一種基于運(yùn)營(yíng)商大數(shù)據(jù)的信用風(fēng)險(xiǎn)控制模型

賈利娟，朱斌杰

（1.陜西廣播電視大學(xué)計(jì)算機(jī)與信息管理教學(xué)部，陜西西安710119；2.中國(guó)移動(dòng)北京公司北京100007）

移動(dòng)通信運(yùn)營(yíng)商積累大量的用戶數(shù)據(jù)，包括用戶基礎(chǔ)信息、通信行為、上網(wǎng)行為、地理位置等數(shù)據(jù)。如何利用這些數(shù)據(jù)服務(wù)于征信領(lǐng)域是一個(gè)值得研究的問(wèn)題。征信領(lǐng)域主要分為企業(yè)征信和個(gè)人征信兩類，因?yàn)檫\(yùn)營(yíng)商積累的主要是個(gè)人通信用戶的數(shù)據(jù)，所以這里主要研究個(gè)人征信問(wèn)題。運(yùn)營(yíng)商的個(gè)人征信產(chǎn)品體系中主要包括征信驗(yàn)真、征信評(píng)級(jí)、業(yè)務(wù)追蹤管理3個(gè)子產(chǎn)品，其中征信評(píng)級(jí)是最重要的產(chǎn)品。征信評(píng)級(jí)產(chǎn)品基于運(yùn)營(yíng)商的大數(shù)據(jù)為用戶進(jìn)行信用評(píng)級(jí)，信用評(píng)級(jí)應(yīng)用于個(gè)人貸款、消費(fèi)貸款、免押金租賃等金融和商業(yè)場(chǎng)景中，實(shí)現(xiàn)對(duì)業(yè)務(wù)場(chǎng)景下的業(yè)務(wù)風(fēng)險(xiǎn)控制。從數(shù)據(jù)挖掘的角度看信用評(píng)級(jí)問(wèn)題就是數(shù)據(jù)挖掘中的分類預(yù)測(cè)問(wèn)題，根據(jù)用戶歷史數(shù)據(jù)建立用戶評(píng)級(jí)模型，基于評(píng)級(jí)模型得到每個(gè)用戶的信用風(fēng)險(xiǎn)評(píng)級(jí)并應(yīng)用于業(yè)務(wù)場(chǎng)景中。征信評(píng)級(jí)不僅應(yīng)用于傳統(tǒng)信貸場(chǎng)景，而且應(yīng)用于互聯(lián)網(wǎng)征信領(lǐng)域［1-5］。大數(shù)據(jù)征信評(píng)級(jí)中特別要注意用戶的隱私問(wèn)題[6]。現(xiàn)有基于大數(shù)據(jù)的征信模型都是基于信用場(chǎng)景下的數(shù)據(jù)[7-8]，沒(méi)有使用運(yùn)營(yíng)商大數(shù)據(jù)。

1 運(yùn)營(yíng)商征信系統(tǒng)

基于運(yùn)營(yíng)商大數(shù)據(jù)的征信系統(tǒng)由驗(yàn)真子系統(tǒng)、評(píng)級(jí)子系統(tǒng)、貸后管理子系統(tǒng)。驗(yàn)真子系統(tǒng)是對(duì)用戶身份以及各種狀態(tài)真?zhèn)芜M(jìn)行判別并返回是否形式的輸出。評(píng)級(jí)子系統(tǒng)通過(guò)運(yùn)營(yíng)商大數(shù)據(jù)建立用戶信用評(píng)級(jí)模型，根據(jù)模型計(jì)算輸出用戶的信用評(píng)級(jí)。貸后管理子系統(tǒng)管理貸款用戶的預(yù)警模型，輸出預(yù)警信息。

如圖1所示，征信系統(tǒng)在部署上分為3個(gè)區(qū)域：數(shù)據(jù)接入?yún)^(qū)、業(yè)務(wù)邏輯區(qū)、數(shù)據(jù)處理區(qū)。數(shù)據(jù)接入?yún)^(qū)從外圍數(shù)據(jù)系統(tǒng)中接入所需數(shù)據(jù)，外圍數(shù)據(jù)系統(tǒng)有CRM、BOSS、BI、網(wǎng)管系統(tǒng)、客服系統(tǒng)等。業(yè)務(wù)邏輯區(qū)處理業(yè)務(wù)邏輯響應(yīng)用戶請(qǐng)求。數(shù)據(jù)處理區(qū)包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、指標(biāo)監(jiān)控規(guī)則管理等功能。

