01 风控实践
风险管理这个行业有很多的形容词，比如说“富贵险中求”，比如在钢丝上跳舞。风险不仅仅是控制，还是一个有效的管理和相应的平衡。
今天金融在中国的发展现状，呈现了很多方向和相应机会，但我认为风险的本质从来没有发生变化。它既有不变，也有不同。
首先京东金融的发展相对是非常快速的。当前京东集团形成了电商、金融和技术三大战略。金融是从2013年10月份独立运营，当前已经发展到了大概9个一级事业部门。前有资产端、负债端还有基础支付业务，以及今年刚刚成立的金融科技部门和农村金融。
京东的消费金融发展非常快，从产品的推出到不断地迭代，推进的速度非常高效，这也意味着我们的风控迭代速度也得非常快。
早期，用户体验以及逆向选择，是我们早期推出产品时重要考虑点。但金融产品，不可能只是很简单的把信贷给出去，钱出去很容易，回来怎么办？紧接着底层抗风险工作都要进行相应的展开。要求有效、效率和速度非常快。这一块有很多技术上的挑战，包括数据的整合，数据的打通，数据的计算。
金融风控平台的搭建是非常有门槛的，要企业投入大量的人力资源和时间资源。但搭建好得平台，会有强劲的中后台能力保障，能支撑前台业务走向更多不同的场景，也推出更多相应的产品。
这是用户体验、欺诈风险、机器完善三者之间的关系。
02 风控是高难度的平衡游戏
具体来说，
第一个感受，“用户体验”这四个字就是非常大的约束条件
，
需要企业内部跨行业来做金融行业，不同的人理念的磨合问题。但毫无疑问用户的体验要求是企业很高的一个宗旨，它给风险也带来很大的挑战和相应的压力。
第二，网贷欺诈的发生和传统金融的获客模式相比，它呈现更强的扩散性和发散性，而且在线、实时。
所以对细分领域的欺诈风险管理提出了非常高的挑战和要求，同时还要注意还要保证千万级用户整体的使用体验。
这个行业催生了很多的利益驱动，会导致有相应的社会组织或者是群体长期专门从事这个行业，俗话说“不怕贼偷就怕贼惦记。”它们还有分享精神，网上的信息交互非常廉价、便捷，等等这种的挑战，单一的机构没办法独善其身。
另外这个行业还面临机制的滞后问题。
张俊老师之前演讲提到的机制、法律、征信体制的建设，当前来讲都可能有一定程度相应的滞后。
所以这是一个非常高难度平衡的游戏，从实践，有问题，再总结，再进行相应各种机制的推进，这需要一个过程。但是当前的企业是等不起的，它必须要解决这些问题。是挑战也是动力。
结合京东得电商模式而言，有电商基础做支撑，我们的风控体系有自己的特色。但我觉得它怎么做并不重要，思考为什么要这样去做的过程和遇到的挑战，以及怎么形成今天这个局面的，我觉得才是有意义的。
在一个相对高频的电商购物模式下，我们的消费金融业务可以进行深度的耦合，但不管怎么耦合也摆脱不了几个风险管理的本质问题。风险的几个直接因素都是围绕相应的因子，来展开风险管理的框架的。在这个框架下还应该不停地进行细分。
这我们的商业模式里，有几个很重要的因素：
第一是场景，这代表我们的用户在哪里。第二，需求，他可能有什么样的需求，有这样的需求怎么样给他设计相应的产品。第三是体验，给他这个产品，我们的用户有什么样相应的判断和要求，包括在线的方式怎么样做到足够有好的体验。
最后把很多判断做得非常前置，而且最好能做到用户无感知，复杂的判断已经完成，他有一个体验上的影响。
买单侠的朱总讲过真正牛的风险管理不是踩刹车，而是车在踩刹车的时候你不知道。风险管理的产品和用户的体验要深度的融为一体，要就地的分解，它不是一个关口的阻击战，而更多的是一个全局的战役，最终能做到用户的体验和风险管理之间保持一个很好的平衡。
