2019年7月-10月，由中国电子银行网（微信公众号：cfca-cebnet）主办，《银行家》杂志、今日头条联合主办的“报告行长大人”银行与金融科技行业创新实践文字竞演第三季——“元年与接续 梦想与现实”活动正在火热进行中，以下为热心网友投递过来的稿件。

作者单位：衡水银行

互联网金融的时代已经到来，大数据在互联网时间的应用数不胜数，例如：智能营销、客户征信、反欺诈等等，在许多的场景下都会用到大数据的应用，本文仅对大数据的应用方面进行浅谈。

1. 大数据在反欺诈中的应用：

目前的金融行业为防范黑产欺诈、电信诈骗并提升整体风险防控能力，通过对交易终端环境、交易特征等大数据综合评估，对交易的事前、事中、事后预警及防范，智能动态地采取恰当的安全措施干预，因此搭建交易反欺诈安全监测平台。在构建反欺诈系统的过程中有以下几个关键模块需要进行介绍：设备指纹模块、数据集市模块、风险决策模块等等。

设备指纹模块是一种设备识别技术，基于终端浏览器、APP的环境信息进行设备画像，从而精准地识别设备，锁定欺诈分子，系统通过对接黑产产业的设备指纹库，通过大数据的应用可快速识别已被登记的不可信设备，并且对于通过修改串码、应用、刷机、root等行为的设备也只生成一个设备指纹码，做到设备指纹的唯一性。

数据集市汇聚内外部数据，进行存储、建模和计算。内部数据包含静态数据、历史数据；外部数据来自前置系统的第三方数据。系统通过行内系统数据的积累以及采购第三方数据对接公安、征信、法院及各类生活消费平台积累的互联网数据，通过对比数据可对使用者进行判断，对于不可信用户直接进行拒绝。

风险决策系统主要由规则引擎和模型引擎组成，规则主要来源于专家经验，是历史的经验沉淀。模型引擎主要是由机器学习平台创建的模型，可以作为规则来使用。风险决策系统可以自定义风险评估决策流程，将规则、模型和数据进行有机的整合，对交易风险进行实时评估，并给出相应的处置策略返回给渠道，风险决策的积累来源于各行各业规则的积累。

2. 大数据在精准营销的应用：

基于大数据的精准营销过程分为：数据的采集、处理数据、分析数据、运用数据这么四个大层面。

通过对使用客户特征、发布产品特征、消费行为特征数据的采集阶段。然后对于单单采集数据却不能创造价值，因此我们要对数据进行处理并分析，处理的过程可以将采集数据通过各个维度进行分类处理，例如按照资产类、年龄类、兴趣爱好类等等。对于处理之后的数据要运用分析学的特征进行归纳区分，通过表面数据的分析能够分析客户的各类特征，然后通过以上步骤之后要运用数据创造价值。制定客户感兴趣的存贷款产品、营销活动、生活场景等等。

3. 大数据在客户征信的应用：

大数据时代的到来使得征信数据来源更为广泛，征信的数据来源类型更为多样。传统的征信数据来源上，信贷经理通过实地走访、征信查询、生活缴费、行政处罚等信息中可以统计到传统的征信信息。

但是在大数据的时代，征信信息的统计将更为便捷、将无处不在。客户的在网页的浏览记录、消费记录可以获取到，客户的通话记录、水电费可以获取到。通过互联网大数据的应用使得客户的征信体系更加全面完成，对于分析客户的征信行为也更加完整。

大数据涉及的行业过于广泛，除了在金融领域的应用外外，还包括工业、政治、传媒、医学、商业、教育、农业等多个方面。根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高。现在大数据的应用已经在各行各业摸索前进，相信在未来大数据将不仅仅为金融行业的发展助力，更为各行各业的发展助力。

责任编辑：王超