風控是避免損失或減少損失的一種措施或方法，相對於傳統風控，大數據風控有何不同？風控體系要如何搭建？

風控是金融的心臟，數據則是風控的血液。以前我們主要依靠經驗和宏觀經濟形式來實施風險控制，後來通過數據、評分在進行風控，現在則是運用大數據在做風控。

2014年起，互金行業開始大範圍爆發風險事件，很多金融機構開始對傳統的風控模式產生質疑。此時，正值大數據技術的發展，憑藉其可靠的風控技術手段在互金行業中獲得青睞。據《2018年中國大數據風控調研報告》稱，2017年中國大數據風控市場規模達140億人民幣。

目前，各大互聯網金融企業均已採用大數據風控這一技術手段，螞蟻金服、融360、拍拍貸、點融網等均開發有獨立的大數據風控系統，大數據是互聯網金融乃至傳統金融風控的必然趨勢，它的發展將會給金融領域帶來巨大福音。

那麼大數據風控到底是什麼？大數據風控要如何搭建？下面盒子菌就給大家一一解答：

一、什麼是大數據風控

大數據風控即大數據風險控制，是指通過大數據核心算法建立風險模型，在收集各種維度數據基礎上，結合互聯網化評分和信用管理模型，提取出對企業有用的數據，再進行分析判斷，最終達到風險控制和風險提示的目的。

大數據風控是互金平臺在創新信用管理和風險管理方面的一種新思路。相對於傳統風控，大數據風控在建模原理和方法論上並無本質區別，只不過是利用互聯網這個時代的特徵而已。

目前領先的大數據風控使用的還是小數據，圍繞客戶信息，從財產、安全、守約、消費、社交等多個維度來評估客戶的信譽水平，併爲其建立客戶信譽數據，從而減少風險的來源。

二、爲什麼要用大數據風控

據統計，目前銀行傳統的風控模型對市場上70%的客戶是有效的，但是對另外30%的客戶，其風控模型有效性將大打折扣。而大數據時代的來臨豐富傳統風控的數據緯度，利用多維度數據來識別借款人風險，包括社交、徵信、消費、興趣等。

客戶數據越多，信用風險就被揭示的更充分，信用評分就會更加客觀。大數據中風控中的數據維度可以作爲另外的30%客戶風控的有效補充。

大數據風險控制的作用本來就是從原來被拒絕的客戶中找到合格客戶，識別出已經通過審覈的高風險客戶和欺詐客戶。可以大大提高互金行業的效率和風控能力，有效的控制壞賬率，從而讓企業盈利。大數據風控是金融行業發展過程中必須結合的一項科技手段。

三、大數據風控的應用場景

大數據風控模型的應用場景非常廣泛，只要牽扯互聯網金融的行業就少不了大數據風控的存在。

1. 從資金的角度來看，風控模型是爲了評估客戶還款能力和還款意願，反欺詐反作弊，防止客戶薅羊毛和保證平臺安全等功能。
2. 從行業維度看，主要包括消費金融、供應鏈金融、信用借貸、P2P 、大數據徵信、第三方支付（第四方聚合支付）等各細分領域，同時還可用於電商、遊戲、社交等“傳統”互聯網公司。可以說，任何互聯網公司都需要風控。

四、搭建大數據風控模型三部曲

大數據風控從獲客、審批、到貸中的維護、客戶價值的提升、再利用、深挖以及到客戶的挽留、催收和退出，讓金融風控不再是簡單的放款回款，而是在完整地維護一個客戶的生命週期。

我們要形成一個完整的閉環，需要分三步：貸前、貸中、貸後。

1. 貸前：望其面目，以繪其形

貸前主要包括准入授信規則的制定與劃分。

（1）准入

在貸前階段，需要對客戶的數據進行蒐集、清洗、分析、應用，這是一個很長的鏈條，若運用傳統風控費時、費力。但我們現在有大數據技術，可以精準挖掘申請人多維度信息，包括人口屬性信息、社交信息、歷史消費記錄等信息，消費方式、興趣愛好、社交偏好等相關維度信息。

