信贷风控全流程-反欺诈
反欺诈 > 贷前评分 > 贷中监控 > 贷后催收 > 不良资产处置
先说TO C的信贷，我们在刷视频软件的时候，肯定碰到过这样的广告，10万秒贷，那么，如果真的去申请，会经过怎样的流程呢？肯定要填写你的姓名、个人身份证、手机号。这就是“三要素”。还有放款到你名下的银行卡号。那就是“四要素”。这些信息会先做一道检验，是否是你这个人。这些数据哪里来？这涉及到外部数据的采购了。运营商的这些数据比较便宜。可以先放在前面验证，拦截掉一批要素比对不上的客户。放进来的客户再做贷前评分，来判断给你多少额度，所以10w只是一个噱头，不是每个人都是给满的，就像手机以旧换新，最高抵扣5000元一样。评分的时候就要看你的征信。那么征信数据要调用人行。这个价格就很贵了。为了每一笔调用都是花在刀口上，必定要先筛掉一些明显不合格的客户。所以在评分前先过一道反欺诈的门槛。相对来说，反欺诈的名单数据比较便宜。而且我们希望这个信贷业务，管理的是信用风险，而不是欺诈风险。
反欺诈的外部数据来源：
- 百融、腾讯、百行反欺诈个人通信/风险/财产/个人司法与处罚信息
- 学信网学籍个人
- 中移动个人通信信息
- 金保信个人交易数据
- 冰鉴、同盾、FICO
那么反欺诈要怎么发现，拦截？又会怎么影响后续的策略呢？
构建反欺诈的主要指标核心是，这个人是不是骗子？那么骗子会有哪些特征？穷。所以尽量去找能还原他资产的指标。
不管是自有采集这些数据，还是去外部采购数据，总之先把数据都解决了。然后还要构建指标，加工数据，比如，applist，命中哪些app的是需要警惕的，多头借贷，是借了7个平台还是6个平台的就要警惕的？这些都需要通过分析制定策略，生成好用的指标。以上是针对本人来诈骗构建的指标，但是如果是本人被盗号，然后来申请呢？那就不是还原这个人的画像，而是还原填写的申请人信息和实际在填信息的人，这两个人的差异了。那重点不在于穷不穷，而是这个人的行为是否异常上。这就会主要体现在设备登陆的地址异常，设备异常，行为异常等特征上。当然，现在因为会过一道活体检测，人脸识别，会减少很多这种非本人的盗号行为。
盗账户：
以上是单边作战的特征，如果是团伙作案的话，那么还有聚集性的特征。这个可以从哪些指标中发现苗头呢？
案例：客户告知账户被盗，有人冒充贷款
1、 先调研客户说的情况是否属实。
被盗：设备号、手机号发生变化？发现：设备号变的时候，同时修改了手机，同时修改了绑定的银行卡号。
2、 同时发现，银行卡号的异常。和手机号高度相似，是一个虚拟号。1111+手机号。客户在用不同的银行尝试绑卡认定。最后一家小银行认定成功。
3、 后续的补救措施：
- （1） 改手机号，老的手机也要验证。
- （2） 提高密码的复杂性
- （3） 该可疑设备的关联账户-封号
- （4） 该可疑手机号的关联账户-封号
- （5） 绑定该银行卡的账户，1111+手机号的，排查，后续拒绝。
