大數據徵信時代，普通的風控信審從業人員是否會被淘汰？

01-01

現在各大公司都在加入徵信系統，阿里的芝麻信用，騰訊也有騰訊信用，這兩個可以說幾乎每個中國人都會接觸到，剛看到一個新聞，中國移動和招商局也進軍大數據徵信；這些大都用風控模型分析一個人的徵信，提供資料就會有額度。想知道一下，關於個人徵信發展到外國那樣還需要多久？普通的風控審核人員是否還有存在的必要？如有，未來前景如何？如果沒有的話，如何轉型呢？
利益相關：某P2P信審人員。。。
本題已收錄知乎圓桌 ?金融科技浪潮，更多「金融科技」話題討論歡迎關注

簡單地說，理論上有可能，實際上不可能。因為信息不對稱無法完全消除，依賴風控人員經驗的主觀判斷不可少，因此在人工智慧大飛躍前，風控人員還是不會下崗。另外，將來即使機器完全替代人進行信用風險判斷，我認為會先從個金業務開始，然後小微企業，最後才是大公司業務。

普通的會被淘汰，優秀的會留下來。

未來不再需要那麼多風控人員，因為人與機器能組成更強大的」團隊「。

傳統風控信審機制靠的是技術分析，而大數據徵信時代通過機器學習/數據挖掘去除數據雜音，能更真實反映每一位用戶的「信用度」。前者依靠風控信審員個人的經驗和流程化管理風險能力，不僅成本高效率低，而且存在道德風險，違規審批時有發生。前者與後者結合，是消除這些痛點的唯一方法。

借用一句老話，人類智能（HI）和人工智慧（AI）之間的關係是共生。

大數據時代淘汰傳統的風控審核人員這是大勢所趨，是必然。

現在是行業嚴冬，許多傳統線下的小額貸款公司都逐漸走上消亡。如何能夠在現今整體信貸行業都存在進件量不夠和整體社會信用低下的情況還能盈利，熬過嚴冬，戰勝同樣處於嚴冬的競爭對手，降低風控成本，優化審核體制才是一條致勝的捷徑。

這也是為什麼這兩年來，那些在全國一百多兩百家營業網點的小微金融機構通通開始滅亡的原因。因為每一筆貸款的成本都太高了，組建業務團隊需要錢，組建風控團隊也需要錢，營業網點的租金，員工的薪酬，還有資金來源的利息，在種種壓迫之下這些壓迫全都變成了客戶上漲的利率，再之後就變成了短期內瘋狂的大量的放款，然後迎來瘋狂的大量的逾期，惡性循環，直至消亡。

所以現在的小微金融機構都在做一件事，砍成本，砍審核，砍掉囊腫的風控團隊，因為人力均會被主觀所左右，而且囊腫的風控團隊對於風控的把控上還真的不如一個介面就能解決問題。小貸的風控本身就是一個很客觀的東西，但是人的主觀能動性非常影響他的結果。題主作為利益相關的小貸信審人員應該知道，內部里拒絕了多少本不該拒絕的客戶，或者說一個客戶，到了手裡，為了儘快出單，大家應該都是在費勁心思的找拒點。這無形中就加大了業務成本。然而這些問題，一個介面就能解決，如果一個介面解決不了，那就多接兩個，找幾個程序員，做一些SAS黑盒去分析數據，對比各個徵信介面和黑名單。風控？留兩個人就好了，貸後調整規則，貸前不會被人去碰，調整數據和規則就足夠了。

所以，關鍵還是要看自己，被取代是必然的，儘快加強自己的學習，掌握各種能耐才是關鍵，如果到時候要砍審核招數據分析，那麼一個做了多年信審的數據分析員優勢還是會很大的。

數據時代似乎是唯一且正確的發展方向，但反過來講，數據也是欺詐成本最低的手段。以往騙貸的人，要具備一定水平的智商、情商和成本才能騙貸，而在數據時代，只需要按照套路「生產」出模型所需要的數據就可以了。前者的風控個性化，需要經驗，騙貸也只能小規模行動；後者風控規模化，只需要模型，騙貸也可以批量化。所以，人在信審的環節里是不可或缺的。

