来源于公众号消费金融风控联盟，ID：xiaojinfengkong
作者：京东白条 来源知乎 连结：https://www.zhihu.com/question/53695899/answer/312674416
大资料风控是风险管理的一种技术手段，主要应用各种来源的资料进行多维分析和模型建设，并采用实时资料采集和资料计算的方法，及时有效的识别和控制风险。
欺诈风险属于风险管理业务中的一种风险型别，在互联网金融行业更为普遍。
对于防范欺诈风险，可以结合传统的风险策略控制模式进行风险预防，也可以结合大资料风控的技术手段提高风险防控的准确性和全面性，从原有的各个环节单一风险识别过渡到网络化复杂流程多维资讯的风险识别。
因此，两者都属于风险管理相关行业领域，但是具体含义上存在差异。
大资料风控技术依托于复杂多样的原始资料，加工抽离出和风险指标相关的有效资讯，通过模型的方法进行资讯整合，从而实现对于风险的精准预判。
最终实际应用效果的实现依托于资料来源的采集质量情况，资料之间的逻辑关系是否清晰，模型方法选择的正确性和合理性情况，以及风控大资料平台系统的整体效能。
资料体量和范围的扩大，会不断增加风险识别的边际效应，但也需要将大资料技术和风险业务进行有效结合，加强大资料技术识别风险的针对性。基于各种机器学习算法实现的人工智能技术，在风险识别应用上也可以起到较好的防范作用。
大资料风控技术在风险管理的过程中，需要基于风控体系的整体架构情况，去解决指定问题。
以交易欺诈为例：
一方面可以从交易不同要素的风险等级评估角度，依托于各种资料统计方法和机器学习算法进行风险评级，比如客户风险评级、商户风险评级等等；
一方面也可以从交易的不同环节进行风险预判，如注册环节、登入环节等等；
一方面也可以在客户的不同操作流程上进行风险预判，如客户的键盘敲击特征等。
其余例如人脸识别技术、生物探针技术等也都是依托于大资料风控技术进行实验和探索的方向。
在强相关资讯缺少的情况下，如何将多维资讯进行有效整合，发挥出更好的风险识别效用，是大资料风控技术在应用过程中的难点和挑战。
反欺诈主要是指交易欺诈、营销欺诈、账户安全欺诈、信贷申请欺诈、网络电话诈骗等恶意欺诈行为的识别方法和控制手段。
除了依赖大资料风控技术更加精准的识别风险外，更多的也需要风险管理流程性的控制手段来进行全方位风险管理。
欺诈风险的发生和普通客户对欺诈场景的认知、业务设计流程漏洞风险、业务本身吸引风险程度、业务风险控制流程规范程度、欺诈犯罪团伙的警方打击和法律处罚力度等方面都非常相关。
欺诈风险的防范也要从以下方面全面地推进：
首先排除风险控制本身不说，使用者关于欺诈风险的安全教育也至关重要。
客户自身的资讯泄漏是造成后续发生欺诈风险交易的源头，如果客户能够有效识别各种欺诈连结、欺诈二维码、欺诈手法等，就可以防范住很大程度的欺诈风险。这些需要不同渠道和平台共同努力进行有效宣传。
在业务设计流程上，需要验证哪些资讯要素、验证要素的识别准确性等，都会影响这个业务这款产品的安全健康程度。比如人脸识别技术，如果该技术的误识别率过高，就会一定概率的放过风险使用者和风险交易，欺诈分子也会比较不同平台的验证情况，针对门槛低的平台实施更多的诈骗交易。
有些业务本身就会吸引风险交易，比如转账交易，是一个非常容易变现的渠道，欺诈分子可以直接将资金转移到自己的银行卡中，对这类业务在进行反欺诈的风险控制就需要更多更严谨的风控策略和风险模型进行有效识别。
任何业务在反欺诈的风险运营过程中，都需要有严格规范的流程进行把控，避免在运营过程中引发的操作风险；各种操作过程和风险关注点都会标准化，风控人员可以有效的在可控的流程管理过程中开展运营工作。
在打击欺诈犯罪团伙方面，打黑团队会推动和深度配合各地公安机关破获网络黑产案件，有效打击黑产团伙，将欺诈分子绳之于法，从作案源头进行深入打击，有效防控风险案件的后续发生。
同时在识别欺诈风险的过程中，也需要结合业务客户体验和风险控制两方面进行平衡，风险控制手段和方法在一定程度上会对正常使用者进行打扰。这就要求我们结合更多更全面的资讯进行风险识别，不断提升风险识别的准确程度；在业务发展的不同阶段，也会平衡风险和体验的利益点，可能会在风险可控情况下优先保证客户体验。
