蜂巢模型

依托大数据算法用非金融化数据还原用户金融行为的稳定性和部分反欺诈行为,

为金融机构提供快速、便捷、可靠的用户蜂巢评分和相关数据模型指标项,

帮助金融机构优化风险管控提高工作效能。

贷中预警模型

依托用户行为状态累计数据指标持续跟踪用户还款过程中稳定性变化情况,

帮助金融机构预知用户可能存在的违约风险,

协助金融机构提前进行相关管控动作,降低贷款逾期率。

蜂巢和信模型

  • · 以“六度空间理论”、“灰色理论”为基础,采用打分卡技术对用户进行数据化指标分析
  • · 对用户相关数据进行清洗、聚类、分析建立一套完整的模型评价体系
  • · 可对用户稳定性、反欺诈、行为偏好等三类指标输出近百项数据分值

贷中预警模型

  • · 将贷款用户可能存在的违约风险前置,提前暴露用户的逾期风险
  • · 基于用户在贷款时的用户状态进行持续追踪,以七天为周期反馈用户近期稳定性数据指标
  • · 通过对用户的相关数据信息进行整理、分析进行28项关键稳定性指标的输出
银行、消费金融公司、P2P等有个人信贷业务的金融机构
高效性
用户注册后10秒内可通过蜂巢和信模型评估,对用户整体信用情况进行打分。也可快速完成家庭住址、工作单位等相关指标的反欺诈验证等相关工作。
灵活性
蜂巢和信模型、贷中预警模型采用模块化处理方式,金融机构可以根据自身风险偏好和产品定价选择所需模块进行组合输出,在校验和使用过程中可以进行模块重组与阈值修正等相关调试工作。
风险前置性
贷中预警模型能够将贷款用户可能存在的违约风向提前暴露,通过用户通讯关键指标的稳定性变化情况判断可能存在的违约风险。
案例一:
传统风控模式下一个成熟的信审专员每天审核贷款用户进件约为50单,采用“蜂巢和信模型”中的稳定性和反欺诈模块辅助审核,可以通过系统化数据校验的方式完成用户部分稳定系和反欺诈等传统模式下耗时较长的相关指标的校验工作,节约了工作时间,提升了工作效能。
案例二:
手机贷纯线上贷款业务前期未使用贷中预警模型服务前,逾期率约为1.1%。经过贷后预警服务后,金融机构根据贷后的数据表现,提前对客户采取一定措施之后,这个贷后的逾期降到了0.8%。极大的降低了纯线上金融信贷的用户逾期率。

用户信息如何授权使用?

在用户注册手机贷APP时,会强制弹出《信用预评估告知书》,用户需签署授权千亿国际可查询其相关信息后方可完成注册。

如何进行用户蜂巢和信模型、贷中预警模型数据传输?

通过金融机构与千亿国际系统的专线传输,可以确保数据的及时性和安全性。