16年底，接觸了一位做金融智能坐席的同行，據他自稱資料庫里有幾乎全量的常見問題和答案，還能機器學習，增加資料庫的存貨。以前需要100個坐席的，買一套他們的系統就可以，畢竟人只能工作8小時，機器只要不斷電，就可以提供24小時服務，成本那是低的讓人欣喜若狂。我問：「那能做到反欺詐嗎？能做的話，是如何實現的呢？」答曰：「我們有美國……*…………系統（原諒我學歷低，沒聽懂是什麼系統，反正巨牛的一個系統），可以通過聲紋比對、交叉問答等等手段確認是不是有欺詐風險，，，」「聲紋比對？你拿什麼樣本比對的聲紋？」「這個，在國內現在沒有基礎數據，這個還做不到，不過這個是數據積累，研究發展的方向。」「哦。」這個事體現的是大數據徵信的基本要求：數據基礎。沒數據基礎，講的天花亂墜都是吹牛B。

個人觀點：數據只是工具，最終使用者還是人。進化史角度來看，從來沒有工具把人給淘汰了，只有使用工具的人把沒有使用工具的人淘汰了。掌握工具的人越多，工作的效率就越高，需要從業的人數就越少，這是一個趨勢，是否被淘汰，就看你是否掌握了這個工具。以目前國內的環境，我想真的等大數據工具讓信審沒飯吃的時候，至少還得20年吧，那個時候正好可以回老家種地，嗯，剛剛好。

還有，別提騰訊和阿里，我學歷低，反正進不去。

只知道銀行一些相關的玩法，其他的金融領域不清楚。

總之，部分批量業務是有可能取代人力審批的，大金額、需要逐筆審批的是難以取代的。

事實上，現在起碼銀行系的一部分信用卡及相關的分期業務已經是由系統通過「打分卡」進行自動審核的，部分小額個貸業務也是。在所謂的「大數據徵信時代」，無非是將審批的「打分卡」參考的維度和歷史數據積累這兩方面逐步完善，但是電腦解決不了以下三個問題：

一、銀行整體的風控體系

銀行的通常實行的是「審貸分離」的風控制度，經營單位報送的貸款業務要由專業的風控人員進行審查。中台的風控人員不參與此筆貸款業務的業績獎勵，在考核、管理上均與經營單位獨立。風控人員的審查要點除了業務本身的信用風險之外，還要審查經營單位盡職情況，是否存在道德風險。這部分責任，電腦是無法承擔的。

我們總不能等到出了批量、系統性的不良貸款之後，再把責任歸咎於設計模型和開發系統的那幾個人吧？

二、業務複雜程度本身

大金額個貸業務、公司貸款業務要考察的除了徵信數據、財務數據（姑且認為財務數據都是真實的），還要考察借款主體的合法性、主體股東結構是否明細、借款人的資產狀況、是否存在不良嗜好、誰來實際掌控公司的運營、今後的第一還款來源是啥、第二還款來源是啥，等等等等，把這些要素包含進去以後，至少我無法想像有一天，把剛才提到、沒提到的所有這些東西換算成某種「分值」，過線了就可以放款、過不了線的就不可以，難以想像。

