簡單來說，隨著大數(shù)據(jù)風控能力的提升和普及，金融機構(gòu)可以搜集更多維度、更加垂直精細的大數(shù)據(jù)，從而構(gòu)建立體完整的用戶畫像?！按髷?shù)據(jù)既包括傳統(tǒng)金融征信體系的基本征信信息、司法執(zhí)行數(shù)據(jù)，也包括第三方信用數(shù)據(jù)、用戶社交數(shù)據(jù)、出行數(shù)據(jù)、通訊數(shù)據(jù)、電商平臺數(shù)據(jù)等互聯(lián)網(wǎng)數(shù)據(jù)?！泵览鹑陲L險管理中心風險運營總經(jīng)理喬木表示，通過人工智能手段，能夠?qū)⒄莆盏母鞣N維度數(shù)據(jù)進行整合、篩選、計算，從而挖掘出有效的特征。

同樣以“鷹眼”引擎為例，作為一套區(qū)別于傳統(tǒng)“人海審核戰(zhàn)術(shù)”的大數(shù)據(jù)智能風控系統(tǒng)，可以有效應對線上貸款單數(shù)多、單筆金額小、全天候等特征。當用戶在樂信的分期樂商城下單后，其互聯(lián)網(wǎng)電商行為數(shù)據(jù)、人臉識別、機器指紋驗證及外部征信數(shù)據(jù)等都會自動進入到“鷹眼”引擎中。有了這些大數(shù)據(jù)，運用機器學習手段，“鷹眼”引擎就能夠?qū)υ撚脩舻倪€款能力、還款意愿、負債信息、穩(wěn)定性等作出評估，并自動完成即時預警、攔截以及分析部署等功能。

更重要的是，用人工智能審核用戶和訂單，不僅能夠提高效率，也能提高審核的準確率。劉華年表示，原因在于，一方面，機器可以處理海量數(shù)據(jù)，不受感情影響，也不會感到疲勞，能夠降低人為造成的審核失誤；另一方面，機器能發(fā)現(xiàn)審核專家可能都無法發(fā)現(xiàn)的高危情況。舉例來說，當一個正常用戶下單時，其瀏覽頁面時長、下單間隔等會呈現(xiàn)出不規(guī)則特點；而如果一個用戶下單時出現(xiàn)“離群特征”（比如規(guī)律性下單），這部分用戶就屬于“高危用戶”。這種“離群特征”憑借審核員肉眼往往很難發(fā)現(xiàn)，只有通過機器學習，經(jīng)過大量的計算分析才能做到。

風險防控是未來

為確保每一位用戶的賬戶安全，保護所有客戶資金的安全，風險防控被看作未來金融業(yè)應用人工智能的一個核心落腳點

在不少業(yè)內(nèi)人士看來，風險防控將是未來金融業(yè)應用人工智能的一個核心落腳點?！皬牡卿洯h(huán)節(jié)開始，京東金融就開始見微知著?！鄙驎源阂再~戶登錄場景的風險管理為例介紹，為確保每一位用戶的賬戶安全，京東金融建立了包括設備識別、人機識別、生物識別3大技術(shù)以及異常登錄模型和賬戶等級模型在內(nèi)的全方位賬戶安全體系，用于判斷當前登錄是否產(chǎn)生風險、判斷當前用戶行為偏好等。