作為國內互聯網及金融大數據風控的引領者，同盾科技在成立三周年之際發布了一份《老賴畫像》，對老賴人群的特征和行為進行一一解答、深刻描述，為整個互聯網及金融行業懲戒老賴提供高效準確的參考。

同盾科技這份基于信貸、銀行、保險、P2P等5000家客戶的大數據，得出的老賴究竟長什么樣？根據報告顯示，老賴的群體特征主要如下：男性居多，平均年齡39歲，而34-43歲的老賴人數最多，44-53歲的借貸風險最高。

據了解，同盾科技利用多個行業的數據資源，通過自身的核心的數據處理技術，對數據進行挖掘重組，能勾畫出360度個人畫像，由此可見，老賴并非毫無征兆，而讓老賴無處遁形將成為可能。專家建議，互聯網金融企業、特別是P2P及小貸公司應特別留意借貸人突出的行為特征，如驚人的設備關聯數量、多個跨平臺借貸等，及時查詢調用大數據并觀察分析。

據麥肯錫2016年初發布的報告顯示，中國互聯網金融總用戶已突破5億，網民滲透率超過70%。然而，由于信用體系和監管體系的不完善，互聯網欺詐及信貸風險發生率也隨著這一行業的高歌猛進而呈現明顯上升趨勢。據統計數據顯示，中國互聯網欺詐風險已在全球排名前三，惡意欺詐產生的損失在某些企業甚至占整體壞賬的60%。

據介紹，傳統風控和反欺詐通常基于某個行業或者信息孤島，此份《老賴畫像》則基于“聯防聯動防控”的大數據分析理念，其目的不僅是能不斷更新老賴信息，為企業降低因欺詐和信用違約導致的壞賬，更希望對游走于各個行業、平臺之間的老賴行為能同樣防患未然，同時提高各行業的風控水平和反欺詐能力。

《老賴畫像》部分數據（僅供參考）：

從性別分布上看，借貸者的男女性別比例約為2：1，而老賴群體中，男女性別比例高達近4：1；

從年齡分布上看，19-28歲的年輕人是借貸的主力軍，這也與同盾的客戶中消費金融類借貸行為年輕化趨勢相符。而34-53歲的中年群體在老賴中的占比高達一半以上，34-38歲的老賴絕對數量最高，44-53歲借貸時成為老賴的概率和風險更高；

普通借貸者一般一臺設備關聯一個身份證，而老賴在一臺設備上關聯的身份證數量則更多。普通借貸者一般一臺設備關聯一個手機號，而10%以上的老賴在一臺設備關聯的手機號數量甚至高達40個以上。同盾專家分析稱，由于老賴從意愿上就存在風險，所以會通過關聯更多手機號以實現賴賬；

如果告訴你，大部分老賴在白天都比較正常，不正常的行為都集中在夜晚，你會怎么想？事實正是如此——大部分老賴偏好在工作日注冊登陸，與普通借貸者無差異；但是，老賴在非正常時間段登陸的比例明顯高于普通借貸者，夜貓子習性較強，其中63.2%的老賴喜歡在類似凌晨等非正常時間登陸；

普通借貸者一般僅在一個平臺進行借貸，而老賴更愛跨平臺、甚至跨多平臺借貸，其中近兩成老賴在金融行業貸款時跨3個及以上平臺。同盾科技對于這一現象的解釋是，老賴多有多頭借貸行為，有不少是“拆東墻補西墻”，逾期和違約風險極高。

隨著移動設備應用廣泛，交易速度和頻率的不斷提高，風控及反欺詐難度也不斷增加，而欺詐范圍由原來多發生在金融行業，逐漸擴展到社交、娛樂、游戲、電商等多個領域。《老賴畫像》指出，90%以上的普通借貸者跨平臺貸款發生在消費金融行業，而老賴恰好相反，大部分跨平臺貸款發生在非消費金融行業。

此外，P2P和小貸公司更容易被老賴盯上，數據顯示，這兩類金融企業已成為老賴重災區：46%的老賴在P2P平臺進行借貸，是普通借貸者的3倍；有借貸行為的老賴中，近40%曾在2個以上的P2P平臺進行跨平臺借貸，近10%在4個及以上平臺跨平臺借貸；另外一個比較容易讓老賴盯上的機構是小貸公司，三分之一的老賴曾在小貸公司進行貸款，遠遠高于普通借貸者。業內人士分析，大數據孤島等問題致使P2P平臺和小貸公司更容易成為老賴資金的生存地。