我觉得我们消费场景的风险管理和传统金融呈现的逻辑没有什么不一样。我们提出的挑战是：如何面对这种新型的、数据的、相应的背景，要用什么样的方式驾驭它、处理它。这迫使我们不得不进行很多技术新的尝试，所有的创新我认为有一句话还是有道理的，可能都是被逼出来的。
所以风控本身的目标，我认为并没有发生太大变化。无非是你手里拥有的资源发生了变化，所以你不得不为了驾驭这个资源而采取很多新的技术的探索。
最终，通过这些手段，我们能更加高效的进行，
对弱数据和清洁数据的整合能力。这是一个迭代的过程，风控能力提升之后，能覆盖更多的客群，进行相对有效的评价。
但光有对一个单个用户的评价还不够。互联网模式下用户会呈现一个群体的效益，好用户之间也会有交际。但更突出的是坏用户的集中。
对坏的用户的识别，是必须和关键的。我们在自己的场景下对网络关系进行了一些刻画，从而补充了我们对单个个体的风险评价的理解。
我想说面对风控，一般没有最好的解决方案，你将永远面对一个现实的选择。如果你之前有进步，那你就应该去进行相应的尝试。这会促使我们变得勤奋，高效进行相应迭代，不断让模型和业务结构之间进行相应匹配。
同样，风控系统建设也是由业务发展来催生的，这是很典型的自下而上扩展的过程。当问题积累到一定程度，我们就会停下来进行相应的总结，推出一些系统性的解决方案。
系统的框架就围绕这些问题而展开，因为业务有很大的不同，所以没有办法轻易用非常成熟的系统解决方案，必须要结合。
要依赖独有的特色，去开发相应的符合我们特色的系统。这个过程相对比较复杂的，就是我们对反欺诈的看法。这是基于我们对新型用户设备和相应的一些相关弱数据的整合，而形成的风险管理反欺诈系统。反欺诈管理，是永远不能停息的，因为人是一直在变化。
在黑名单和高风险名单库方面，我们已经形成了相应的能力，满足自身需求的同时，还能支撑内部其它业务的诉求，同时能支撑外部合作企业的需求。
经过科技金融1.0业务的沉淀，我们会在这个基础之上试图把我们的产品和能力标准化，来进行一个对外开放的服务平台。
我觉得这条路非常漫长。这个行业可能要走之前没走过的道路，但也不是瞎走，有很多对过去的继承，也有对未来相应的展望，不变的是风险的本质。
金融行业的本质就是对风险有效的经营和管理，不是单纯的控制。金融的业务一定是因强而变得大。
金融行业的背后是对人性的洞察，不管是从业人员、机构还是外部作案的分子，他本质都是人性贪婪的体现，所以要永远心怀敬畏之心。
虽然我们面对这么大的挑战，但我们依然要理智的面对这个火红的年代，我们要非常理智的悲观，但也要非常顽强的乐观，最后希望我们能穿越黑暗，迎来光明。
百度金融CRO王劲：
要做好风控，首先要接地气
01 一个CRO要关心哪些问题？
我想跟大家分享，“作为一个CRO，他该想哪些问题？”
作为一个CRO，他最重要的职责之一，就是及时、准确的提出问题。
问题提好了，事情就好办了；问题提偏了，事情就大了。
我结合自己在中美两国加起来20年的风控经验，总结出一个经验——
要做好风控，首先要接地气。
不能够把中国的东西完全地照搬到美国，也不能把美国的东西照搬到中国。举个例子，去年不少的信贷公司跳进医疗美容的消费信贷场景放贷，很快就被弹出来了，趟了很多的坑，这就是他们面临的中国特色挑战。
一个企业要变成一个长期的、健康的一个金融企业，必须要有专业的金融风险管理知识和理念，同时要搭建一个全面的风险管理体系。这样才能够真正的去管理整个的生命周期。
02 消费金融风控三大难点
那么，怎么样接地气？我通过三个难点来讲：
第一个难点，网上坏人多。