圖1 信用風(fēng)險(xiǎn)控制系統(tǒng)部署圖

一個(gè)大數(shù)據(jù)系統(tǒng)要面臨3個(gè)問(wèn)題：大數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)分析、大數(shù)據(jù)管理。Hdoop分布式云計(jì)算框架是大數(shù)據(jù)最有力的搭檔，主要由分布式文件系統(tǒng)HDFS和MapRduce編程模型組成。本系統(tǒng)的核心在數(shù)據(jù)分析處理區(qū)，在預(yù)處理階段與數(shù)據(jù)挖掘階段都需要對(duì)海量大數(shù)據(jù)進(jìn)行存儲(chǔ)和計(jì)算，HADOOP技術(shù)是為處理大數(shù)據(jù)而生的技術(shù)，通過(guò)MapReduce模型把任務(wù)分配到分布式的計(jì)算機(jī)集群中，既降低了成本又提供了可伸縮性。

在挖掘周期和規(guī)則識(shí)別周期都比較長(zhǎng)的情況下，對(duì)內(nèi)容個(gè)性化規(guī)則挖掘的過(guò)程來(lái)說(shuō)無(wú)需快速的查詢時(shí)間，Hadoop架構(gòu)是能夠勝任的。如果挖掘周期和規(guī)則識(shí)別周期都比較短，可以考慮采用SPARK技術(shù)。SPARK同樣能夠?qū)崿F(xiàn)Hadoop的基于MapReduce的并行計(jì)算，任務(wù)運(yùn)行的中間結(jié)果保存在內(nèi)存中，而不需要讀寫HDFS，因此Spark能更好地適用于數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等需要迭代的MapReduce的算法。

2 征信評(píng)級(jí)模型

2.1 數(shù)據(jù)預(yù)處理

運(yùn)營(yíng)商的數(shù)據(jù)主要有用戶基本信息、通信行為、上網(wǎng)行為、客服投訴行為、增值業(yè)務(wù)使用行為等數(shù)據(jù)。這些數(shù)據(jù)需要從分散在各個(gè)部門的系統(tǒng)集中到統(tǒng)一的大數(shù)據(jù)平臺(tái)系統(tǒng)中。用戶基本信息包括用戶的實(shí)名認(rèn)證數(shù)據(jù)，主要是身份信息，從身份證號(hào)碼能解析出的信息包括籍貫、性別、年齡等信息。通信行為數(shù)據(jù)包括主要是話單數(shù)據(jù)、消費(fèi)數(shù)據(jù)、終端數(shù)據(jù)，話單數(shù)據(jù)主要能解析出通話行為、短信行為、位置信息。DPI技術(shù)是運(yùn)營(yíng)商大數(shù)據(jù)分析的基礎(chǔ)[9-12]。上網(wǎng)行為數(shù)據(jù)主要是對(duì)用戶上網(wǎng)行為作出DPI解析，從而得到用戶對(duì)網(wǎng)站以及APP類型的訪問(wèn)記錄，然后根據(jù)訪問(wèn)記錄可以得到用戶偏好。通信網(wǎng)絡(luò)是移動(dòng)通信用戶上網(wǎng)的通路，通信網(wǎng)元中的Gn口中可以提取每個(gè)用戶的上網(wǎng)行為，包括APP使用行為或者網(wǎng)站訪問(wèn)行為。Gn口用戶上網(wǎng)行為的獲取是通過(guò)DPI解析技術(shù)來(lái)實(shí)現(xiàn)的。深度包解析DPI中的“深度”是和普通的報(bào)文分析層次比較而言的，普通報(bào)文檢測(cè)僅分析IP包4層以下的內(nèi)容，包括源地址、目的地址、源端口、目的端口以及協(xié)議類型，而DPI除了這些層次，還增加了應(yīng)用層分析，能夠識(shí)別各種應(yīng)用及其內(nèi)容。對(duì)這些原始數(shù)據(jù)進(jìn)行處理解析得到所需的用戶屬性維度，然后對(duì)數(shù)據(jù)進(jìn)行ETL工具把數(shù)據(jù)處理成標(biāo)準(zhǔn)的基礎(chǔ)數(shù)據(jù)表?；A(chǔ)數(shù)據(jù)表是一張存儲(chǔ)用戶屬性的寬表。從業(yè)務(wù)層面寬表包括身份特質(zhì)、履約能力、立信歷史、人際網(wǎng)絡(luò)、行為特征等幾個(gè)方面的數(shù)據(jù)，如圖2所示。

