关注“金科应用研院”，回复“礼包”
领取“风控资料合集”
课程讲师：李老师
在当今高度数字化的时代，数据已成为金融机构不可或缺的资产，选择外部数据对风控行业至关重要，它能拓宽数据维度，增强风险评估的全面性，提高风控模型的准确性，并有效减少信息不对称，降低欺诈风险，高质量的数据整合和分析能力直接关系到贷款审批的准确性、风险管理的效能以及客户体验的提升。
下面从4个方面来介绍外部数据从选择到运用的过程：
符合业务场景的外部数据源介绍
数据测试分析与接入
数据整合与集市构建
测试效果不错的外部数据分享
首先，介绍小额信贷业务场景中常见的外部数据。
征信数据：指记录个人或企业信用状况的信息汇总。关于选择的话，如果有条件的话，可以查人行，人行这个征信数据是比较大的。如果没有资质或者渠道去查人行的话，百行的征信数据也不错，百行有征信报告。
黑名单数据：指记录有严重逾期、骗贷、诈骗等高风险行为的用户或实体名单。黑名单的数据比较分散，每一家数据机构不一样，人行、百行都有。
下图是人行、百行中常见的征信、黑名单数据。
互金多头数据：指那些涉及多个借贷平台或金融机构的借款人的相关信息。在行业里面做的比较久的就是同盾了，除同盾之外就是百融，通常用这两家的数据用的最多，他们与客户建立了联防联控机制，客户会查询同盾、百融多头数据，用于分析和风险管理。这种合作让同盾、百融能够收集并整合来自多个行业的数据。
社交网络数据：指通过社交网络收集和分析的用户行为、关系等数据。字节的社交网络数据是最全的，阿里和腾讯也会输出这种外部数据，产品也比较成熟，比如腾讯的反欺诈分。
电商数据：指电商平台中用户行为、交易、商品等信息。比较大的数据源机构是淘宝和京东，但是电商数据和我们金融业务可能相关性不是那么大，有些数据对我们业务的提升和增益不是那么高。
以下是某企业的反欺诈评分和信用评分介绍。
选择外部数据通常需要考量以下依据：
相关性：数据应直接或间接与风控目标相关，能提供有价值的洞察。
准确性（有效性）与完整性：数据质量高，更新及时，覆盖全面。
成本效益：评估数据采购和维护的成本，与预期收益对比。
合规性：确保数据获取方式合法，尊重隐私法规。
其次，在选择了外部数据源之后，下一步就是对数据进行测试分析和产品对接,数据评估分析指标主要有以下4点：
数据测试分析评估
覆盖率
评估目的：确保数据能够广泛地覆盖目标群体和场景。
评估方法：确认数据中是否存在明显的空白区域或群体，以避免偏差。
准确性
评估目的：验证数据的真实性、完整性和无误性。
评估方法：对比数据选择多个时间点进行回溯，查看结果是否一致
有效性
评估目的：确保数据对风控模型的有效性，即数据能够提升模型的预测能力。
评估方法：
IV：计算各个特征的信息价值，IV越高表示该特征区分好客户与坏客户的潜力越大。
KS：衡量模型排序能力的一个指标，KS值越大表示模型区分好坏客户的能力越强。
Lift & Gini：评估模型相对于随机选择的提升度，以及模型的排序能力。
稳定性
评估目的：确保数据随时间的稳定性，避免模型因数据漂移而失效。
评估方法：PSI
产品对接
产品对接是一个关键的步骤，它涉及将外部数据源与风控系统或平台进行集成和整合，以实现数据的顺利流通、处理和应用。步骤大致如下：
数据整合
拿到外部数据后，有时候可能还要将这些数据进行整合，数据整合是指将多源数据收集、整理、加载到统一数据源。数据整合主要有以下6个内容：
数据集市构建
数据集市，是为特定用户群体构建的小型数据仓库，过构建数据集市，企业可以快速响应业务需求，提高数据质量和一致性，降低开发和维护成本，数据集市的构建逻辑大致有以下6个方面：
给大家分享一下FAL老师测试过效果不错的一些数据，仅供参考。
本次内容节选自：知识星球-大咖直播《31期：小额信贷业务的外部数据整合与底层数据集市搭建》，长按海报，扫码了解详情！
FAL长期对外征稿，邀请各大风控人士加入我们，在风控圈分享你的经验与知识👉征稿，快到碗里来，有稿费那种！
感谢您看到这里
微信公众号对话框回复“小福利”
领取粉丝专属优惠券