我2015年12月从美国回到中国，当时国内没有太多这个概念。在美国，欺诈跟信用风险相比，基本上是1：5的概念，但是在中国完全反过来了。
中国网络黑产规模已经达到了千万级别，这个千万级别的损失是通过信贷的利率和费用分摊到了用户的身上的。所以中国公民借贷的成本是比西方相对而言要高很多的。所以我们一定要联合起来，共同对抗黑产，才能够真正做到普惠金融。
作为一个CRO，你需要思考：从贷前的角度，我们有没有能力判断客户资料的真实性？这是在对付账号的行为。我们有没有能力确认本人申请的？我们在用人脸识别、声音识别等来确认本人在申请。我们有能力判断消费的真实性吗？这也是非常重要的，这是在分期和场景结合的信贷方式当中一定要用的问题。
CRO在贷中要思考：当我们把客户引进来以后，我们能够保证我们账号系统安全吗？你的业务做大了，一定会遭受很多的黑产来撞你的库，潜入你的系统，你们内部会不会有人泄漏客户的隐私信息。
如果是虚拟信用卡或者循环额度的产品，怎么样识别欺诈的交易？这个问题现在不急着回答。但是我预言，很多在座的人，将来会更多的时间是在防范，在做这个产品的风险。
我认为现在很多产品是一次性贷款产品，但这个产品升级是必然的，要升到循环额度和虚拟信用卡。
一次性贷款是每次申请，每次都要交材料，这对客户是非常不便的。而虚拟信用卡和循环额度是一次性授信，持续借钱还贷的，这是一个更高级的产品模式。到那个时候，风控强的公司就会走在行业的前列。
整体来讲，作为一个CRO你在考虑什么呢？
第一，怎么提高欺诈分子的作案成本？
第二，我们的系统能区别黑产、团伙和个人的欺诈吗？如果不能，这个东西是很危险的，你能不能够及时的预警你遭到了黑产的攻击？
第三，我们有能力准确的关联欺诈案件吗？
我估计很多的公司不存在这个，没有这样的能力，这是很重要的。怎么样提高欺诈的成本，是我在百度非常深刻的感触，这也是我主打的东西。你必须要能够关联历史上所有的欺诈案件，但是你要关联他们是非常不容易的。因为黑产自己会不断变换身份、地点、设备以及其他信息来攻击你，但你必须要解决这类问题。
最后，账号数据、用户数据、商户数据，外部数据是否已经打通？什么叫做闭环？
运通为什么反欺诈做得非常好？运通有一个优势，它是一个闭环的商业模式。它左边有用户的信息，右边有商户的信息。当我们把它整合起来，运通在美国的反欺诈，基本上在4个BP。这还不是完全的闭环，他们是我们的两倍，对于数据整合是非常重要的。作为CRO，这是你最需要思考的问题之一。
第二个难点，多头贷款严重。
中国从2010年左右推出了现在的人行征信系统，将近六七年的历史，覆盖了4亿人。中国有14亿人，所以有4亿人有这个征信，但这4亿人的征信信息厚度是不够的。还有五六亿人是没有征信的。
全国大概应该有2000多家的P2P和小贷公司，去年年底的时候，网络贷款的余额达到了1.2万亿，单用户余额是7000。把这个数除以100，你就知道，多头贷款多严重。
在这种情况下，CRO应该怎么想？要想我们有客户负载的信息吗？
多头贷款不是实质性问题，但负载超过了自己的还款能力，这是我们担心的。
如果你有多头贷款，但是所有的东西没有超过你的还款能力，是没有问题的。多头贷款是有倾向信息的，你得注意用户下载了多少APP，怎么整合这些信息，且恰当运用这些信息。
贷中、贷后，我们还要看一看所有的这些信息是不是在叠加。不仅仅是在贷前的时候有这个问题，在贷中、贷后是不是对这些信息进行更新。最后，我们怎么样引进外部多头贷款的信息。
作为一个CRO你要想到，如果暂时没有多头贷款识别的能力，怎么样利用产品的形态来控制风控，怎么样让建款的期限短一点、额度低一点。
第三个难点，找不到人。
