大数据风控同传统风控在本质上没有区别，主要区别在于风控模型数据输入的纬度和数据关联性分析。商业银行的智能风控解决方案大数据风控的优势是显而易见的，但打造大数据风控的能力却并不容易，尤其对于传统商业银行来因为缺少互联网基因，在零售信贷领域频频受到挑战。
1、现在很多机构都说是智能风控、大数据风控，能否通俗的解释下？
谢邀，大数据风控使普惠金融成为可能，传统风控模式审批流程长，作业成本高，致使很多传统金融机构没有兴趣服务小额借款人。而大数据风控全流程线上，能够实现“小额大量”的快速作业，规模效应形成规模收益，大数据风控的应用使得金融机构降低坏账率的同时，借款人的融资成本也大幅降低。真正实现了“普及”和“优惠”，大数据风控可以说就是为普惠金融而生的。
实操中，大数据风控就是以大数据风控建模的方式来审批借款，主要包括三方面。一是基本信息的判断即判断“你就是你”，而不是冒用别人身份的欺诈行为，在传统风控模式下，判断是否本人贷款主要靠“面签”，借款人要到金融机构的网点，现场接受审核。在大数据风控模式下，活体识别技术的应用就解决了这个问题，对着手机张张嘴、眨眨眼，金融机构就能够基本判断借款用户的身份真实性。
二是还款能力的判断还款能力主要由收入水平决定，在传统风控模式下，金融机构会要求你提供收入证明，甚至是银行流水，但大数据风控有更多的维度可以进行更准确的判断，例如电商背景的小贷公司在给C端客户贷款时，会根据客户的历史购买行为来推断用户的收入水平，外卖平台背景的小贷公司在给B端商户贷款时会根据该商户的外卖流水来推断营业收入，
三是还款意愿的判断在还款能力充足的情况下，还款意愿差一般包括欺诈和信用意识差这两种情况。反欺诈工作主要基于白名单和黑名单，白名单就是“好人名单”，这个名单内的就可以批贷；黑名单就是“坏人”名单，这个名单内的就拒贷。黑白名单的确定主要依靠的就是评分卡，高于某个阈值就进白名单，低于某个阈值就进黑名单，而评分卡的有效性主要依靠的是大量的数据积累。
除此之外，各家金融机构由于数据来源的不同，在大数据风控具体建模方面，还应用了很多差异化的策略，例如通过获取设备数据（一般是手机），来判断用户是否为批量操作借款，或者通过人工智能分析用户的APP操作数据进而对用户的欺诈风险进行评分等，商业银行的智能风控解决方案大数据风控的优势是显而易见的，但打造大数据风控的能力却并不容易，尤其对于传统商业银行来说，因为缺少互联网基因，在零售信贷领域频频受到挑战。
但挑战也是机遇，在转型零售银行，创新金融服务的过程中，很多银行选择与数据科技公司合作，由成熟的智能风控方案供应商提供高效的解决方案，在大数据风控方面，京东数科以金融科技为驱动力，深度契合场景，提供全流程风控解决方案，专业风控团队提供全面咨询支持，覆盖贷前反欺诈、贷前审核、贷中、贷后持续监控，AI催收等，为商业银行金融场景输出智能风控分析服务。
2、大数据风控用了什么模型？有效性如何？
大数据风控模型主要包括：反欺诈模型、二元好坏模型、资产包风控模型等，其有效性主要包括以下三个方面：1、有效提高审核的效率和有效性：引入大数据风控技术手段分析，通过多维度的信息分析、过滤、交叉验证、汇总，可以形成一张全面的申请人数据画像，辅助审核决策，可以提高审核的效率和有效性。2、有效降低信息的不对称：引入大数据风控技术手段分析，通过多维度的信息分析、过滤、交叉验证、汇总，可以形成一张全面的申请人数据画像，辅助审核决策，可以提高审核的效率和有效性，
3、有效进行贷后检测：通过大数据技术手段对贷款人进行多维度动态事件（如保险出险、频繁多头借贷、同类型平台新增逾期等）分析，做到及时预警。大数据风控同传统风控在本质上没有区别，主要区别在于风控模型数据输入的纬度和数据关联性分析，据统计，目前银行传统的风控模型对市场上70%的客户是有效的，但是对另外30%的用户，其风控模型有效性将大打折扣。
