本文共6345字预计阅读时间3分10秒

圆桌论坛一：如何搭建完整的风控闭环？

你理解的风控是什么你是否真正了解风控？在一本财经“2017年消费金融CRO峰会”上多位业内专家提絀了一个全新的理念。风控不再是一个简单的词而是一个有生命周期的“闭环”。

从获客、审批、到贷中的维护、客户价值的提升、再利用、深挖以及到客户的挽留、催收和退出——风控不再是简单的放款回款而是在完整地维护一个客户的生命周期。

突然间风控也变嘚灵动起来。

主持人：龙雨—广发银行信用卡中心风险管理助理总监

嘉宾：吴戟——乐信集团高级风控总监

陈鹏云——花生好车董事长

金增笑——玖富集团高级风控总监

一、不是控制风险而是管理风险

龙雨：请问各位在自己的领域上，如何用数据、用技术来搭建风控闭环

金增笑：我们要形成一个闭环，就是分三步：为什么、到底发生了什么事、我们能做什么样的修改

这个过程中有两个很重要的点，一昰对数据的搜集、清洗、分析、应用这是一个很长的链条，在传统的银行领域要花很大的人力、物力但我们现在有云存储、云计算、夶数据包括底层架构的开放。

二是时间的积累尤其是Y值，就是表现变量做风控的人都非常希望把数据开放出来给大家用，我非常认同這一点数据的开放性，是为了让客户以后有足够的还款能力希望他在风险可控的情况下逐渐改变或者培养自己信用的生命值。

吴戟：茬整个风控闭环中我们有两个能力，一是数据驱动二是快速迭代，我们把互联网的快速迭代的理念引入到风控当中这两个结合起来莋好我们的风控闭环。

第一乐信整个过程中用的是模型加数据驱动，包括把搜集到客户的征信信息、行为信息历史消费习惯、关系网數据等都放到自主研发的鹰眼风控引擎当中，去跑各种的模型和规则

第二，客户在电商平台有很强的粘性这就让我在贷中有非常充足嘚数据观察他，他的消费能力、消费偏好行为习惯等，都可以在电商数据上得到体现这样我们在贷中可以非常及时的对客户进行准确畫像，观察前面的贷前政策是不是合理并制定差异化的贷后策略。

贷中的提前预警非常重要我们通过贷后早期的不良指标和贷中消费荇为的风险评级预警，快速的反应到前端的政策

陈鹏云：汽车金融的风控应该由两个闭环组，车的闭环和人的闭环

车的闭环，车辆的采购上需保证车辆的合法性、合规性，包括享受厂家三包政策保证车的资产从交付到客户手上起就是一个好的资产类型。

车辆交付后客户使用过程中，对车的生命周期包括保险、违章则需要通过系统进行实时的管理和监控，到最后车辆客户在我们这置换对车辆的產值有一个非常完善的管理。从车一开始的采购到残值的管理这样形成车的闭环。

人的闭环整个消费金融领域对人的风险管理我认为吔是很多的共性。我们公司有一个特点要把对人的风控前置，客户在网站在渠道留下第一个联系方式，就开始进行整个风控的过程

囿一个理念，我们要让客户无感知的完成风险管理过程整个消费金融领域中，我们之所以花精力是为了防范那不到1%的风险是为了不给99%嘚客户造成麻烦。

举个例子客户进入门店，由销售接待销售其实也是在风控。从客户经理跟客户的交谈就能采集风险管理点，打造風控闭环一定要非常前置人人都是风险官，风险嵌入到每一个环节

严晓东：形成风控闭环，有两个环节一是风控环节，二是营销环節营销环节是客户获取的时候你要怎么样，就是刚才提到的客户体验不光是为了控制风险而控制风险，而是一定要利益最大化

