整个金融行业的风控都存在两大风险：反欺诈和多头借贷行为的识别。随着线上贷款业务的迅速发展，基于信息技术的线上骗贷行为也愈演愈烈。当骗子们也开始玩大数据，这也让做风控的技术员心里没了底。今天壹诺信用来讲讲大数据风控模式，看看别家企业的风控是怎么做的?

整个风控模式其实就是一个点——面——点的过程。

第一个“点”是指起点。现金贷风控体系的设计需要以产品本身作为起点。现金贷产品无外乎四个要素：利率(包括各种费率)、期限、额度、目标人群。对于每一类目标人群而言，他们在流动性需求、未来可预期现金流、消费观念、收入水平以及信用状况等维度上都具有一定的规律和共性，进而影响其申请额度、贷款利息的接受水平、还款能力和还款意愿等。因此，合理地设计产品，能在有效降低风控难度的同时，将收入最大化。例如，对于白领人群，其按月发薪的特点更适合一个月及以内的借款期限。另外，除了现金贷产品本身的特性之外，其推广渠道也颇为重要。

“面”是指具体的风控流程。从时间段区分：风控流程包括贷前、贷中、贷后三个阶段。

第二个“点”是指重点。整个现金贷风控体系的重点有二。

其一、反欺诈。反欺诈是现金贷风控的首要课题。目前，线上贷款的欺诈行为有中介代办、团伙作案、机器行为、账户盗用、身份冒用和串联交易等。针对这些欺诈行为，常用的反欺诈规则包括勾稽比对、交叉检验、强特征筛选、风险关系以及用户行为数据分析，大部分平台会做一些规则的拦截。

其二、多头借贷行为的识别，多头借贷是现金贷用户共同特性之一。

目前，多头借贷行为的识别包括两个方面：(1)获取多头借贷数据。一些从事现金贷业务的平台会相互合作，实现贷款申请数据的共享。另外，现金贷平台在第三方征信机构针对每一笔贷款申请记录作查询时，势必会留下大量贷款申请人的身份信息。这部分信息经过查询异常检测算法的过滤以后就会形成一个可靠的多头借贷数据库。

(2)恶性多头借贷行为的识别。恶性多头借贷行为指贷款人借新还旧或者在同一时期有大笔多头借贷。对于借新还旧行为的识别可以结合贷款申请间隔和贷款期限。如果贷款申请间隔明显小于贷款期限，说明该笔贷款申请有较大的借新还旧风险。