如何通过用户的互联网行为来帮助金融机构做风控？近日，【友盟+】首席数据科学家李丹枫在2016朗迪中国峰会“Connecting the Dots — 数据与金融”的专题研讨会上分享了【友盟+】的研究成果。李丹枫表示：【友盟+】在金融场景上的尝试在很大程度上肯定了在普惠金融的环境下，互联网全域大数据带来的不可忽略的价值

（图为：【友盟+】首席数据科学家 李丹枫）

所有的数据都是风险数据

　　风险控制是互联网金融发展的关键，“风险控制”已然互联网企业重要的环节。李丹枫引用拍拍贷风险VP顾鸣博士的“所有的数据都是风险数据”金字塔结构图进行解读。征信是金字塔的顶尖部分，下层分别由：其它、行为、社交、运营商和消费数据依次叠加。靠近金字塔顶端数据与风控的关联性越大，但同时获取的难度也会随之增加，覆盖率也会降低。

　　物以类聚、人以群分，基于这个原理可以通过行为数据将人区分。由于行为数据与风险关联不明显，导致做数据的模型挑战也是巨大的。

【友盟+】全域数据在金融领域的数据应用

　　截止到2016年第一季度，【友盟+】每天可触达全球独立互联网活跃用户数超过9亿。服务大中小型网站共计近500万，服务App应用接近100万款。 面对庞大数据体量，如何让数据发挥更大的价值？李丹枫表示：“目前【友盟+】已与个人贷款的互联网金融机构和手机宽带的金融机构进行合作，通过与【友盟+】的全域数据进行匹配，在匹配的过程中发现了两个信息：设备如果没有匹配，那么其实已经是一个非常强的信号，说明坏账率同时会增高。同时不匹配比匹配的账号坏账率也会高出28%。”

　　而目前在个人信用的数据应用大多是比较单一的数据，但如果将数据进行联结，通过跨平台的数据进行兴趣数据与个人信用进行结合，这样的数据才能发挥更大的价值。【友盟+】恰恰利用这一的优势，将跨App跨网站的数据进行打通，同时用户打上完整且丰富的兴趣标签，全域数据此时比单一的数据发挥了更大的价值。通过建立的模型图，李丹枫分析：“在测试数据集模型的ROC和KS（其中AUC=0.70，KS=0.30）。虽然只使用了简单的模型，可以看到结果KS实际上已经可以达到了0.3，这远远超过的预估的结果。这一结果也使【友盟+】更加坚定将行为数据应用在金融风控领域从而发挥更大的价值！”

　　最后，李丹枫还介绍了【友盟+】的两个最新成果，一是通过设备评级与风险的关系发现：设备评级与风险的有很明显的相关性，同时通过评级可以看出刷量等非法使用的设备分布。二是通过分析逾期率与风险分的分布，验证在各个风险分数段上的实际逾期率，从而证明风险分的有效性。