結合這些信息形成一張用戶畫像，對客戶的貸款資質以及還款意願、還款能力進行判斷，輔助審覈決策。不合格的客戶在這個階段直接被擋在外面，這樣既防止後期“誤殺”，也保證平臺的客戶質量，事半功倍。

（2）授信

授信是根據一個平臺的消費需求制定的，我們可以把消費需求作爲一個基數，建立有效的信用模型和評分規則。

利用靈活開放的數據導入技術、多維度的信用強弱關係評分項，以及專業的評級模型，對客戶還款能力、還款意願等更深入、更全面的“解剖、分析”，爲平臺授信決策做一個整體的評級。

不同評級的客戶：首先，風險係數的調整不同；其次，對於每一個評級的客戶羣體都要有額度的上限和下限。

2. 貸中：由表及裏，對症下藥

貸中分爲兩個部分，一部分反欺詐，另一個部分是額度調整。

（1）反欺詐

反欺詐，可能很多人比較多地在貸前用到。但實際上反欺詐貫穿整個客戶的生命週期，不僅在信貸環節，在帳號登陸、註冊環節就要進行反欺詐防護。現行的欺詐手段主要是冒名欺詐、本人蓄意欺詐、以及不良中介誘騙他人間接實施信貸欺詐等。

反欺詐需要做好兩件事，一個是信息驗證，二是行爲分析。

在大數據風控系統裏，有很多先進的技術做支撐，所以這個方面我們無需多慮。而在行爲分析這個過程中，依靠風控經驗、客戶信息驗證、部分行爲數據做預測分析，基於客戶行爲，通過打標籤的方法識別不同的客戶羣體的風險程度。

（2）額度調整

在這個階段客戶大多有過至少一次的還款行爲，那麼平臺就需要考慮如何調整客戶的額度檔次和息費，保證優質的客戶得到更低的息費和更高的額度，而數據表現較差的客戶需要用更高的息費來覆蓋風險。

但不顧風險的一味追求高收益和不求收益的低風險都是沒有意義的。額度調整的重點在於對客戶需求和風險的合理預估。實則可以看成對資金在不同風險回報的分配，使得在一定的風險下，總體風險收益最大化。

3. 貸後：聞其五音，以別其病

貸後主要是賬單催收和貸後監控等。

（1）賬單催收

平臺把資金放出去，要確保能收回，所以這時要追蹤資金動態，一旦出現逾期則啓動催收團隊協助完成逾期處理、資產回收的工作。

對於催收也講究一定的策略，首先，針對不同風險的細分客戶羣體，制訂差異化的催收措施。其次，把握催收的時機，因爲催收的資源有限，我們需要按照一定的分配規則來分配催收資源。

（2）貸後監控

最後進入貸後監控環節。在信貸過程中，即使前中期的風控到位，也並不意味着信貸交易的萬無一失，借款人環境變故、還款能力改變、還款意願動搖等情況時有發生。

而利用大數據技術，可以對借款人進行多維度動態事件及市場信息跟蹤與監控，能夠快速覺察、發現貸後借款人的數據異常情況，及時進行貸後預警，有效防範貸款人跑路，信貸機構壞賬、死賬等情況發生。

五、結語

從貸前、貸中、貸後三個階段全程監控、貫穿始終的大數據風控體系，能夠有效地把控金融風險。但是，在這裏也要提醒大家一點，風控體系的搭建要以自身業務出發，才能發揮其真正的作用哦。

以上，本期對大數據風控的分享就到這裏啦，若有不對的地方，還請大家不吝批評指正！

作者：盒子菌，活動盒子運營社（huodongheziyys）：一款助您實現快速拉新，提升用戶活躍、留存和轉化率的活動營銷工具！

本文由 @活動盒子 原創發佈於人人都是產品經理，未經許可，禁止轉載。

題圖來自Unsplash，基於CC0協議