權威機構數據顯示，僅今年以來判決的信用卡詐騙案件就多達上百件，而今年政府報告也提到了互聯網金融風險?？梢?，金融欺詐已經成為了行業(yè)健康發(fā)展不可忽視的風險。為此，越來越多金融機構開始著力人工智能、大數據風控領域，欲從風險的“觀測者”變?yōu)椤邦A測者”。

今年兩會上，總理在《政府工作報告》中指出，當前系統性風險總體可控，但對不良資產、證券違約、影子銀行、互聯網金融等積累風險要高度警惕。互聯網金融風險連續(xù)四年被寫進政府工作報告中，可見風控對于我國金融行業(yè)發(fā)展的影響之大。

據權威機構數據顯示，僅今年以來判決的信用卡詐騙案件就多達上百件，而這一數字在2016年是9546起。信用卡詐騙屢禁不止，一方面是由于發(fā)卡行疏于信用審查，另一方面是因為銀行傳統的規(guī)則反欺詐模型已不足以應對“高科技”詐騙。不難發(fā)現，其中通過電信和網絡進行詐騙仍是主流。

從當前情況來看，金融欺詐已經成為了行業(yè)健康發(fā)展不可忽視的風險。據悉在一些P2P公司，惡意欺詐產生的損失占整體壞賬的60%，銀行面對新形勢下嚴峻的欺詐風險，傳統的欺詐風險防控手段例如憑借專家經驗人工制定反欺詐規(guī)則、使用基于規(guī)則引擎的欺詐偵測的策略已經“力不從心”。

在這種金融風險盛行的大環(huán)境下，想推動行業(yè)健康發(fā)展必須要有效實現金融反欺詐。因此，紛紛著力人工智能、大數據風控領域，欲從風險的“觀測者”變?yōu)椤邦A測者”。

“隨著數據維度的大幅增長，移動設備、網絡瀏覽行為、位置變化等多維信息都可以用于刻畫申請或交易行為，多維數據交叉驗證可以提升欺詐風險識別的精準性，也為大規(guī)模機器學習奠定了基礎?！便y行風控部門負責人表示。

此外，非結構化數據庫、分布式存儲和云計算技術的產生，為多類型數據的存儲和復雜模型的運算提供了實時性保障。而在技術層面，該負責人稱，傳統的建模方法目前已經不適應海量數據的高維稀疏特點。大數據時代，機器學習算法在反欺詐建模中的應用越來越多，如神經網絡、隨機森林、梯度提升決策樹(GBDT)、支持向量機(SVM)等。

與此同時，隨著大數據的融入，為行業(yè)提供風險控制及反欺詐服務的第三方服務商陣營也得以迅速成長和壯大。以芝麻信用、騰訊征信、極光大數據等為代表的新一批大數據公司依托跨行業(yè)、多維度的海量數據沉淀以及強大的數據挖掘、分析和預測能力，提供反欺詐服務，羊毛黨開始慢慢退場，行業(yè)迎來新的發(fā)展希望。

在反欺詐領域，大數據也有了新的屬性——即貨幣價值。例如某個企業(yè)用了大數據產品后，其違約率降低了多少百分比，降低了多少損失，然后能夠愿意為這個損失付出多少，這便是反欺詐產品的貨幣化空間，所以大數據的貨幣化屬性也就是價值屬性，數據產品的貨幣化，最終還是取決于產品給客戶帶來的價值。而大數據反欺詐正在以三個維度的引領凸顯其價值，為行業(yè)構筑了一道反欺詐防線。