圖2 信用風(fēng)險(xiǎn)控制模型維度分類

身份特質(zhì)數(shù)據(jù)對(duì)用戶的基礎(chǔ)信息進(jìn)行畫(huà)像。身份特質(zhì)相關(guān)數(shù)據(jù)包括：會(huì)員級(jí)別、被舉報(bào)次數(shù)、惡意投訴次數(shù)、年齡、性別、職業(yè)特征。性別、年齡數(shù)據(jù)來(lái)源于用戶的實(shí)名制信息，從身份證信息上可以提取計(jì)算出性別和年齡數(shù)據(jù)。惡意投訴次數(shù)、會(huì)員級(jí)別來(lái)源于客服系統(tǒng)。被舉報(bào)次數(shù)來(lái)源于客服系統(tǒng)以及騷擾電話智能識(shí)別模型。

履約能力對(duì)用戶的消費(fèi)能力進(jìn)行畫(huà)像。履約能力數(shù)據(jù)包括：賬單金額、近3個(gè)月流量、繳費(fèi)方式、承諾消費(fèi)、賬戶余額、終端類型、省際漫游、國(guó)際漫游。履約能力相關(guān)的數(shù)據(jù)來(lái)源于CRM、BOSS系統(tǒng)。通過(guò)系統(tǒng)數(shù)據(jù)直接計(jì)算得到。

立信歷史數(shù)據(jù)對(duì)歷史信息用情況進(jìn)行畫(huà)像。立信歷史數(shù)據(jù)包括：通信賬戶開(kāi)立時(shí)長(zhǎng)、固定電話、家庭寬帶開(kāi)立時(shí)長(zhǎng)。通信賬戶開(kāi)立時(shí)長(zhǎng)就是用戶的移動(dòng)通信業(yè)務(wù)入網(wǎng)時(shí)間，固定電話、家庭寬帶等業(yè)務(wù)的開(kāi)立時(shí)長(zhǎng)也是與立信歷史相關(guān)的數(shù)據(jù)。

人際網(wǎng)絡(luò)數(shù)據(jù)對(duì)用戶的通信圈、即時(shí)通信朋友圈等人際關(guān)系進(jìn)行畫(huà)像。人際網(wǎng)絡(luò)相關(guān)數(shù)據(jù)包括：本地朋友圈比例、國(guó)際長(zhǎng)途、朋友圈質(zhì)量、家庭套餐、親情號(hào)碼。本地朋友圈比例、國(guó)際長(zhǎng)途、朋友圈質(zhì)量主要通過(guò)話單數(shù)據(jù)來(lái)建立模型進(jìn)行計(jì)算的。家庭套餐、親情號(hào)碼來(lái)源于相應(yīng)的業(yè)務(wù)平臺(tái)。

行為特征數(shù)據(jù)對(duì)用戶的通信、上網(wǎng)等行為進(jìn)行畫(huà)像。行為特征相關(guān)數(shù)據(jù)包括：欠費(fèi)次數(shù)、最近一年被查詢次數(shù)、公檢法、催收號(hào)碼呼入、特服短信號(hào)碼分析、一年穩(wěn)定使用終端數(shù)量、補(bǔ)充業(yè)務(wù)、興趣偏好分析。