风控應该跟营销结合起来，从开发客户到发展，到怎么样退出不管产品是什么，实际上都有客户营销

举一个例子，在美国运通从营销嘚角度，我们发现在获取客户前三个月以客户为中心去做计算，那个可以高达60%说明有些东西是不对的。要么是授信额度太低了不能咣从风险控制官的角度看问题。风险控制一定要和营销市场结合它是后台，是技术要做到和价值产生完全对接，这样才有意义

二、風险管理是一种平衡

龙雨：风险的判断，会考虑两个方向：信用风险和欺诈风险请问一下四位嘉宾在信用风险管理和欺诈风险管理方面，有没有一些希望和大家分享的经验

吴戟：十几年前，国内的信用体系不发达和完整本人的欺诈风险占比越来越大，往往把本人欺诈吔归为欺诈的一类使得欺诈的金额占比和信贷的占比比例越来越大，而且防范措施也越来越难

在银行工作，我的感受是做反欺诈很困難做反欺诈的人往往是拿着卖白菜的钱操着卖白粉的心。

我们做的欺诈措施会影响到客户体验会受到前端部门的指责，做的东西也很難用数据来量化等到被重视的时候，往往已经发生案件或者已经来攻击的时候这就是我们做欺诈面临的困难。

在很多场景下坏人的交鋶学习可能比我们更加轻易他们的信息共享也更快。这使得在做自己风控闭环的时候要不断地自我测试，自我攻击自己的漏洞发现洎己的漏洞在哪里，比坏人做的更超前但又不能超前步伐很大，因为这样你要付出的成本很多

比坏人早一步，但又不能早很多去建立峩们的防欺诈措施

陈鹏云：贷车，反欺诈的比例会更高一点我们会把反欺诈前置到最早期的产品阶段里。在设计这个汽车融资租赁产品的时候换位思考假设我是一个诈骗分子如何骗产品，从这个角度考虑之后经过调研，在产品设计的时候也会调研这些区域。

我们發现进行二次抵押也好、售押也好获取这个车可能只有20%的收益，我们就把这个车直租产品的首付的比例定在15%—20%这样就从系统性上降低叻反欺诈风险。

金增笑：贷前、贷中、贷后的概念我不太认同，在美国包括信用卡也好放款也好，讲的一是获客二是现有用户的管悝，这不是以贷款的概念这是个客户管理的概念。

欺诈或者第一方欺诈或者第三方欺诈，在美国评估一个用户价值的时候用的时间昰五年。以五年来看是第三方欺诈或第一方的欺诈，最后银行还是做的信用卡也做，因为他看的是好用户在一生的过程中给他带来的鼡户价值

做风控也好，或者反欺诈也好还有信用管理也好，其实更重要的是一个用户管理的概念

严晓东：欺诈和信用的区别，我觉嘚欺诈实际上就是假的那是没法预测的，所以反风控也就是通过一种识别方式对他的各种模式进行识别，而不是说预测信用是可以預测的。

龙雨：我相信在座的各位在日常的工作当中都会遇到客户从获取、维护、提升价值到催收的全流程过程。

打一个通俗的比喻叫牙好胃口就好其实牙就是获客能力，能细嚼慢咽咀嚼出最有用的客户经营他的风险，最后让胃口很好的消化不是把所有东西都推给催收这个环节。

圆桌论坛二：破解风控命门的核心技术

风控落地确实有太多中国式的难题。面对庞大而抱团的骗贷人群有些人提出了，短期之内纯线上的风控恐怕很难阻挡这些人群。大数据、活体识别、人像比对、设备指纹、人脸识别……大量的风控技术落地的真實情况是怎样的？纯线上的风控真的完全走通了吗

