很单薄，不同的产品、不同的客户群体及风险偏好，需要在数据基础上加上各种规则+权重+阈值，以应对各种情况下的欺诈行为，降低错误判断。

【猎人说】反欺诈的难点在于欺诈特征难以抓取，欺诈样本少、特征变化快。针对这些难点，需要将机器学习特征，归纳各种欺诈特征点，相处特征库；在特征归纳过程，积累欺诈样本或者从别的机构获取，并结合舆情爬取工具，在一些黑产相关轮流或交流群抓取交流内容，提高应对欺诈行为的实效性。

欺诈分应用策略

欺诈分的使用一般可参考百融这3个应用策略：

（1）启动与促使应用

以专家判断为主，百融将基于大量信贷机构的服务经验提供欺诈分的初始应用策略；以机器学习为辅，通过实证违约数据不断训练行为分析模型。

（2）实证与验证

通过实际样本评估专家判断与机器学习的有效性和误报率；在计算综合欺诈评分时确定专家判断与机器学习的评分的占比和互补性策略。

（3）交叉使用与持续改进

在专家判断模型在实时监控申请人行为的同时，通过机器学习模型弥补实时行为可能带来的规则误判；持续监控模型有效性并不断改进模型设计与应用策略。

贷前风控-信用评估、额度策略

贷前环节，通过反欺诈规则的客户，进入信用评估及授信环节，这个环节通常会有个打分的环节，也就是信用分，也称个人综合信用评分，是指通过使用科学严谨的分析方法，综合考察影响个人及其家庭的内在和外在的主客观环境，并对其履行各种经济承诺的能力进行全面的判断和评估。

反欺诈评估的是用户的骗贷可能性，通过的反欺诈的用户，便可以进行信用评估阶段，评估用户的违约概率。

信用评估阶段百融用的是信用评估模型，生成对于借款人信用等级判断的百融信用评分。百融信用评估模型是基于多家金融机构信贷违约数据样本与门建立的模型，针对性强，覆盖面广。 信用风险评分越高，逾期风险越低，模型的策略规则需要根据模型的结果以及金融机构风险控制的总体目标综合考虑。

信用分是反欺诈分的一个正向评分，需要的数据包括客户申请、用户偏好、稳定性、用户关系、用户行为、人行征信及用户价值等，通过一定的数据处理和算法模型，形成信用评估模型得出信用分，用于得出申请人信贷额度。

【猎人说】额度授信模型，一般分基础授信额度模型及补充授信额度模型，基础授信额度一般涉及数据只有简单的非授权可获取的用户负债或收入数据，补充授信额度模型涉及的多是需要授权的社保、公积金、房产、车辆、学历、婚姻状况等。

基础授信额度模型

授信额度为产品平均授信额度，只需要知道用户的基本信用资质及还款能力符合即可。属于最低原则授信。

补充授信额度模型

属于客户对于一个信贷产品需要更高授信额度时的申请，需要提供额外信息进行增信，机构判断是否给予更高额度，并给出额度建议。考虑的维度，除了最基本的信用和还款能力外，增加资产证明、财力证明、长期稳定且优质的收入来源等。

（1）贷中风控-存量预警

贷中管理是从贷款发放之日起指贷款本息收回之时止的贷款管理。而贷中风控主要做的是监控和风险预警。

贷中监控属于借贷环节最不引人瞩目的环节，有“重贷轻管”的情况。

如果说贷前的风控做的好不好决定了企业是否能够存活，贷中的管理决策则决定企业的可持续性发展。

贷中监控主要针对这2个维度一般体现在还款行为、诉讼信息、特殊名单变化、多次申请记录变化、联系状态变更等维度，一般监控的维度有发生变更给的，需要及时发现并做风险预警。