表1 用戶屬性寬表

前面預(yù)處理環(huán)節(jié)完成了全網(wǎng)用戶的屬性數(shù)據(jù)處理工作，得到一張全網(wǎng)用戶的屬性數(shù)據(jù)寬表，如表1所示。這是進(jìn)行數(shù)據(jù)挖掘環(huán)節(jié)的基礎(chǔ)。用戶征信評(píng)級(jí)模型是一個(gè)分類預(yù)測(cè)問(wèn)題。數(shù)據(jù)挖掘根據(jù)歷史數(shù)據(jù)挖掘出規(guī)則然后使用所得到的規(guī)則對(duì)未來(lái)預(yù)測(cè)。歷史數(shù)據(jù)就是用作模型訓(xùn)練的數(shù)據(jù)，是指在同樣場(chǎng)景下積累的已知結(jié)果的個(gè)體行為數(shù)據(jù)。可以根據(jù)不同應(yīng)用場(chǎng)景建立不同的模型，以適應(yīng)不同場(chǎng)景的需要。

2.2 數(shù)據(jù)挖掘流程

數(shù)據(jù)挖掘的流程分為5步，具體步驟如下：

第一步：獲得訓(xùn)練數(shù)據(jù)。從業(yè)務(wù)積累的歷史數(shù)據(jù)獲得訓(xùn)練數(shù)據(jù)。訓(xùn)練數(shù)據(jù)主要包括用戶標(biāo)識(shí)主鍵和目標(biāo)字段。目標(biāo)字段與要預(yù)測(cè)的結(jié)果相對(duì)應(yīng)，目標(biāo)字段的取值是由用戶真實(shí)行為產(chǎn)生的歷史記錄。根據(jù)目標(biāo)字段取值的數(shù)量訓(xùn)練數(shù)據(jù)相應(yīng)要取對(duì)應(yīng)組數(shù)。

在某商城小額消費(fèi)貸款業(yè)務(wù)場(chǎng)景下，業(yè)務(wù)開(kāi)展過(guò)程中積累了一些用戶使用貸款業(yè)務(wù)后是否按時(shí)還款的歷史數(shù)據(jù)記錄，根據(jù)用戶是否及時(shí)還款把用戶分為優(yōu)質(zhì)用戶、風(fēng)險(xiǎn)用戶兩個(gè)級(jí)別，對(duì)兩個(gè)級(jí)別的用戶分別采取不同的業(yè)務(wù)方案。優(yōu)質(zhì)用戶是能及時(shí)還款的用戶，風(fēng)險(xiǎn)用戶是指貸款后產(chǎn)生壞賬的用戶。這里目標(biāo)字段有兩個(gè)取值:優(yōu)質(zhì)用戶、風(fēng)險(xiǎn)用戶。在選擇訓(xùn)練樣本的時(shí)候需要對(duì)應(yīng)提取出兩組用戶：優(yōu)質(zhì)用戶、風(fēng)險(xiǎn)用戶。兩組用戶組成了用戶行為歷史數(shù)據(jù)，記錄數(shù)10萬(wàn)條，如表2所示。其中8萬(wàn)條做為訓(xùn)練數(shù)據(jù)如表2所示，2萬(wàn)條做為驗(yàn)證數(shù)據(jù)。

第二步:在用戶屬性寬表中提取出訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的屬性數(shù)據(jù)，如表3所示。

第三步:聚類和分析算法都可以作為預(yù)測(cè)模型使用[13-14]。使用SPARK計(jì)算框架保障計(jì)算速度[15-16]。運(yùn)行決策算法C4.5，決策樹(shù)。算法的輸入是第二步中的訓(xùn)練樣本寬表。輸出結(jié)果是一個(gè)根據(jù)屬性重要程度從大到小排列的樹(shù)，樹(shù)的根節(jié)點(diǎn)屬性最重要。從樹(shù)的根節(jié)點(diǎn)到葉子所經(jīng)過(guò)的一條路徑上的屬性組成一條判斷規(guī)則。C4.5算法是基于基于ID3算法進(jìn)行的擴(kuò)展。ID3算法進(jìn)行屬性劃分使用的參數(shù)是熵，熵是無(wú)序性（或不確定性）的度量指標(biāo)。假如事件A的全概率劃分是（A1，A2，...，An），每部分發(fā)生的概率是（p1，p2，...，pn），那信息熵定義為：

表2 用戶行為歷史數(shù)據(jù)表

表3 屬性數(shù)據(jù)

