课师宝： 大数据风控，如何从零起步.docVIP

你好，我是薛洪言，欢迎来到《金融科技转型30讲》。银行的金融科技转型方向很多，最紧要可行的还是大数据风控。万事开头难，从传统风控到大数据风控，银行应该怎么做？大银行相对比较容易，不缺用户、不缺数据、不缺人才，传统的零售业务足够强势，大银行有足够的空间和时间来推新产品，小步快跑地做实验，模型先跑起来，慢慢地完善，自主风控能力就算有了。 难的是小银行，尤其是偏居于底线城市的农商行、城商行，它们没有数据、缺乏人才，存量用户基础较薄弱，用户又缺少互联网属性，把用户从线下迁往线上非常困难，更不用说做一些新业务的尝试。 这一类中小银行的科技转型往往容易陷入两个误区，一个是做助贷和联合贷款的资金方，合规要求是需要进行独立决策，但这些银行机构没有能力做决策，至多是花钱请人建一套风控模型“做样子”，这个模型既没有数据输入，也没有模型迭代，只是为了满足合规要求。还有一个误区，是被风控外包厂商的一站式方案所吸引，所谓“三天对接、一周上线”，上线之后不管不问，银行做了“甩手掌柜”。一旦陷入这两个误区，无论转型多少年，银行的自主风格能力基本为零。 是助贷和联合贷款害了银行吗？当然不是。助贷平台提供了初步的风控审查，能够有效地降低金融机构的二次风控压力，可如果因此金融机构就不再做二次风控，那也不能怨助贷平台，更多还是要从自己身上找原因。 一些银行缺乏转型的意愿，管理层可能只想在任期内靠助贷做业绩而不计长远。这种情况下无法进行有效的科技转型，因为他压根不愿意去转型。如果愿意为长期的可持续发展做一些事情，当务之急就是要行动起来，迈出第一步。 数据 大数据风控说到底就是两项，一项是数据、一项是风控模型。数据可以分成内部数据和外部数据，从时间的维度可以分成历史数据和实时数据。实时数据包括用户的设备信息、用户的位置信息、用户的业务交互信息都属于实时的信息。 对于中小银行来讲，随着数据环境的趋严，全面拓展外部数据的必要性越来越小。一方面，是容易踩雷，信息隐私问题不好规避。第二个是本身的业务量有限，盲目地采集外部数据，其实在经济上是不可行的，更适合的方式是按需所求。小银行要做的更多的是激活内部的数据，用好用户的实时数据、激活机构内部的数据，打破部门的壁垒来构建一个统一的数据中台，形成统一的用户视图。用好实时数据，主要靠专业的人才，把这些数据融入到业务流程和风控模型中去。就这两项工作来讲，考验的不是财力，不需要太多的资金支持，考验的是金融机构转型的决心和整个团队的执行力。 风控模型 说完数据，第二个是风控模型，大数据风控不仅仅是指信用评分、反欺诈这些贷前审查的环节，它是一整套的流程体系，涵盖了从用户的入口端的精准营销，到贷后回款、逾期催收的全流程。一般来讲，只要夯实了内部的数据基础，再结合外部的合规名单和各类的信用评分的数据，要防范信用风险并不难，真正的难点在欺诈风险的防控上。 欺诈风险基本属于团伙作案。在这种攻防对抗中，虽然欺诈风险团伙的实力弱于金融科技巨头，但面对中小银行，它其实不处于下风。欺诈团伙都是从业务漏洞着手，一旦得手，往往金额非常大，令金融机构防不胜防。在实践中看，无论是行业巨头，还是中小银行，在反欺诈方面都会借助第三方公司的辅助支持。 大数据风控的原则 说完数据和风控，我们再看一下银行在建设自主的风控能力的过程中，还应该把握的一些原则。 第一个原则 因地制宜构建差异化能力，不能求大求全。在当前的行业环境和监管环境下，无差异化的时代已经成为过去，中小银行在战略层面必须聚焦差异化，业务的差异化必然要求风控能力也要有一些差异化的特色。 从业务方面讲，中小银行应该聚焦场景金融，关注消费用途，相应的，在风控层面就要夯实场景风控。过往我们看到一些教育分期，包括住房分期场景贷的一些风波，场景方的欺诈、乱收费、跑路，往往成为整个贷款业务的乱象之源。在这些场景贷业务中，金融机构的惯常做法是与场景方合作获客，但又疏于进行准入的管理和贷后的规范，导致来源于场景方的乱象不断，风险不断。 场景方多集中在线下，具有非常强的区域色彩。作为一个区域性的银行，深耕区域的场景，只要真的愿意做，相比其他的银行还是有优势的。在用户层面，更多地聚焦本地客户，在数据获取上也优先发力本地的社保、公积金、个税、房产、车产等信息，在区域市场建立数据的优势，而不必求大求全。 第二个原则 急用先行，重视反欺诈能力的建设。当一家机构的消费金融业务上线以后，信用风险的模型可以慢慢迭代优化，但反欺诈却等不得，一开始就得用最好的，否则根本吃不消。一旦被团伙欺诈盯上，自己根本无力对抗，所以一开始就要用最好的。这时候，就必须借助第三方反欺诈公司的力量，来融合到自身的风控能力建设中。 根据一流安全公司发布的关联网络加反团伙欺诈白皮书总结，信贷欺诈主要包括中介包装、资金用途挪用、信用卡养卡套现、伪冒骗贷