我們總不能等到出了批量、系統性的不良貸款之後，再把責任歸咎於設計模型和開發系統的那幾個人吧？

三、有一個區間是介於「肯定不行」與「完全沒問題」

這個是很正常的，在這個區間中的業務，能不能做呢？這個必須有人來把控了……

上面三個問題解決不了，銀行的風控就是時候諸葛亮，遲早會出批量的系統性風險，這個是銀行絕對不能接受的。

小額信貸靠概率，當然大數據更有效，風控人員在小額信貸上沒有成本優勢。

在小額信貸方面完全有可能

馬雲的浙江網商銀行，中國第一家開在「雲」上的銀行，只有APP沒網點、沒有信貸員、核心系統跑在「雲」上、放貸由機器和大數據決定而不是人……

和傳統銀行龐大的信貸員隊伍相比，沒有經營地域限制的網商銀行將只有300名員工負責將服務覆蓋全國。而其中的2/3為數據科學家。

在網商銀行，眾多業務將由機器和大數據來完成，依靠大數據來獲取客戶，做風險甄別。

在大數據這個「超級大腦」的幫助下，放貸款的將是機器，而不是人。未來在網商銀行貸款，3分鐘在電腦上填寫並提交貸款申請，1秒鐘之內貸款發放到賬戶，過程中零人工干預。

我在美國相關行業工作，在這裡介紹一下美國行業現狀。美國基本上大銀行處於自動決策加人工決策綜合起來。個別小銀行和credit union還在人工審核。

房屋貸款我不熟悉，我印象里人工審核的成分還是比較大的。信用卡大銀行會有個決策的平台，第三方的或自己開發的。每一個申請進來，大部分申請都可以即時決定approve或者 decline。這個決定一般根據一些基本的排除條件直接decline一部分申請，比如fraud，under age, bankruptcy. 通過這層篩選之後，下一步是信用分數篩選。大銀行一般會有自己的bankcard score, 專門對是否會銀行卡不付錢的概率進行預測。小銀行一般會到credit bureau買Fico bankcard 或者bureau的bankcard 模型，不自己開發。除了這個有些情況也會買fico score，這個是fico公司開發的信用分數預測一個人整體的風險。通過信用分數一般就會做出批卡的決定。如果信用記錄較短或者可能有fraud，會進入人工審核。

總結一下，未來中國徵信系統完善之後，會需要更多的會做統計模型的人才，審核會基本上自動化，人工審核將越來越少。

如果對美國的信用模型方法有感興趣的，我可以補充講解。

提出問題很多，試著統一回答，短期內發展到國外的水平比較難，以個人徵信為例。個人徵信業務需要對個人建立完備的信用模型；從數據來源看，美國的行業協會力量巨強，他們掌握的資源可以說能夠影響到人民生活的方方面面，這些數據在三大徵信機構發展過程中已經通過兼并、合作等模式達到某種數據流動的平衡，基於這些數據，才能夠形成徵信評估的基礎，國內的話，阿里在做，他們有個人消費數據，是一個方面，法務數據呢？天天網購的人可能是個罪犯呢，反過來講，不網購的人，信用評級就應該差么？寶寶只是覺得不安全而已，於是，銀行系搞的信用中國才更像是國內的家常菜，人的一切社會行為都應該是徵信的因素，包括教育水平，財產情況，信貸記錄，消費記錄等，簡單來說，教育可以從學信網搞，財產可以從銀行、工商、稅務、住建委、發改委、法院等等機構獲取，消費記錄，從全景看，只是其中一部分而已；這些東西全部打通？個人語言一下，最後的落點應該還是是信用中國。銀行辦事兒，你等著吧，風控人員的飯還是要吃的，但是覺對越吃越難吃，原來p2p而言，黑名單越來越多公司在做，比如91徵信之流，解決不同信貸公司直接數據不共享的問題，原來風控人員很難排除的問題，一個介面查詢就搞定了。以後一定不需要辣么多從業者了，風控轉型問題，沒有研究過。

對了，謝邀

目前來說，要發展成國外那樣還任重而道遠。這是一個沒法量化的工程。風控審核人員還是很有必要存在的，畢竟數據只是數據。就說的，客戶的徵信很漂亮，但是很多隱形負債和客戶的一些資產資質是數據分析不準確或者分析不出來的。這樣必然需要從業經驗豐富的風控審核人員去當地實際考察是否隱瞞負債，有沒有虛報資產。而且這也很有必要。

未來評分卡部分的工作是趨於表面工作，將已有信息通過評分卡判定，然後篩選出有用的客戶，而信審人員未來的工作趨於挖掘信息工作，因此會保留少部分人員完成大部分工作，未來信審當中的審核會沒有，但審批會保留

大數據時代，除了外部數據，真正掌握有價值數據的公司不太會無償分享，還有就是多維度的數據不是一家公司可以掌握的。這些都是數據質量方面可能遇到的問題。

另外就是如果運用這些多維度的數據，同樣的數據背後形成的機理可能是不同的。

大數據肯定是方向但是我傾向覺得目前還是工具的屬性更多，要替代人的思考可能還有段路要走。

國際上並沒有大數據徵信這個概念，因為利用大數據採集的信息不準確、流程不透明，沒有任何國際徵信機構使用大數據用於徵信

一下來自財新網：

【財新網】（記者 張宇哲）近年在中國，個人徵信業務備受新興互聯網公司追捧，並創造出「大數據徵信」的概念，比如供應鏈徵信、小貸徵信、互聯網徵信等名稱五花八門。4月21日，在「個人信息保護與徵信管理」國際研討會上，多位外國徵信行業的資深專家對此表示，「在國際上，並沒有大數據徵信這個概念，比如知名美國信用評分公司Fico在美國不會稱自己是一家徵信公司，更不會說是大數據徵信公司，而是一家數據分析和風險管理服務公司；目前也沒有任何人使用大數據用於徵信。」世界銀行集團旗下國際金融公司（IFC）東亞及太平洋區金融基礎設施技術援助負責人賴金昌對此強調。

