互联网金融的核心在于风控，而权威的大数据征信体系，可以更好地解决目前互联网金融行业面临的风控问题，降低平台的坏账几率。

数据其实不可以改变风险，但是可以把风险量化，就如同互联网金融其实改变不了金融的本质和风险，而是作为一项工具更加高效透明地去做金融。无论是在个人理财业务，还是在借贷服务上，都按随着数据的流动，而在与之相关的大数据风控，则为互联网金融把控住信息的每一个环节，让资产的流通更为透明，防范风险。玖富独立开发的“火眼”风控系统就是基于大数据、机器学习及人工智能的完整的大数据风控体系。

名副其实的大数据风控

大数据风控首先离不开数据。玖富消费金融副总裁金增笑表示，相比于美国，国内的大数据是真正的“大”数据，种类和数量都比美国要丰富。金增笑曾在美国Capital One、摩根大通等机构任要职，累计管理超过2000亿美元信用卡等信贷资产。

玖富火眼风控体系的基础数据十分丰富，除了整合内部数据外，还参考了丰富的外部合作方数据，如芝麻信用、腾讯征信、前海征信、同盾科技等。在通过多重数据验证反欺诈的同时，利用多维度数据源建模并不断完善，也提升了反馈潜在风险的能力。

在过去两年高歌猛进之后，2016的互联网金融遭遇成长的烦恼，部分P2P网贷问题平台遭遇兑付困难、跑路、倒闭等困境。与此同时，诸如“裸条”等几个恶性事件也将互联网金融推到了风口。相对于传统金融，互联金融面对的客户风险较高，其风控面临的挑战更大，对大数据风控的要求就会更高。

互联网金融成名于美国，但鉴于美国已是一个相对成熟的信用社会，征信环境比中国简单，多数征信信息可以通过渠道查询并获取，复杂的欺诈场景和复杂的信用风险场景并不普遍，因此许多风控模型到了中国之后并不适用。基于以上，很多中国大型互联网金融公司并没有直接采用美国的风控模型，而是自主开发风控模型。除了玖富的“火眼”风控系统外，蚂蚁金服的微贷云决策平台、拍拍贷的魔镜风控系统均是大数据风控系统。

机器学习助力自动化风控

大数据风控系统必须经过庞大的交易数据的验证方可完善迭代，据了解，玖富在过去三个月促成交易笔数达到千万级别，一旦交易后续不良与前期出现较大差异，通过机器学习便可快速调整迭代。

“精准化的风险预测评级，胜过人工判断”，玖富集团消费金融副总裁金增笑表示，自动化收入鉴定、生物识别、基于R引擎的内嵌模型、设备指纹和持续的反欺诈政策改进，形成了多重数据验证反欺诈信息，这比传统的线下审核模式更强大、更有效率。

玖富打造了特有的坏账预测矩阵——“彩虹评级模型”，预测一些较为可能发生的逾期行为。此外，“火眼”风控系统还具备了自动化功能，具有处理高效、风险可控、单笔贷款成本低、边际效应明显等特点，让玖富可以提早发现用户早期逾期表现，并能有更多的时间进行调整。

据了解，目前行业内大数据技术贯穿了金融业务的渠道、数据、信审、反欺诈、额度、后期服务等六大阶段，形成了线上化、机器化、模块化的风控构架体系。充分利用大数据分析技术建立独特的风控体系，可以高效支持贷款的在线实时审批、因客定价与贷后风险的动态监控。

“火眼”风控系统是金融科技应用的代表之一，也可以说是玖富专属的一项“黑科技”，在玖富快速增加的业务流量中，成为保护用户资金安全、提供良好服务的坚实后盾。