风控，使我从邋遢宅男变成了重度强迫症患者！| 文末福利

声明：文章来源于FRM风控圈，大数据风控联盟诚意分享~

很多人认为风险管理这项工作，不用低三下四做营销，不用应酬喝酒，更多的是技术与分析，随着时间积累还能成为专家，而且钱多、稳定、权力大，对业务有生杀大权。其实这多少有些误解，作为一位在金融行业做了三年风控的工作人员，想来说说自己的体会。

金融工作现场

作为一家涉农互金平台，主要针对的借款用户是三四线城市的返乡创业人员、农户农企、小微企业等群体，致力于为他们提供生产贷款、消费贷款等等。

而这部分群体因为信用评分较低，在银行那里拿不到较好的贷款额度。成为互联网金融客户对象后，他们也对互联网金融企业的信用风险控制提出了很大的挑战。

信用风险的控制主要是贷前、贷中、贷后三个阶段， 贷前控制主要是找到合格贷款人，贷中风险控制主要预防借款用户还款能力下降，无法按时归还贷款，贷后风险控制主要在借款用户发生逾期时，通过催收降低损失。其中贷前风险最为重要。

据摩根银行统计， 75%的信用风险可以在贷前进行风险控制，贷后风险控制的有效性只占25%。

对互联网金融平台来说，也是如此。由信贷部、风控部、稽核/标的中心、顾问律师事务所四个部门共同组成的金融风控委员会，最重视的也是贷前风险控制，即前期风险识别。

金融风控委员会，由信贷部、风控部、稽核/标的中心、顾问律师事务所组成。

通过大数据反欺诈技术、生物识别、知识图谱关联分析等多项核心技术对借款人及担保人（如有）进行多维度交叉验证，排除涉诉、犯罪、负债过多、失信、老赖、黑灰名单、团伙欺诈等群体。

当一位借款用户申请信息到达金融风控部后，我们要做的就是借助风控模型，进行前期的用户数据分析。

首先信用数据分析，如年龄、收入、职业、学历、资产、负债等，这些数据同信用相关度高，可以反映用户的还款能力和还款意愿，是信用风险评估的基本数据。

其次用户行为数据分析，例如用户是否经常去澳门赌博，是否参与高利贷，用户是失信人员，是否患有重大疾病等等，这些信息在一定概率下决定了用户风险水平。此外，还有互联网上的行为分析（如果借款用户有的话），如微博、qq等等，也可作为一种间接的参考信息。

风控系统模型对我们风控部人员来说，就如同战士手中的剑，作家手中的笔，辩论者的口一样，是自己最重要的武器，最强大的外挂。

当然，这个武器再强大，也难免会有疏忽之处。因此，还会通过线下尽调查询、线上人工审查两个步骤进行补充，再次判定借款用户风险。

详细调查借款用户的声誉、口碑、人际关系、经营状况等，排除信用过差、无收入来源、有不良嗜好的群体。

然后，还会通过在线上，结合资料以及风控大数据评分报告再次排查一遍，最后再电话核实确认真伪。

通过分析借款人以上六个维度进行风险等级的判定，对于不同风险等级的客户进行不同额度档次授信。

这样一番风险识别下来，这个用户的借款风险也一目了然了。 风控部一位女同事曾提议，如果将风控系统模型及其他一系列风险识别技术用于婚前风险检测，改变相关数据和模型，说不定也能有效判断对象的婚后风险。 听起来天方夜谭，权当一个乐子。