　　歐洲個人信用信息服務商協會（ACCIS））主席Neil Munroe亦對此表示，目前協會的會員雖然對大數據也很關注，但尚無一家提供大數據的徵信產品，「因為要確保這些大數據的準確性，以及是否符合徵信行業的基本原則。」

　　「坦白說，世界上只有在中國才看到利用大數據來開發信用評分的這種現象，」世界銀行集團全球金融基礎設施建設技術援助負責人Tony Lythgoe在接受財新記者專訪時亦如是表示，利用大數據來開發信用評分產品前提是，首先要確保這個數據的準確性，包括數據模型的準確性以及這個模型運作的準確性，「但是從社交網路採集的這些信息是由個人提供的，很難保證數據是客觀準確的。」Tony Lythgo 強調。

　　目前世界銀行已幫助包括中國在內的全球幾十個國家了建立徵信體系，積累了豐富經驗，同時也持續追蹤或者參股一些具有創新技術的前沿公司。

　　Tony Lythgo同時指出，傳統的徵信機構有明確規範哪些數據可以使用，並適用於什麼樣用途。比如在美國，性別、宗教、血型等信息是不可以徵集的，你也可以檢查到它的確沒有徵集到這些信息。「但是大數據是一個黑箱操作，你不知道它到底徵集的那些信息，你很難檢查到它徵集的哪些數據不能用。」

　　「請謹慎使用『徵信』這個字眼，」賴金昌在前述場合對此呼籲，「並不是大數據裡面的數據都不能用於徵信，只有少部分符合國務院的《徵信業管理條例》的數據可以用，其基本要求是數據來源明確、客觀、準確。」

徵信信息使用範圍有限

　　賴金昌介紹說，對徵信市場的認識涉及兩個基本框架，第一個框架是商業數據信息的使用範圍。

　　這可以分成三個層次：第一個層次是最廣的範圍，是普通商用數據；其中包涵用於金融服務的數據，特別是用於信貸方面，這是第二個層次；第三個層次是徵信數據，也是其中最窄的範圍。

　　賴金昌用打車APP舉例稱，比如王小二從國貿到明珠飯店，該打車APP收集乘車人乘車習慣的數據，用來研究市民的日常行為，這屬於普通的商用數據；事後王小二針對司機的行為表現，在打車App上給司機打了一個好評，該打車APP所在公司號稱打造了一個出行司機的內部共享信用系統，用於該打車軟體公司的內部監測和獎懲司機的依據，「但這個信用系統不是徵信系統，是用於企業內部管理；這類信息也屬於普通商用信息，即前述第一個範圍的信息。」

　　該打車軟體是從A移動通訊公司入網的，是先使用後付費，這是類信貸行為，因為這個移動公司是給了消費者一個先使用後付費的商業信用；A收集這些信息後，會把這些信息賣給一些小貸公司，後者可以根據該乘客的打車頻率、用的是哪一種車等，以此推測借款人收入水平，這屬於前述第二個層次的數據，是用於信貸的數據。「該數據收集行為是否合法，是另一問題，目前中國還沒有數據保護法。」

　　移動公司也是徵信體系的會員，有權利查詢其客戶的信息，它也須按照徵信規則進行查詢，查詢目的是用來審核那些先使用後付費客戶的入網申請，類似於查詢一個信貸申請。那麼A通信公司作為信貸機構，按照徵信系統的要求，將通訊支付信息上傳給徵信機構，「不是上傳所有的信息，只是按照統一的數據模板上傳；這類數據就是屬於徵信數據，屬於前述第三個層次。」賴金昌強調。

　　談到徵信信息的適用範圍，賴金昌表示，徵信領域的信息即前述第三類信息的管理是最嚴格的，由於涉及金融領域的違約率，涉及錢的損失，所以對數據保護的要求更高。「所以徵信收集的數據範圍是非常有限的，其目的也是很有限的，它提供的服務僅限於徵信系統的會員。」

　　「徵信機構的信息也是債務催收公司的第一大數據來源；第二個來源是從社會合法渠道購買。」賴金昌介紹說，在國際上，這些催收公司屬於高技術公司，債務催收可聯繫到的客戶比例是20%到30%，所以必須有其他的數據來源，這還需要有一個正常的數據保護框架，以便於其合法取得其他的信息來源。」

