运营商大数据获取有哪些公司？运营必备18个大数据公司

  我们在贷款时总是会碰到一个说法：大数据，但是大数据到底是什么就是没法解释清楚，今天就给大家讲一讲我们常见的一些大数据公司以及他们的服务内容。

  1.百融

  特点：反欺诈数据模块主要有黑名单类、多头类、团伙欺诈、偿债压力；信用评估数据模块包括稳定性指数和人口衍生；评分类包括额度评分和营销评分。此外还有火车出行数据(不确定现在还有没有)

  2，冰尖

  特点：青云分是基于用户收支情况及兴趣偏好对客户支付能力的评估；火眸分是设备信息，与SDK服务商合作输出；慧眼分是支付信息，与三方支付公司合作；景从分是电商信息；挖掘分是捞回信息；星宇分是设备、支付、电商综合。此外，还有皓月分、霄云分、天瞳分、贷中检测评分等

  3，腾讯云

  特点：行业风险评估包括疑似金融黑产/金融中介/准入风险/羊毛套利/以贷养贷；反欺诈评分包括疑似资金紧张/支付白户/养号小号/账号被盗/资料包装/涉黄涉恐/金融黑产/手机猫池/风险设备等。

  4，百行征信

  特点：智绘系列包括网贷申请画像、借贷信息查询、信用卡还款、网贷评分、借贷意愿分、借贷风险分等。

  5，阿里云

  特点：风险技术情报主要是根据逾期程度(保险代偿情况)以及申请多头判定风险；先享后付是芝麻分转化而成；友盟分有小额通用分和小微企业分；蚁盾分基于身份、设备、环境、行为数据，识别垃圾注册、批量小号。IP风险画像适用于人机识别、程序化行为；设备风险识别组件包括协议攻击检测、设备指纹生成、模拟器检测、机刷检测。友盟IOS查得率较高，饱和率较低。

  6，磐石

  特点：风险名单定义为6个账期内历史逾期30天以上，返回事实类数据、预警类数据、近期违约行为类数据的风险等级、命中原因和命中详情；欺诈因子基于体系内理财、画像及互联网行为数据。

  7，天创

  特点：无间司南是黑名单，分极黑/高危/关注/灰度账户；信用司南是多头借贷；申请司南是多头申请；消费司南是消费交易特征。

  8，京东

  特点：小白信用分包括综合分、非银现金分、欺诈分。

  9，银联

  特点：联杏分有近期模型、中期模型、老户交易模型、次新户交易模型；特殊交易画像为代扣失败的15个变量；消费评分主要是194个交易变量以及4个转入类变量。

  10，天翼征信

  特点：电信运营商数据独家

  11,中国联通

  特点：反欺诈服务包括金融反欺诈、羊毛反欺诈、黑名单用户查询、恶意卡判别、三无/极低信息查询。

  12，游昆

  特点：博识分用于精准营销/存量激活；金融画像包括社保/个税/公积金/学历/收入/是否学生/消费能力/职业预测。独有的分享与社交类底层数据覆盖是MobTech的特色。安卓查得率98%+，IOS:29%+；设备反欺诈评分基于关系网络的、设备电量、虚拟机、越狱ROOT等行为评分，判定设备涉及欺诈的风险。

  13，白骑士

  特点：反欺诈分包括本人欺诈分和团伙欺诈分；骑士X1分基于受重大突发事件影响的样本；调用统计分融合银行、消金、互金的调用统计特征。反欺诈系统可监控整个借款流程的行为，比如输入字段时长，输出是否有错、是否粘贴，在各页面上的浏览时间等；复杂关系网络底层同多头数据，172个标签，可用单次申请的信息进行一度关联、二度关联。

  14，黑瞳

  特点：瞳核是高危客群黑名单；瞳眼是贷前贷中预警；瞳分包括客户画像、反欺诈评分（瞳策、瞳睿、AR、AJ、A2）、偿还能力评估、风险评分。

  15，探知

  特点：探真报告基于运营商数据；共债分析基于多平台借贷数据；贷前/贷中报告/逾期风险分基于运营商数据；慧行分基于消费行为数据；灵信分基于阿里的设备数据/消费/支付数据、灵镜分基于阿里体系内信贷/还款数据；甄智分融合腾讯及探知自有数据

  16，金保信

  特点：模型分包括通用评分、定制评分以及还款能力评分；工作单位核验、社保注销状态核验、缴费城市核验、个人缴费状态核验等。

  17，Talkingdata

  特点：欺诈风险侦测包含自有底层5000+变量。欺诈分和信用分都分TD和波塞冬，特征数量不同，TD分特征更多。信用分多基于设备数据与借贷行为数据与电商数据；欺诈分基于设备数据与多头数据。ios查得率93.5%。通过百维融合阿里评分；SDK数据，地理位置，设备信息用了京东云电商数据和百行征信和贷后数据。赫拉分融合借贷数据，波塞冬融合京东云电商数据。

  18，中智诚

  特点：宙斯盾是产品即高风险网贷客群风险识别，包括验证、分层、贷中监测；彩虹分区分特定使用场景；祥云是黑名单；昊日是多头。

  其次还有最常见的就是同盾和鹏元，因为应用太广泛了就没有单独列出来，因为他们俩就相当于压舱石了。