fenbgkong
整個金融行業都在說風控，這些你聽過嗎
0條評論 2016-09-06 15:48 ?? it168網站原創 作者: 信雪蕊 編輯: 信雪蕊0購買
【IT168評論】在上大學的時候，追過美劇《蛇蝎女傭》，當時正好看完第二部，因為美劇的限制令，各大播放器上都搜不到也就沒有繼續看，前兩天和同事聊天，正好聊到這，就又特意去搜這部片子，已經更新到了第四季。
在第四季里有一個情節，印象還是挺深刻的，結合這篇文章的主題放在這也是再好不過了。伊芙琳因為和丈夫吵架搬出別墅，身無分無的她投靠了她的朋友馬莉索，出于富人的心態，伊芙琳不好意思開和馬莉索說自己身無分文以至于都沒有早飯吃，馬莉索看出了她的窘態，隨即掏出一張信用卡給她去吃早飯。
這就引出了我接下來要說的，美國的信用卡的負債率基本上是百分之九十以上，人手有一張張信用卡，就像前面提到的《蛇蝎女傭》中的馬莉索，他們吃早飯都是用信用卡，所以他們的信用數據是非常豐富的，但是在中國就不一樣了，中國只有三億人有信貸記錄，那其他十億人民就不需要借錢了嗎?當然需要，只是銀行不會借給他，那如何解決他們信用數據缺失，做好信用評估是最大的難題。
中國式風控系統，你聽過嗎?
中國銀行首席經濟學家曹遠征說：互聯網金融最核心的挑戰是風險定價功能。北京市金融工作局黨組書記霍學文在《新金融 新生態》一書中提到：互聯網金融的終極形態是云金融，而云金融=互聯網金融發展高級形態下的云存儲技術+云風控平臺+云指揮系統。那么究竟什么是風控?什么又是中國式的風控系統呢?
在8月14日由IT168主辦的第七期【創客IT168】活動中，達飛金融的風控負責人林朝輝對此作出了解釋并且帶來了一個新名詞，星云系統。
▲達飛金融風控負責人林朝輝
什么是風控呢?風控顧名思義就是風險控制，指風險管理者采取各種措施和方法，消滅或減少風險事件發生的各種可能性，或風險控制者減少風險事件發生時造成的損失。
中國式風控系統就是結合國人的特征來做的一個減少風險的系統，當然這其中最為顯著的特點就是前面提到的中國人信用數據缺失的問題，而星云系統就是這樣一個解決這方面問題的中國式風控系統。
這張圖是風控的系統架構圖，介入的數據層，信用類的數據比較少，但是接入了大量的社交數據、合作方的數據、網絡上的公開數據以及用戶的受選數據，很多數據是跟信用相關的，比如說在微博上你的愛好是什么，你關心的是什么東西，你的手機里面，你有幾個聯系人等等，第一印象是這些和信用沒有關系，但是在實際過程中會發現這些數據都是可以挖覺出很多有用的用戶特征。
第二個是數據的處理層，林朝輝表示：“我們可能會做一些優化項目等等這些處理，這些處理完之后是一個分布式的存儲，通過特征數據做一些模型的訓練以及規則引擎的挖掘，包括結合一些人工的東西，一些系統專家，他們有幾十年的經驗，他提出哪種人是比較壞的，我們會用數據驗證這個結論，也會幫他們優化完善這個條件規則，最后我們會得到一些反欺詐系統以及一些新聞評分系統，我們還會有一些數據的展示，數據的可視化，這個是一個過程，剛開始可能是幫助系統加快他的工作效率，加快他的審批的速度，我們會有一些數據化的東西，會把一個人的三百六十度的信息全部展示出來?！?/p>
以上就是整體的風控系統架構，對于星云系統，完成全方位的風險控制防御主要分為以下三步。
全方位風險控制防御——三重奏
以下將以故事系列呈現……
第一奏——反欺詐
小王：達飛金融的實習生;林老師：達飛金融的風控負責人
小王：林老師，來了一位顧客，想要申請借款;
林老師：先查一下他有沒有上黑名單(即社會上眾多P2P平臺上有無失信記錄);
小王：沒有誒，信用數據非常好，而且這位先生是XX研究生，在XX大公司工作，各種條件非常好;
林老師：做一下自動檢測，確定申請人信息真實有效(APP做指定動作做比對，確定是本人，跟公安部照片做比對，確定是本人提交申請，最后進行身份核實身份核實)
小王：各方面條件都符合;
林老師：那就進行下一步;
第二奏——自動信審&人工信審
自動信審是通過提取用戶的特征，結合一個規則引擎(即專家系統)，做出評分，評分合格，可同意貸款。
要想了解用戶特征，教育背景無疑是最好的入手點，這是其一。教育背景是非常強的特征，包括跟研究一些國外的論文，教育在一個人的信用的表現里面是非常強的一個因素，還有一個是信用表現。
還有一個就是查到他的消費情況。如果要知道一個人的消費情況的話，最好的方法是拿到他的銀行流水，知道他每天花多少錢，工資是多少，信用卡刷多少，大家可以知道基于這些數據得到這個人的信用表現。除此之外，和第三方合作也是了解用戶特征的好方法。
拿到這些特征之后會做一些數據模型的評估，也會結合一些規則引擎以及人工去做輔助，為用戶的守信度劃分等級。
小王：那內部是如何進行自動信審的呢?
大家知道很多數據的獲取是有成本的，比如說央行征信報告，一個人要二十多塊錢，那么基于長時間積累下來的千萬級別的用戶，如何根據這些用戶對新用戶做一個評分，對于信審這一步是有戰略性意義的。
設想一下，我們有覆蓋全國百分之九十五人口的社交關系鏈的數據，根據已有的幾千萬的信用的評分的結果去擴散到中國十幾億的人口的信用評分，這個是非常省成本的。
所以引入了比較簡單的一個模型。通過社交關系鏈先做一個關系圖譜的挖掘，可能是你的親朋好友，你們的關系到底是什么關系，你們的聯系的親密度你們聯系的導向，你經常聯系一個人，他不聯系你，這個傳導是單項的，不是雙項的。
然后做一個信用擴散，就是一些熱傳導的一些算法，最后做一個大規模的云計算，簡單的MR就可以實現了。
小王：這位先生的評分合格，可同意貸款了嗎?
林老師：他要貸款多少?如果1萬塊以下，可以同意;
小王：這位先生要貸款3萬元;
林老師：先給這位先生做出等級評分，然后進行人工信審;
人工信審分為初審，中審，以及其他幾道信審流程。初審大概過一下申請人的資料，到中審的話會比較細致的參考更細節的特征，給予云計算推算出申請人的信用分。
小王：這位先生審核通過;
林老師：可以同意申請。
第三奏——催收系統
在整個P2P里面催收是非常重要的環節，可以大幅度的降低壞帳率，但是催收的先覺條件是要在前期保證是客戶本人，以及確保客戶資料的完整性詳實性，才能在后期做好的催收，所以這一切都是緊密的聯合起來的一個體系。
總結