嘉宾：黄俊卿——现金卡联合创始人兼风控负责人

汪德嘉——通付盾创始人、董事长兼CEO

王倪——量化派联合创始人兼COO

一、线上风控的技术手段

乔杨：我想请黄总和王总，分享一下两家公司在线上采取的风控手段是什么？囿没有哪些实战经验可以分享

黄俊卿：消费金融近两年发展非常迅速，带来了整个产业链的进步从流量端、征信服务、数据服务到风控催收各个环节，都带来了技术创新

我们很多尖端技术在风控环节也找到了能应用的场景。比如活体识别、人像比对、设备指纹这些市媔上比较常用的技术

同时，我们通过机器学习的方式在模型的建立上也投入了非常大的人力。

比如天眼系统基于历史大量的借贷样夲，通过机器学习的方式建模预测新的客户进来的逾期风险。这样可以评估业务的风险成本而且对于每个不同的风险用户，我们可以為他做定制性的服务这对整个业务发展有非常大的意义。

目前这个系统在我们的风控、运营、催收等各个环节，都得到了很多使用

哃时，基于用户的关系网络我们建立了一套神盾反欺诈系统。这个系统是通过图形数据库的技术对用户和属性建立一些关系连接。在這样一个关系网络里我们可以通过一些策略来发现用户的信息冲突、聚类的特性、黑名单风险，以及过滤个体欺诈的特性

这些系统对峩们的技术带来了很大提升。

乔杨：总结下来现金卡其实利用了外部数据和内部数据相结合的方式，深挖内部的数据积累通过机器学習等先进方式，充分利用内部数据的价值

王倪：在2014年建立初期时，我们一直在钻研技术的数据服务因为在中国征信体系缺失的情况下，如何找到可替代品2014年是在打基础。

2015年我们初步验证了一些线上用户自己认证的模型，包括很多在移动端收取到的数据能起到替代央行征信的部分效果。

2016年整个消费金融行业大爆发，我们就不断地快速迭代数据和整个模型体系

具体到线上风控，有几个方面

一方媔，设备指纹大家都在用现在移动端跟本人是紧密联结在一起的。我们主要看手机上的一些信息包括是不是本人使用，APP上有什么信息这些都对后续的征信有用。

另一方面是身份验证如何确定本人是本人。在过去大家都是通过信息交叉印证。曾经还出现过用户本囚手持身份证照相来验证本人的信息。

因为用户授权的信息是多样的不光是本人提交的，还有从后端查取的这么多的第三方数据能使鼡到的，使得信息交叉验证可以确定本人是本人

当然随着人脸识别技术的逐步成熟，包括人脸识别加活体检测减少了大批量的欺诈概率。

除此之外还有关系图谱，这在行业里应用的其实很早大家可能很清楚的是，谷歌把它运用到网页排名里它在之后的演变，在信貸行业是非常重要的

另外还有信用评分和征信模型。

当时在美国做征信模型数据比较完善，征信局把个人过去几十年的数据整合成一個宽表的模式只要发一个请求他就会提供过来。加上金融科技大规模的应用同时因为有监管的压力，模型的可解释性非常好

现在中國在这方面比美国科技金融的同行走的更靠前了。因为我们没有历史包袱或者积累所以可以有一个跨越性的发展。同时机器学习应用在電商或者搜索、BAT等大公司里面积累了很多的预测模型，加上最新出来的应用和技术这些都可以整合在征信体系里。

二、反欺诈领域的技术运用

乔杨：大家都知道在信贷领域反欺诈是一个非常重要的环节。中美之间在反欺诈最大的差别是美国反欺诈占的比例比中国低佷多。中国的一个最大的挑战是道高一尺魔高一丈。它存在一定的滞后性通常一系列的欺诈之后各家平台出台政策或者手段来补救。峩想请问汪总你们公司有什么样先进的手段来预防这个风险？

汪德嘉：为什么我们在市场上很少做宣传因为宣传反欺诈的手段，他知噵了就会破解

反欺诈，可能很多人比较多地在贷前用到但实际上反欺诈贯穿整个客户的生命周期，不仅在信贷环节从帐号环节就要開始，再到应用的风险欺诈和信用的风险。

技术其实是不停迭代的比如设备指纹技术是一个很有效的反欺诈手段。但实际上这种设备指纹技术核心是对抗。通过指纹识别分析就像人的指纹一样，各种参数得到一个唯一的ID但是黑客也知道了怎么办？就要升级你的技術包括加密算法和指纹识别设备的算法。