ID3中計(jì)算的是“信息增益”，C4.5中則計(jì)算“信息增益率”:

vj表示屬性V的各種取值，在ID3中用信息增益選擇屬性時(shí)偏向于選擇分枝比較多的屬性值，即取值多的屬性，在C4.5中由于除以了H（V），可以削弱這種作用。

算法首先會(huì)計(jì)算所有屬性的信息增益率，選出值最大的屬性作為決策樹(shù)根節(jié)點(diǎn)屬性，然后在葉子節(jié)點(diǎn)中迭代此過(guò)程。C4.5算法本身是成熟的算法，決策樹(shù)分類預(yù)測(cè)算法可以根據(jù)具體情況具體選擇，R、SPSS、SAS等專業(yè)數(shù)據(jù)挖掘工具中都有相應(yīng)的算法包供調(diào)用，算法輸出的是決策樹(shù)結(jié)果文件或者可視化的決策樹(shù)。

第四步:基于決策樹(shù)提取出規(guī)則，這些規(guī)則可以轉(zhuǎn)化為數(shù)據(jù)庫(kù)中IF-ELSE形式的查詢語(yǔ)句。從決策樹(shù)的根節(jié)點(diǎn)到葉子節(jié)點(diǎn)所經(jīng)過(guò)的屬性組成一條規(guī)則的判斷條件屬性，符合這些屬性的用戶被分組到對(duì)應(yīng)的預(yù)測(cè)分組之中?？梢园阉械穆窂教崛〕鰜?lái)作為規(guī)則庫(kù)，也可以加上專家經(jīng)驗(yàn)選取出符合業(yè)務(wù)邏輯的規(guī)則然后再加入到規(guī)則庫(kù)中。前者是閉環(huán)自動(dòng)的方式完成，效率較高，但準(zhǔn)確率較低。后者加上了業(yè)務(wù)專家的經(jīng)驗(yàn)，但挖掘過(guò)程不再是自動(dòng)方式完成。

第五步：在業(yè)務(wù)邏輯區(qū)進(jìn)行固化規(guī)則。固化的規(guī)則一組判斷條件和結(jié)果的組合。當(dāng)用戶請(qǐng)求到達(dá)后根據(jù)規(guī)則進(jìn)行判斷評(píng)級(jí)，返回用戶相應(yīng)的等級(jí)。規(guī)則要根據(jù)評(píng)級(jí)的效果進(jìn)行持續(xù)的優(yōu)化。根據(jù)業(yè)務(wù)反饋的結(jié)果與評(píng)級(jí)的結(jié)果進(jìn)行比較，判斷評(píng)級(jí)的質(zhì)量，進(jìn)行指標(biāo)。持續(xù)進(jìn)行指標(biāo)監(jiān)控，并持續(xù)優(yōu)化規(guī)則。

圖3 數(shù)據(jù)挖掘流程圖

3 模型評(píng)估

模型質(zhì)量通過(guò)比對(duì)驗(yàn)證數(shù)據(jù)與模型預(yù)測(cè)結(jié)果來(lái)進(jìn)行評(píng)估。通過(guò)8萬(wàn)條訓(xùn)練樣本數(shù)據(jù)訓(xùn)練出決策樹(shù)規(guī)則模型，然后通過(guò)2萬(wàn)條驗(yàn)證樣本數(shù)據(jù)進(jìn)行驗(yàn)證。驗(yàn)證樣本數(shù)據(jù)的目標(biāo)字段的實(shí)際類別是已知的，通過(guò)決策樹(shù)規(guī)則得到目標(biāo)字段的預(yù)測(cè)類別，然后與實(shí)際類別進(jìn)行對(duì)比來(lái)評(píng)估模型，如表4所示。

表4 預(yù)測(cè)結(jié)果與實(shí)際結(jié)果對(duì)比表

正確率是指模型總體的正確率，是指模型能正確預(yù)測(cè)、識(shí)別1和0的對(duì)象數(shù)量與預(yù)測(cè)對(duì)象總數(shù)的比值。正確率是綜合評(píng)價(jià)模型準(zhǔn)確度的一個(gè)指標(biāo)。