这些维度变化反应了客户的还款能力及还款意愿。

• 还款能力：主要通过对首次逾期的客户的资产信息、收入信息、消费信息、共债信息及提供或修复的联系人信息，对客户的资金、资产状况进行勾勒，评估联系人是否可以回复正常。通过对以上几方面的变量建模，得出还款能力的综合评判结果。
• 还款意愿：通过选取信用审查所使用的几类数据模板，包括特殊名单、多次申请、公安法院信息、敏感社交数据以及人行征信报告中的历史逾期、还款信息进行建模，得出还款意愿的综合评估结果。

（2）贷后风控-大数据催收

逾期客户画像-清晰催收对象情况

多维度画像数据，精确勾勒逾期客户还款能力与意愿的相关情况并精准量化。

催收评分-按分评估对象催收难易度

融合了委案金额、账龄、地域等多维度信息的建模评分系统，兼顾逾期客户的还款能力及意愿，对债务人的还款可能性进行综合评估。

分单策略-不同能力催收员负责不同难易程度的催收对象

根据催收评分，结合系统总催收人员的业务能力指标来制定分单策略，以对案件进行合理化分配，提升催收效果。

轮循拨号-友好自动拨号，打到你接

对于高频、简单的催收案件，采用试触式轮循拨打，减少人工操作，缩短拨打间隔，有效提升催收效率。

基于以上说述的信贷行业解决方案，除了单独给各机构采购使用，百融金服也切入了网络小贷板块的业务链条，将整体产品能力打包造了个贷款超市，将其在信贷行业的整个产品能力布局链条串联起来。

网络小贷板块布局

成立的广州数融互联网小额贷款有限公司拥有互联网放贷资质，通过深圳数趣信息科技有限公司运营，主要对外的落地产品叫做“榕树贷款”贷款超市APP。

榕树的简介：

榕树是百融金服旗下的智惠金融服务平台，由深圳数趣信息科技有限公司和广州数融互联网小额贷款有限公司联合开发并运营。依托与强大的数据分析能力和先进的人工智能技术，榕树能够为用户提供包括贷款、信用卡申请等一系列精准、便捷的线上金融服务，为金融机构和个人搭建起智惠金融互联桥梁。

市面上贷款超市，必备的硬实力，主要还是看流量。 而百融做的贷款超市，流量保证无法是通过多种当红流量媒体打广告引流。现今这些媒体流已经有细分用户标签的功能，这里刚好对于做风控的百融来说，是最了解各机构风控规则及用户画像的，只要从自身数据从提取划分用户画像，再通过媒体精准触达相应用户，触达率和转化率等都应该可以有一定的效果。

对于资金方来说，百融自有的风控规则成本百融自己承担了，且风险大部分也在百融，急需优质资产的资金方还是非常愿意与百融一试。

而对于百融来说，榕树APP业务跑起来，既借资金方的钱，获取了信贷资产包，这个过程还可以不断验证大数据在营销及风控的应用和磨合情况，最好还能借导流获得相当客观的分成，这个生意还是十分不错的。

百融金服正在联合互联网金融界部分企业，结成金融反欺诈联盟，如今这一联盟已经初步成型，参与企业已囊括互联网金融领域内约100家平台或企业。

保险行业布局

百融金融在保险行业的布局，基于其对保险行业的了解，用户大数据在保险行业的机会（外部数据与保险主数据进行结合）：

开源：

• 存量盘活：有效地激活现有客户，制定营销策略，提升续保和加保的转化率
• 品质提升：有效进行客户分群，优化客户结构，提升保单品质
• 个性化定制：针对特点人群进行定制产品并销售

节流：

• 提前预警骗保行为（重复投保、伪造健康状态等）
• 及时发现骗赔案件，有效降低赔付率（车险、健康险等）
• 与营销结合，动态定价（车险、健康险等）

（1）在开源方面

其在保险行业的实践之一包括了投资成立了 黎明保险经纪有限公司，这家公司代理的保险产品主要为财险，小部分寿险。

黎明保险经纪有限公司提供了合法合规的业务资质，保险产品主要对外是通过北京天融互联网科技有限公司的爱多保APP，针对代理人展业业务；保险业务销售通过北京安富宝科技有限公司实现。

