大数据驱动的P2P平台风险防控 李虎 中关村互联网金融风险防控平台 首席专家 公安部全国公安监督管理信息平台 首席专家 北京航空航天大学 计算机学院 博士 目录  研究背景  解决方案  应用成效 研究背景 – 业务场景  什么是P2P平台  P2P平台的价值  P2P平台的问题 研究背景 – 大数据有何作为？  金融的本质  P2P的特征  风控的核心  大数据价值 解决方案 大数据驱动的P2P风险防控平台 - 解决的问题 监管层 P2P平台 监管层视角 项目 P2P平台视角 借款人 投资人 P2P平台 借款人 投资人 投资人 借款人 担保人 投资人 项目 借款人 投资人 投资人 投资人 担保人 项目 项目 担保人 投资人 投资人 投资人 投资人 担保人 投资人 一般投资人视角 借款人 借款人 投资人 投资人 担保人 担保人 借款人 借款人 投资人 投资人 担保人 担保人 四类典型的问题P2P平台 疯子 胆大激进：大标多，回报高，反复融 资，借款信息简单或虚假，私设资金 1、对于疯子、骗子类平台， 池、挪用资金或自融 早发现、早处理，由监管机构 通过法律、行政手段解决 存心不良：建设P2P平台的初衷就是圈 骗子 钱、骗钱，虚构项目，欺骗投资人，主 要特点：上线时间短 能力不足：业务真实、借款人真实，具 矮子 备一定的资金实力、专业背景和人才储 备，由于种种原因逾期、坏账过多 盲目跟风：跟风互联网+金融概念，盲目 瞎子 （第一优先级）； 进入P2P金融领域，不按规律办事，缺乏 专业风控人才，平台风险极高 2、对于矮子、瞎子类平台， 主要靠市场力量优胜劣汰， 但监管机构要充分掌握情况， 提前预警，适时介入，给予 适当的引导或帮扶，并给予 投资人一定的提醒； 解决问题的思路  大数据汇聚整合 汇聚、整合P2P平台数据，打破平台间信息壁垒，并整合工商、舆情、 诉讼、征信、政府信息公开等相关数据，进行综合分析  智能模型自动预警 通过业务分析、数据挖掘、机器学习等手段，建立异常识别模型和 风险评估模型，自动识别异常情况，主动预警 大数据驱动的P2P风控平台 – 四大要素 一组标准体系 一套智能模型 风控平台 一个应用平台 一个数据中心 大数据驱动的P2P风控平台 – 四大要素 业务 应用 层 数据 汇聚 整合 层 拆标 错配 临时 工商 变更 关联 担保 借款人 结构 异常 整体态势 汇总 风险 态势 交易活跃 程度 重大风险 维度 … 平台 信息 项目 信息 借款人 信息 担保人 信息 投资人 信息 平台 信息 项目 信息 借款人 信息 担保 人 信息 投资人 信息 P2P平台数据对接接口 征信 信息 诉讼 信息 P2P 平台 … P2P 平台 工商 信息 舆情 信息 数据 元模型 外部数据 征信 信息 其它 内部 信息 标准体系 奇迹社会资源信息库 诉讼 信息 奇迹洞见数据引擎 工商 信息 舆情 信息 … 其它 数据服务 提供商 奇迹海纳数据引擎 内部平台资源 P2P 平台 风险评估 模型 异常识别 模型 P2P平台数据资源库 内部数据 数据 采集 层 智能模型 综合分析 异常预警 外部公开信息 征信 系统 … 工商 网站 法院信息 公开网站 政府信息 公开网站 其他 互联网 资源 P2P平台 数据对接 标准体系 P2P平台 数据质量 管理标准 大数据驱动的P2P风控平台 – 模型间关系 综合分析 分析 主题 分析 主题 异常预警 分析 主题 分析 主题 预警 内容 预警 内容 预警 内容 风险指数 风险评估模型 数据 异常事件 异常识别模 型1 异常识别模 型2 异常识别模 型3 异常识别模 型4 异常识别模型 数据标准 数据元模型（P2P - LDM) 异常识别模 型N 应用成效 应用成效 大数据驱动的P2P风险防控平台 现场演 示 小结  互联网金融是大势所趋，但问题不少，P2P平台是重灾区  P2P平台风控的核心是解决：信息及时、正确、对称问题  大数据的多源、多维、及时、洞察等特点，恰适用此场景  实践证明，大数据驱动的P2P风险防控现实可行、成效显著  其本质是：以大数据技术，解决“业务安全”的问题  此技术还可应用于：小贷、众筹、反欺诈，以及非金融领域 结语 大数据让生活更安全！ 谢 谢