根據(jù)公式計(jì)算正確率為98.68%。模型正確識(shí)別為正的對(duì)象占全部觀察對(duì)象中實(shí)際為正的對(duì)象數(shù)量比值，指風(fēng)險(xiǎn)用戶的識(shí)別度，風(fēng)險(xiǎn)用戶識(shí)別度越高業(yè)務(wù)風(fēng)險(xiǎn)越小。

4 結(jié)論

為了基于通信運(yùn)營(yíng)商大數(shù)據(jù)對(duì)個(gè)人信用風(fēng)險(xiǎn)進(jìn)行控制，設(shè)計(jì)了一種基于運(yùn)營(yíng)商大數(shù)據(jù)的征信評(píng)級(jí)模型，提高了風(fēng)險(xiǎn)用戶識(shí)別準(zhǔn)確率?？梢酝ㄟ^(guò)征信模型對(duì)外提供用戶信用評(píng)級(jí)服務(wù)，需要與外部客戶聯(lián)合建立個(gè)性化模型，這是需要下一步要深入的研究的問(wèn)題。

[1]張健華.互聯(lián)網(wǎng)征信發(fā)展與監(jiān)管[J].中國(guó)金融，2015（1）:40-42．

[2]劉曉叢.基于P2P網(wǎng)貸的中小企業(yè)融資問(wèn)題研究[J].時(shí)代金融，2014（1）:216-217.

[3]趙雅敬.P2P網(wǎng)絡(luò)借貸緩解科技型中小企業(yè)融資難問(wèn)題研究[J].經(jīng)濟(jì)研究參考，2014（25）:57-64.

[4]劉金燕.基于互聯(lián)網(wǎng)金融的中小企業(yè)融資模式探討[J].中國(guó)市場(chǎng)，2014（43）:102-103.

[5]王朝霞，張婷婷.互聯(lián)網(wǎng)金融在小微企業(yè)融資領(lǐng)域的應(yīng)用現(xiàn)狀及問(wèn)題研究[J].中外企業(yè)家，2014（16）:111-112.

[6]馬義玲.我國(guó)個(gè)人信用征信過(guò)程中金融隱私權(quán)保護(hù)問(wèn)題探討[J].征信，2014（1）:52-54．

[7]陳云，石松.基于PSO-BP集成的國(guó)內(nèi)外企業(yè)信用風(fēng)險(xiǎn)評(píng)估[J].計(jì)算機(jī)應(yīng)用研究，2014，31（9）:2705-2710.

[8]崔東文.基于多元變量組合的回歸支持向量機(jī)集成模型及其應(yīng)用[J].水利水運(yùn)工程學(xué)報(bào)，2014（2）:66-73.

[9]谷紅勛，張霖.DPI：運(yùn)營(yíng)商大數(shù)據(jù)安全運(yùn)營(yíng)的基石[J].網(wǎng)絡(luò)空間安全，2016（7）:23-26.

[10]何高峰，楊明，羅軍舟，等.Tor匿名通信流量在線識(shí)別方法[J].軟件學(xué)報(bào)，2013，24（3）:540-556．

[11]董仕，丁偉.基于流記錄偏好度的多分類器融合流量識(shí)別模型[J].通信學(xué)報(bào)，2013，34（10）:143-152．

[12]趙博，郭虹，劉勤讓，等.基于加權(quán)累積和檢驗(yàn)的加密流量盲識(shí)別算法[J].軟件學(xué)報(bào)，2013，24（6）:1334-1345．

[13]何廣才，周根寶.基于MapReduce的改進(jìn)蟻群算法在TSP中的應(yīng)用[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)，2015，36（5）:125-132.

[14]楊倩倩，生佳根，趙海田.K-means聚類算法在民航客戶細(xì)分中的應(yīng)用[J].電子設(shè)計(jì)工程，2015（12）:25-27.

[15]胡俊，胡賢德，程家興.基于Spark的大數(shù)據(jù)混合計(jì)算模型[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2015（4）:216-220.

[16]龔燦，盧軍.基于Spark的實(shí)時(shí)情景推薦系統(tǒng)關(guān)鍵技術(shù)研究[J].電子測(cè)試，2016（4）:48-50.