爱多保：保险代理人展业工具APP

【现今的保险业务扩展，传统线下代理人虽然成本较高，但相对来说成交率还是能保证，人海战术比线上海量广告获客更有效】

安富宝：保险超市APP，主要销售黎明保险经纪公司保险产品

【贷款超市，代理的产品选择一般有3种，一是市场上知名保险公司产品，二是佣金比例较高的产品，三是自家的或者有利益绑定的保险公司产品】

这2家保险业务布局都需要百融自身有足够多的用户数据进行画像细分定位，才能进行精准营销变现。这个实践过程，也可以不断优化丰富其营销模型。

（2）节流方面

主要还是将信贷的那套成熟的风控模型及算法，通过结合保险业风控的特点，不断磨合有效的数据类型，形成能够应用于保险业务投保前（反骗保）及投保后的理赔反欺诈。

骗保模型：

主要针对重复投保、伪造健康状态，伪造虚假凭证。目的是为了减少保后损失。

能应用于保险业务的风控数据，最重要的一般需要知道被保险人的医疗信息及其他机构投保信息。这方面如何获取？相对简单的就是从支付公司获取包含用户在保险公司和医院大额支出的相关的支付行为标签。或者与医疗平台和政府平台（国家卫生部,省级机构:县卫生局等）联动获取数据。

下面简单看看百融的理赔反欺诈模型和减损模型：

环节一：

理赔案卷审阅（自动化提升人工审阅速率）-主要用于查询渗漏和欺诈来源于原因，包括：

• 确定、抽取理赔卷宗样本
• 制作分析工具和问卷
• 抽取理赔卷宗
• 初步和主要审阅
• 初审分析
• 主审分析
• 确定渗漏点、分析原因，给出改进建议

环节二：

行为建模-主要用于发现渗漏和欺诈的规则和模型，包括：

• 分析案卷特征
• 分析案件类型因子
• 简历行为模型
• 验证行为模型
• 确定行为模型

环节三：

系统监控-与理赔系统集成，建立闭环系统

• 建立模型处理引擎
• 与理赔系统进行集成
• 实时监测案件的渗漏和欺诈可能性
• 渗漏和欺诈告警
• 分析报告
• 持续优化

六. 总结

百融主打两大行业：

• 第一是信贷行业，包括银行、消费金融公司、信托、小贷公司；
• 第二是保险行业。

开拓市场主要使用直销模式

采取自上而下的路径，先服务标杆客户，如大型银行、持牌消金，再服务中小银行、互联网助贷机构。从标杆客户切入的获客方式有多重优势，首先，头部客户业务量大，客单价高；其次，品牌背书明显，跟标杆客户合作后，再去获取中小银行、互联网金融公司更容易。

专注精准营销和风控两大类场景并提供数据和模型服务

金融信贷与保险两个领域客户需求优先侧重点不太一样，信贷机构是把钱给别人，所以排第一位的是风险，然后是营销。保险行业先收别人的钱，所以第一是营销，其次才怕骗保。而且依靠几年前在百分点的积累，百融有做优质的白名单客户的基础，所以切入信贷时先做风险，再做营销；在保险行业则是先做营销，再切入风控。

相关阅读

百家风控公司揭秘系列｜91征信公司及产品调研报告

百家风控公司揭秘系列2｜华道征信&亿美软通公司及产品调研报告

百家风控公司揭秘系列3｜京东系ZRobot公司及产品调研报告

百家风控公司揭秘系列4｜京东系聚信立公司及产品调研报告

百家风控公司揭秘系列5｜“网红”同盾科技公司及产品调研报告

#专栏作家#

大数据猎人，微信公众号：大数据猎人，人人都是产品经理专栏作家。多年金融科技行业相关战略研究、行业分析、商业模式及产品体系研究经验，擅长政府数据+企业数据+公开数据多源数据融合流通交易及应用

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议