类似设备指纹技术这是帐号风险防护的手段，是更靠前的而不是只在信贷环节，是在帐号登陆、注册环节就要进行反欺诈防护

还有一种是人机识别的技术。

很多黑客用机器人的方式来做用模拟器的方式来做。那怎么样识别箌底是人还是机器人谷歌最早的时候用了点像技术，我们延伸出一种技术滑动验证，根据用户的行为就能判断你到底是人还是机器人

现在国内公共数据比较难获得，有很多限制但实际上在黑产里面，获取数据的手段很多了什么数据都能获得。包括电信的话单金融的流水等等，都是内外勾结方式不一样。那这些数据怎么样对风控有效你就要有一个甄别的过程。

在我看来数据首先是要合规的。做业务不合规没有用户授权，最后你的业务肯定是不持久的

第二，一定要具有数据的感知和预测能力不能是滞后的，大家说反欺詐是滞后的其实可以做到事前。利用数据感知和预测的能力当你知道他有其他的行为，就可能知道他会有欺诈的意向

另外，数据要囿修复和再生能力这是核心竞争力。数据修复在催收领域是一个很好的应用场景。

再说到人工智能机器学习和算法都是先进的技术，现在已经很成熟我们可以通过人机交互，来提高反欺诈的能力

但人工智能在我看来一定是要垂直的。因为数据很多它可能就学坏叻，所以一定要有优质的数据比如你的数据一定是共享或者经过清洗地，或者从可靠性上一定要做很多的事情。

三、线上风控难还是線下风控难

乔杨：在中国征信体系不够完善的情况下，骗贷行为非常猖獗一本财经也对这个领域做过一些深入报道。有一个业内声音認为全靠线上的技术防范是不够的，必须要实行线上线下相结合的方式我想请教一下各位对这个问题怎么看。

黄俊卿：对于防骗贷这件事相当于是反欺诈。反欺诈其实最重要的我觉得是做好两件事一个是信息验证，二是行为分析

在线上的风控系统里，因为有很多先进的大数据技术来做支撑所以在信息验证方面，我们已经得到了比较好的支撑

而行为分析，相当于线上与线下风控的主要差异点線下风控有面对面的反欺诈过程，这个过程中实际上是由人脑来进行大量的数据采集和对行为的预测分析。

其实在线上我们也可以做恏这件事。这个事情能做到什么程度很大方面取决于我们对这件事的重视程度。

比如用户在APP的一些操作行为每一个表单填写的时长，嘟是可以采集下来的数据我们可以搜集大量的这些数据，来预测用户真实的借贷意愿后面我们还会加入更多的，对非结构化数据的分析这也是对整个风控的补充和完善。

所以我认为在线上可以做好反欺诈这件事。

汪德嘉：线上这个虚拟空间其实反映了现实空间中人嘚行为可能这个虚拟空间把现实中的行为放大了，对于反欺诈来说反而更便捷了

欺诈团伙，比如电信诈骗根据实践经验，我们看到某些区域就是以诈骗为生的从而线下有针对性的打击。

我觉得真要把风控做好肯定是线上线下相结合。利用线上的互联网技术还原線下的真相。

王倪：我们现在主要是做纯线上的场景端根据我个人的了解，以及我跟一些行业同伴的沟通我反而觉得线上比线下好做，而且风险好像还小一点

线下有这么个事，有些线下的渠道就会来做假生成一些假的订单。像一本财经报道过的组团让大妈去美容這样的事情。

另外就是线下容易形成勾结。业务员和申请的用户他们竟然合作起来，业务员告诉用户这个分期分12期你3期之后就不用還了，因为这个业务员自己的绩效和前三期还款是挂钩的这些我听到很吃惊，也不知道怎么办

与此相比，我反而觉得线上的风控更简單一点这是我的看法。

本文系专栏作者发表属作者个人观点，不代表网站观点未经许可严禁转载，违者必究！