50人的風控團隊，支撐400億交易量，風控裡頭，留給人工的已經不多了

「我們經手的項目中，有些金融機構是為了追捧概念而做大數據，並沒有考慮實際中要解決的問題」在某金融業分享會上，一位諮詢公司合伙人無奈的聳聳肩，「大數據僅是一種解決問題的工具，它不是萬能的」。

在金融本該最謹慎、最保守的風控領域，「得大數據者得天下」的論調同樣頗有市場，大數據風控成為他們眼中驅除不良的神兵利器。

IPC、評分卡沒落，FICO中國差點慘遭出售

信貸機構風控技術主要分為IPC、信貸工廠、評分卡、大數據風控四類，隨著借款客戶下沉、體驗感增強……面對變化，傳統風控已經產生不適感：成本高、效率低、速度慢、維度單一……大數據風控破殼而出。

「像消費這種小額貸款，傳統信貸員一天最多審核五十單，而大數據風控全程自動化，不受人力所累，審批數量無上限」在與IPC、信貸工廠等技術對比時，高效、人工低參與度是大數據風控留下的第一印象。據了解，目前馬上消費金融、凡普金科等平台，其風控自動化水平已經達到80%，貸前的防欺詐、信用評估環節，已實現100%模型決策。

「風控流程中留給人工的部分已經很少了，更多的是基礎、輔助工作，像線下助貸員對用戶信息錄入、逾期後電話催收、用戶資質拿捏不準時，需要人工對用戶信息重新審核」馬上消費高級數據決策總監李屆悅說。目前，李屆悅手下數據團隊約為50人，負責數據清洗、模型迭代等工作，共同支撐約400億交易量。

「IPC依靠人工經驗，要信審員一個一個去查，更適合大額度的對公業務」，91徵信CEO薛本川表示：「國內很多信貸機構在風控上都已經採用模型了」。

與IPC在小額貸款領域「遭人嫌棄」不同，以FICO為代表的評分卡模型，佔領高凈值人群市場，但由於國內缺乏徵信土壤，FICO水土不服。信貸機構引入FICO評分模型品牌宣傳的意義遠大於風控本身，已是公開的秘密。「FICO評分模型精確度確實比較高，但看中還款記錄，維度相對單一，無法給低信用記錄人群精確評分。」zestfinance出身背景的李屆悅說。

2016年，FICO中國區副總裁王世今，曾多次公開表示，「針對中國互聯網金融市場情況，FICO已經推出新的評分模型」但行業對此冷淡。另有相關人士向清流消費金融透露，「FICO總部曾考慮出售FICO中國，一家類信貸金融集團考慮接手，後來因為一些原因，沒有交易下去」。

傳統機構自我革新，大數據風控全產業鏈滲透

大數據風控是將多維度、海量數據輸入模型，由機器自動判別借款資信狀況，隨著對機器學習演算法的不斷優化迭代，模型精準度將會越來越高。「通過測試對比，大數據風控在部分領域，尤其是小額信貸方面，確實要比評分卡模型在適用度和準確度上要高」中誠信CTO姚明曾表示，一貫保守、正統印象的中誠信也在加碼大數據。

在美國，益博睿CEOBrian Cassin曾對大數據持觀望態度，認為大數據並不成熟，但數據人員編製出賣了其意圖。益博睿2015年財務報告顯示：目前已有數據科學家400餘人。

「大數據風控核心在於模型本身，尤其是變數特徵」第三方風控服務商誠安聚立創始人吳宇建表示。將接入的數據信息做成成千上百的變數，用於交叉檢驗，好比一個人說謊，他需要不斷地編織謊言來去圓第一個謊，當信息足夠大時，謊言就很容易被識別出來。

獲取海量數據成為機構的重點，多維度、海量數據也成為機構爭奪的主戰場。「大數據風控最主要的是數據，沒有垃圾數據，所有的數據都是有用的，關鍵是怎樣應用」某信貸搜索比價平台CEO在其D輪融資發布會時曾對媒體說。

目前大數據風控由最初的反欺詐、信用評分，也在向風控全產業鏈衍生，如營銷獲客、貸後催收等，富國銀行高級副總裁劉建民向國內金融業分享大洋對岸的催收經驗：「我們會製作催收模型，預判違約者受壓程度，能夠電話催收的，直接由在菲律賓的電催中心打電話，降低催收成本。」目前大數據風控服務、徵信公司、數據公司，如百融金服、誠安聚立等，也都推出涵蓋貸前、貸中、貸後的全生命周期服務。

想蹭大數據風控的熱點，其實並不輕鬆

「熱點都是被蹭的」，大數據風控被金融平台強上。國內某家互金平台，宣稱其依靠大數據來做風控，但是其風控負責人A姐向清流消費金融透露，「我們公司是由線下起家，主要還是靠人審，跟大數據什麼的毫不沾邊」據了解，該平颱風控部門約130人，目前還在擴招。

「大家都在宣傳大數據風控，已經成為互金平台獲取投資人信任的一種手段，但究竟多大的數據才算是大數據」，看著眾人哄捧的大數據風控，有著將近兩年互金行業分析師經驗的Z先生，眼睛裡閃爍著看不懂的困惑。

大數據的特性為海量數據、多樣性、實時性、高價值。「大家都在關注海量、多維度、實時的數據，但忽視了數據的價值」，某諮詢公司合伙人指出，「你倒是想把地球上所有數據都裝起起來，但是數據是有成本的，關鍵是要解決什麼問題，而不能盲目」。

據了解，大數據風控成本為數據獲取、風控模型搭建、IT系統，風控模型搭建、IT系統為固定成本，後期迭代、維護費用相對較少，而數據獲取則是增量支出，目前信貸平台數據成本範圍較大，根據客戶資質不同，幾塊到一百多塊錢不等。

「數據本身是資源壟斷性的，但隨著徵信逐步健全，數據未來將沒有壁壘，數據將是脫敏，且能夠公開交易買賣的」吳宇建對誠安聚立的定位，並沒有放在數據本身，而是演算法模型。感受到行業亂象的並非吳宇建一人，凡普金科相關負責人也對清流消費金融表示：「大數據徵信的基礎是數據結構化處理，只有經過結構化處理的風控模型，才能在機器中越跑越准，但目前很多機構都沒有這道工序」。

除此之外，許多傳統金融機構也在求變，「部分機構找我們做項目，但在項目之初根本沒有想好我要通過大數據來解決什麼問題，只因領導一句話，領導說要大數據那就要大數據」，某諮詢公司合伙人說。

熱捧之下，定有泡沫，待到破裂之時，「真用功」還是「假作作」，便能一眼看穿。