银行是如何判断客户是否正常用卡？

有些人玩卡，违规套现，月月刷爆导致被银行封卡降额，于是会有这样的疑问：银行是如何判断客户是否正常用卡？

其实这并不需要太多硬性指标，99%的账单，你看一眼就能判定，他是否正常用卡！

但作为玩卡公众号，必须讲些专业指标。今天刚好看到一篇敲到好处的文章，就推荐给各位看看：

1、分析交易时间与交易量的关系

图见：《银行是如何判断信用卡欺诈的？》

正常交易特点：

正常交易分布聚集度明显，主要集中在上午9点-下午23点，在凌晨0点-上午7点交易量较低。

欺诈交易特点：

欺诈交易的时间离散度高，但在峰值迹象出现在两天的凌晨2-3点，第一天的11-点，在上午7-点，下午2-10点，两个时间段的总量分别为88笔、97笔，且每1小时的交易量都比较平均。

综合以上：在凌晨0点-4点间的交易，为欺诈交易的概率高；在上午9点-下午10点间，欺诈交易多伪装成正常交易。

2、分析交易金额与交易量的关系

从交易金额与交易量中明显看出，无论是欺诈交易还是正常交易，单笔交易金额都比较低，大量聚集在100元以下，将交易金额下钻至0-500元范围内，对比欺诈交易与正常交易的特点。

图见：《银行是如何判断信用卡欺诈的？》

正常交易：

正常交易共284315笔，单笔最大值为25,691.16，其中单笔500元以下的交易共有27.5万笔，占交易总量的96.8%。

欺诈交易：

欺诈交易共492笔，单笔最大值为2,5.87，单笔金额多为50元以下，总计305笔占欺诈交易总量的62%，其中10元以下共249笔占欺诈交易总量50%，其次为90-100元，总计笔。

综合以上：欺诈交易和正常交易在图形的趋势上相似，都聚集于小额交易，单笔交易金额50元以下的为欺诈交易的概率更高。

3、分析不同交易类型的映射值特点

通过对正常交易与欺诈交易的映射值对比分析，可以建立两种交易的映射值模型。

图见：《银行是如何判断信用卡欺诈的？》

这批数据的处理过程中着实麻烦，每个字段下有20万+数据，excel经常出现崩溃，原本我的思路是得出每个映射值的描述统计，使用切片器在数据透视表中对不同的映射值对应的同一描述统计字段进行视图。

最后改变策略为取映射值在-1~1之间，相同数量范围内观察映射值的特点；其实这样做是有缺点的，所取某个范围内的样本不具有普遍代表性。

期间我还尝试过另一种方法，在每个映射值中随机抽取500个样本，输出描述统计，与欺诈交易的描述统计作比较，在此就不再上图。

综合以上：

通过对交易金额、交易时间、交易的映射值进行大量数据统计分析，建立欺诈交易和正常交易的模型，当一笔交易进入时，在模型中根据各个特性的得分，得到最终评分，以某阈值为分界点，将交易判定为正常或欺诈。