徵信機構有限

　　第二個框架是數據信息的適用規制。

　　賴金昌介紹說，徵信機構提供大數據服務時也要遵循一系列法律，比如《合同法》、涉及金融業領域或醫療領域等要遵循數據保護方面的法律；還涉及個人數據保護、公平性等，「比如是否存在歧視你的數據主體？不該收集的東西你是不是收集了？。」

　　第一類信息即普通商用信息適用一般合同法，這也涉及隱私問題和數據安全問題，其專門法律是《個人數據保護法》。

　　第二類信息用於信貸類的金融服務，要遵守的規則除了前述條法，還涉及專門的金融消費者保護方面的規則，其監管機構可能是普通的隱私保護機構，也可能是金融監管機關。「從性質上來說，金融業的數據比大部分的普通商用數據要重要、嚴謹得多，因為金融機構要依賴這些數據提供金融服務，還有保護存款人利益的外部性因素、金融穩定因素等。」

　　賴金昌表示，根據國際經驗，中國將來的徵信市場可能分為A、B、C三類結構。A類是綜合性全面徵信機構，這類機構不可能存在太多，估計也就3家左右，包括人民銀行徵信中心。比如菲律賓的發徵信市場，從最初的6家徵信機構到目前剩下4家，預計將來還會整合成三家或兩家。「徵信行業主要是數據的匯合和整理，強調數據的全面性和準確性，市場規模有限。」

　　富國銀行負責數據風險管理和中小企業信貸的高級副總裁王強曾在財新網撰文稱，目前美國的三大徵信局Experian（益百利）、 Equifax（艾可菲）、 TransUnion（全聯）加上FICO評分公司的總市值是約365億美元。如果今天中國徵信信息覆蓋的人口像美國一樣接近80%，通過徵信使金融業務審查批准過程減少三個小時人工，據此推算，中國徵信機構的市場價格應該是美國的一半左右。「即使和美國的市場價值一樣，中國徵信機構的市場價值也只有約350億美元，不足一家手機服務商小米手機的市場估值。」

　　B類機構是專業徵信機構，專業徵信機構從第一類全面的徵信機構那裡取得數據，再加上專業徵信機構自身的專長數據，再加工之後賣給客戶。專業徵信機構指在某些領域有專長，比如保險領域、信用卡領域、零售信貸信貸等，實際上是幫助分銷全面徵信機構的數據產品。

　　C類機構是數據服務公司或風險管理服務商，C類機構客觀上是幫助分銷A和B類機構的產品，這種類型的數據公司可以有n多種，沒有數量限制，他們應該符合相關法律要求。目前來中國還沒有《個人數據保護法》或者《個人信息保護法》，對這一類機構也沒有任何監管。

　　「用大數據來幫助放貸是沒有問題的，但並非是大數據徵信的概念；在美國的徵信機構，有正常的徵信業務，但除此之外也提供很多市場營銷服務，為客戶畫像提供數據，幫助零售商能夠更低成本的找到客戶，但這並不是徵信業務。」賴金昌強調

侵就刪

銀行從業人員答，會的。

信審人員不過是按照規章制度辦事而已，至於這個項目最終過還是不過，你以為最終決定權在信審？

我們強調的就是合規盡責，就是把制度規定要做的動作做了，把要寫的風險點寫出來。這些事情總體是比較機械的。機械的事情機器當然可以做。並且機器做的更好。

@Han Hsiao 說的基本上是對的，優秀的會留下來，但是真到那樣的時候，留下來的人恐怕也不是目前語境下的"普通信審人員"了。

@水汪凼主觀判斷？作為一個普通信審人員，你有多大的膽子為你的主觀判斷擔責？！

不會，人做人的事情，機器做機器的事情，機器進化後，反過來會推動的人的進化的。所以，這是好事。

不會的，大數據只是一個參考，現實中好多客戶會與多家小貸公司產生借貸關係，隱性負債、經營情況是數據無法分析的。實地考察很重要

不會，就目前來看，小額貸款公司，包括p2p，絕大多數還是沒有接入徵信系統的。

另外有種客戶徵信完美，但是涉及民間借貸，負債經營，這種情況徵信也是看不出來的，必須通過風控下戶考察來審批