在网贷风控链条中，贷前审核是关键拼图。贷前审核的重要意义在于如何确定借款人的还款意愿和还款能力，这决定着出借人的回款状况。
合众e贷通过大数据风控对所有借款人进行严格审核，将不符合标准的人挡在门外，力求最大程度地避免信用风险。
拒绝还款能力差的人
借款场景一：小甲每个月没有固定收入，而且花钱也大手大脚，现在他想购买一部价值1.5万元的单反相机，于是希望通过合众e贷借款1.3万元，进行提前消费。
合众e贷是以小额借贷为主，绝大多数借款都在1万元以内，2019年11月的人均借款金额仅为0.17万元。借款金额小的好处是能够服务更多有资金需求的借款人，也大幅降低了还款压力。合众e贷每天都有数万次借款申请，要快速完成这些申请的审批必须借助科技的力量。
大数据技术对金融领域的风险控制起到了革命性的作用，让强调因果关系的传统风控进化到以关联关系为主的大数据风控，对信用风险和欺诈风险的识别更加高效。
合众e贷以大数据技术为核心打造了金睛风控系统，该系统具有高准确度的模型，能够有效识别出还款能力良好的借款人。
当小甲提交的资料进入金睛风控系统后，基本信息子模型、运营商子模型、多头负债子模型、信用卡及保险单子模型、消费信息子模型和社交信息子模型等将对其数据进行深入分析，通过对小甲的职业、收入、学历、年龄、社交等进行综合判断，可以勾画出小甲的用户画像并进行信用评分，会发现这个人习惯超额消费，借款金额超过还款能力，存在较高的逾期风险，因此将其列入高风险用户区间，并拒绝其借款。
如果小甲的资料存在模糊点，系统难以判断其资质，那么将由人工介入，作为自动化风控系统的补充。目前金睛风控系统的自动审批率高达95%，人工审批仅占5%。
拒绝多头借贷
借款场景二：小乙在多家网贷平台借了钱，经常是拆东墙补西墙，用新贷款偿还旧债，他开始尝试在合众e贷借款。
多头借贷是网贷行业一个非常让人头疼的问题，这造成了巨大的风险敞口，如果解决不好将让平台陷入严重的经营危机。
合众e贷的风控除了有完善的模型，还与第三方征信机构展开合作，并接入了百行征信。当小乙在征信机构或百行征信留下不良记录时，合众e贷将直接获得相关信息，从而遏制多头借贷的发生，并净化投资环境。
拒绝欺诈骗贷
借款场景三：小丙拿了别人的信息或用虚假信息申请借款，想撇开借款记录；小丁在借款之前就不打算还钱，意图恶意骗贷。
借款场景四：戊团伙准备进行团伙欺诈，他们熟悉风控规则，购买或盗用他人身份信息，并批量养号，通过更改手机通讯录、伪造通话记录、银行流水造假等方式，有组织地进行批量化骗贷。
网贷中的欺诈行为层出不穷，合众e贷通过生物特征识别、机器学习等手段开展反欺诈，风控模型也在根据欺诈的更新而快速迭代。
金睛风控系统以人脸活体检测验证是否为真人操作，并将活体照片与公安照片、身份证照片对照验证，再加上银行卡四要素验证，识别是否为用户本人操作。
接着，金睛风控系统将对比设备黑名单和IP黑名单等，查看用户是否有过欺诈行为，通过检验用户信息是否存在规律性或相似度，关注同时申请的用户是否地区高度集中、是否有相同联系人、是否属于高风险地区等，来判断是否是团体行为。风控系统还将检验用户的行为习惯，包括登陆时间段、登陆渠道、设备型号、页面停留时间、输入信息时长等，以机器学习模型来甄别异常的操作，降低欺诈风险。
同时，合众e贷会将恶意逾期的用户信息上传至央行征信和百行征信，如果借款人在央行征信中心的个人信用报告上留下污点，将给生活带来诸多不便，这增加了违约成本，也提升了借款人的还款意愿。
凭借智能化的风险管理，合众e贷让金融服务更加专业与安全。出借人在合众e贷的投资一直都是项目结束准时回款，提现立即到账，这增强了出借人长期投资信心。合众e贷也将继续强化风控体系，切实保障出借人的合法权益。
