移动大数据在互联网金融反欺诈领域的应用

参考最新的《2015中国移动互联网发展指数报告》，中国共拥有12.4亿太移动端设备，其中移动智能手机的保有量为9亿，每个移动互联网用户拥有大概1.35部智能手机。移动互联网用户中80后，90，00后占比超过了72%，成为移动互联网主要用户。平均每部手机装载了41款应用，平均每天打开25款应用，相对去年有较大的提升。

移动互联网正在影响着人们的生活，移动设备端产生的数据也蕴藏着巨大的商业价值。2014年美国移动设备位置信息产生的市场价值大概为1000亿美金，2015年中国移动大数据的市场刚刚开始。

一 移动大数据的商业价值

在PC互联网时代，不管用户是否喜欢BAT，其网站仍然在那里。但是在移动互联网时代，如果一个用户不喜欢这个应用，就可以在2秒钟内删掉这个App，彻底中断和它的连接，无论其是不是BAT。在移动互联网时代，选择权完转向用户，消费者将成为数字世界的中心。过去以品牌为中心的消费形式，将会转变为以消费者为中心的消费形式。

智能手机上安装的App和App使用的频率，可以代表用户的喜好。例如喜欢理财的客户，其智能手机上一定会安装理财App，并经常使用；母婴人群也会安装和母婴相关的App，频繁使用；商旅人群使用商旅App的频率一定会高于其他移动用户。未来80后、90后将成为社会的主要消费人群，他们的消费行为将会以移动互联网为主，App的安装和活跃数据更加能够反应出年轻人的消费偏好。

智能手机设备的位置信息代表了消费者的位置轨迹，这个轨迹可以推测出消费者的消费偏好和习惯。在美国，移动设备位置信息的商业化较为成熟，GPS数据正在帮助很多企业进行数据变现，提高社会运营效率。在中国，移动大数据的商业应用刚刚开始，在房地产业、零售行业、金融行业、市场分析等领域取得了一些效果。

特别在互联网金融领域的应用，移动大数据正在帮助互联网金融企业实施反欺诈，降低恶意诈骗给互联网金融企业带来的损失。

二 恶意欺诈成为互联网金融的主要风险

近几年，互联网金融爆发式发展，预计2015年P2P的交易总额将会超过1万亿，将成为具有影响力的产业。最近半年，大量的金融行业专业人士和传统产业资本进入到互联网金融领域，表明这个产业的生命力正在不断增强，有的P2P企业的年交易额已经突破百亿元，有的P2P企业估值也超过了15亿美金。

但是在P2P行业，其面对的风险也在加大，除了传统的信用风险，其外部欺诈风险正在成为一个主要风险。有的P2P公司统计过，带给P2P公司的最大外部风险不是借款人的坏账，而是犯罪集团的恶意欺诈。网络犯罪正在成为P2P公司面临的主要威胁之一，甚至在一些P2P公司，恶意欺诈产生的损失占整体坏账的60%。很多P2P公司将主要精力放在如何预防恶意方面。高风险客户识别和黑名单成为预防恶意欺诈的主要手段。

三 移动大数据在反欺诈领域的应用

移动大数据中的位置信息代表了用户轨迹，商业应用较早。2014年，美国移动设备位置信息的市场规模接近1000亿美金。但中国移动设备位置信息的商业应用才刚刚开始。

从技术上讲，定位移动设备的位置有三种方式，第一种是通过运营商的3个基站定位，其误差大概在200米；第二种是通过手机App中的GPS位置信息定位，大概误差为50米；第三种是通过WIFI定位，误差大概在3米到5米。在移动设备位置信息商业应用中，三种定位方式都被应用，室内以WIFI定位为主，室外以GPS定位为主。移动大数据在反欺诈领域具有以下应用场景。

1）用户居住地的辨别

线上的欺诈行为具有较高的隐蔽性，很难识别和侦测。P2P贷款用户很大一部分来源于线上，因此恶意欺诈事件发生在线上的风险远远大于线下。中国的很多数据处于封闭状态，P2P公司在客户真实信息验证方面面临较大的挑战。

移动大数据可以验证P2P客户的居住地点，例如某个客户在利用手机申请贷款时，填写自己居住地是上海。但是P2P企业依据其提供的手机设备信息，发现其过去三个月从来没有居住在上海，这个人提交的信息可能是假信息，发生恶意欺诈的风险较高。

移动设备的位置信息可以辨识出设备持有人的居住地点，帮助P2P公司验证贷款申请人的居住地。

2）用户工作地点的验证

借款用户的工作单位是用户还款能力的强相关信息，具有高薪工作的用户，其贷款信用违约率较低。这些客户成为很多贷款平台积极争取的客户，也是恶意欺诈团伙主要假冒的客户。

某个用户在申请贷款时，如果声明自己是工作在上海陆家嘴金融企业的高薪人士，其贷款审批会很快并且额度也会较高。但是P2P公司利用移动大数据，发现这个用户在过去的三个月里面，从来没有出现在陆家嘴，大多数时间在城乡结合处活动，那么这个用户恶意欺诈的可能性就较大。

移动大数据可以帮助P2P公司在一定程度上来验证贷款用户真实工作地点，降低犯罪分子利用高薪工作进行恶意欺诈的风险。

3 ）欺诈聚集地的识别

恶意欺诈往往具有团伙作案和集中作案的特点。犯罪团伙成员常常会在集中在一个临时地点，雇佣一些人，短时间内进行疯狂作案。

大多是情况下，多个贷款用户在同一个小区居住的概率较低，同时贷款的概率更低。如果P2P平台发现短短几天内，在同一个GPS经纬度，出现了大量贷款请求。并且用户信息很相似，申请者居住在偏远郊区，这些贷款请求的恶意欺诈可能性就较大。P2P公司可以将这些异常行为定义为高风险事件，利用其他的信息进一步识别和验证，降低恶意欺诈的风险。

移动设备的位置信息可以帮助P2P公司，识别出出现在同一个经纬度的群体性恶意欺诈事件，降低不良贷款发生概率。

四 高风险贷款用户的识别

高风险客户也是P2P企业的一个风险。高风险客户定义比较广泛，除了信用风险，贷款人的身体健康情况也是一个重要参考。移动大数据的位置信息、安装的App类型、App使用习惯，在一定程度上反映了贷款用户的高风险行为。

P2P企业可以利用移动设备的位置信息，了解过去3个月用户的行为轨迹。如果某个用户经常在半夜2点出现在酒吧等危险区域，并且经常有飙车行为，这个客户定义成高风险客户的概率就较高。移动App的使用习惯和某些高风险App也可以帮助P2P企业识别出用户的高风险行为。如果用户经常在半夜2点频繁使用App，经常使用一些具有较高风险的App（例如某男同性恋应用），其成为高风险客户的概率就较大。

当用户具有以上的危险行为时，其身体健康就面临着较大的威胁，P2P企业可以参考移动数据，提高将客户列为高风险客户的概率，拒绝贷款或者提前收回贷款。降低用户危险行为导致坏账的风险。

移动大数据在预防互联网恶意欺诈和高风险客户识别方面，已经有了成熟的应用场景。前海征信、宜信、聚信立、闪银已经开始利用TalkingData的数据，预防互联网恶意欺诈和识别高风险客户，并取得了较好的效果。移动大数据应用场景正在被逐步挖掘出来，未来移动大数商业应用将更加广阔。

End.