某信托机构
申请信用评分

背景与挑战

随着互联网金融的发展,助贷模式成为金融机构开展零售信贷业务的一种常见方式。资金提供方通常没有足够的风控基础和专家资源对接入的各类资产业务建立有效的风控模型,风控管理面临巨大压力。

业务目标

利用现有数据,对客户信用风险和欺诈风险两方面进行精细刻画,对每笔贷款的贷前风险做更精准的评估和打分,辅助业务能更好的区分好坏客户,降低贷后呆坏账比例。

难点与关键成功因素

客户介入的信贷资产类型多样,涉及多种消费场景,贷款笔均金额从千元到几十万不等。按照传统建模方法需要建立多个模型,模型的维护成本巨大。同时,所有贷款申请数据维度不整齐,大量客户没有征信数据,传统的风控策略无法覆盖所有的客群。
通过机器学习技术,对客户的申请信息、合同信息、人行征信、身份、学历认证、消费、电信、航旅、公安司法、三方黑灰名单等数据进行充分挖掘,建立了一套应用于所有客群和产品的申请信用评分。

业务成果

帮助客户快速从传统风控升级至基于AI的风控能力阶段,所有业务都在有效的风险管理和监控下。基于AI应用先进架构,将审批效率从人天级别提升至秒级。