现在信用卡在评估反欺诈、工作稳定性、收入水平、信用历史、负债状况等维度的评估面临着新的挑战，2013年的中信银行信用卡中心做了新尝试，跟阿里及腾讯合作发行网络信用卡，同时尝试使用个人网络行为数据来进行风险决策，主要使用三个维度的行为数据：网络阅读数据、消费数据及自媒体分享数据，当然央行征信数据也是主要基础信用数据。通过这些网络行为数据来进行反欺诈、交叉验证、属性推理、负面信息采集，同时对客户进行风险画像。

1

网络阅读数据

通过对你阅读的文章信息的来源、主题、数量、时间、文章质量来推测你的性别、身份、职位、行业等信息。前期大数据公司先要采集大量样本进行机器学习、聚类分析，不断提高预测的准确性。

2

消费数据

在客户授权的情况下（以提供数据越详尽额度越高为由）对淘宝、支付宝、京东等电商消费数据进行解析，通过消费品类、数量、价位、时间、规律性、物流信息、快递地址等信息进行身份推理、逻辑校验、消费能力评估等风险决策。如果是apple端的地址信息、IP信息、操作设备也可能被爬虫程序读走。该类数据对信用卡微额授信很有价值。对客户的评估，中信网络信用卡跟阿里合作主要是看中其消费数据的重要性，当然庞大的用户基数也是重要原因。

3

自媒体数据

当下都成了手机控，通过微博、微信、各类空间即可分析个人状态。琐碎的自媒体信息包含大量的信息，性别、年龄区间、颜值、婚否、工作、压力状态、专注度、影响力、兴趣、性格聚类等。只要信息数量足够充分，个人画像将展露无余。看看自己的微信朋友圈就不难理解，正常的人不太可能三个维度都深藏不露。

通过以上三类基础数据，再加上央行征信，要顺利完成欺诈、隐瞒确实很难。银行如果更加深精细化运作，引进像同盾科技这样的大数据互联网反欺诈公司的风控维度，那就"天下无贼"了。多维度交叉验证估计电话审核都可以省掉了。像同盾这样专注于第三方互联网反欺诈的公司，拥有强大的黑名单库（手机、身份证、设备、IP、邮箱、公司等）及信贷同行共享数据库，在加上是P2P、互联网理财、电商、SNS、O2O、第三方支付、银行等机构联防联控，让欺诈类风险大大降低。总而言之，银行信用卡中心通过引进个人网络行为数据进行授信决策将是未来趋势。

信用卡授信规则举例

1、个人身份信息、工作信息造假的拒绝处理；

2、收入状况不符的电话核实处理；

3、已经持卡5张的拒绝处理；

4、近10天同行申请次数加上持卡数量超过5的做拒绝处理；

5、近期工作、家庭、健康出现重大负面事件（通过网络信息、自媒体信息挖掘）的拒绝处理；

6、同一设备（通过APP端操作申请）操作申请超过2个的拒绝处理；

7、姓名、身份证号、手机号、邮箱、设备号关联欺诈事件的进一步电话核实，属实的拒绝处理；

8、联系人为本机构或共享机构被命中黑名单的电话核实，有核心经济关联的拒绝处理；

9、联系人为本机构或共享机构是优质星级客户的给予加分；

10、手机号码被认定为阿里小号、虚拟号码、流量卡的电话核实更换正常号码，不配合及隐瞒的拒绝处理。

如果您觉得本文对您有帮助，欢迎您推荐给朋友，您的支持和鼓励是我们前进的动力