你看预期的人群，基本上60%找不到他，利用外部数据能够找到超不过10%的人，还款率不低的都是50%。中国所有的网贷公司都花很多钱在找失联人群，这是非常大的机会。
贷前要考虑的问题主要是：在贷前的时候需要收取什么样的信息？在客户允许的情况下可以抓取什么信息？但要把握分寸，信息越多，对客户的体验越不好，你做得太多了，也形成一个次选择。只有坏人来申请，没有好人来申请，也是不对的。所以CRO的工作永远是一个非常有挑战的，一个寻找平衡点的工作。
贷中要考虑的是：在客户信息变更的时候你是不是知道？每次客户交互的时候，是不是要确认联系信息？这些都是我们要考虑的。有多少信息来自于失联？失联人群的回款率是多少？只有知道这些，才能知道要投资多少在失联的技术和数据上。
我抛砖引玉的把这三大难点讲清楚了，在中国做风控一定要接地气，一定要有专业性。
同时，在中国消费金融行业还存在三大误解，如果三大误解不解决好，很难走向专业性。
第一个误解：风险定价解决了，风控就做好了。
次贷危机发生之前人们猛赚钱，那个时候依靠风险定价。那个时候的报道也跟现在太相似了，都是说我要风险定价，就可以把风险给控了，但这是不可能的事情。风险定价是当时对于客户风险的预判，但风险是波动的，利润率一定是波动的。当系统性风险来临的时候，当系统性风险来临时，所有的评估都没有用，都会关门，都会挂掉。风险定价是很好的一个工具，但是不是一个全面风险管理的概念。
第二个，有大数据，风控就搞定了。
我泼一点点冷水。
抛开大数据的相关性和它的质量、它的稳定性来说，它只是一个风险评估而已。它只是帮你更好的识别这个风险，但是它只是风险管理的一小块。
怎样授信？额度做多少？你的业务增长率应该是多少？你的业务做到多大可以降低你的系统性风险？你的销售团队是不是应该包括你的风险指标？这些都是CRO的问题，这不是大数据问题。我可以提出100个问题，跟大数据没有关系。所以我才强调什么叫全面的风险管理体系，这是要大家深深思考的问题。
第三个，把获客风险把住，风险就可控了。
现今中国互联网就是在“急速冲量”。大家都觉得只要把住风控这个进口，风险就控住了，这是不准确的。
还有一个相似的观点，只要做催收，不做获客，把钱催回来，就搞定了，这是非常危险的。
我分享我做风控20年的一个理念：一定要在所有的系统当中有多个控制点。
刚才我们谈到的闭环和生命周期，为什么？因为如果一个把控点失控了，另外一个把控点出了问题，同时引进一些比较高风险的人，你可以通过额度调整策略来管控他，你可以通过催收来减少损失。
所以这是整套的风险管理体系，它是一个多层次的防控系统。
风控其实是门艺术。我们做了几十年的风控，没有把它当成一个专业，我们把它当成了一个艺术。因为做风控是一个艺术家的活，我们可以通过一本财经商学院跟你讲，为什么是艺术？它真的是一个雕琢的过程，中国现在互联网金融实际上很多是一个比较粗犷的勾画，很多细节还会发生在它的方方面面。
最后，我希望大家能够加强合作，能够把我们风险的意识灌输到中国的互联网金融的行业当中去，让我们中国的互联网金融能够真正成为世界的一流。
捷信消费金融CRO Tomas Skoumal：
大数据能帮助做出迅速而明智的决定
捷信主要向客户提供耐用消费品相关的消费金融服务，客户可以使用这个产品购买手机、电脑、家电、摩托车等，捷信把贷款款项直接打给零售商，而不是打给客户本人，通过这种方式可以减少风险。
整个流程比较简单：客户来到零售商的商店去购买产品，填一个申请表，捷信驻点销售代表将申请表返还到公司；公司对客户的信息情况进行评定，把贷款审批结果反馈给商店，客户获得商品，商店收到款项；接下来几个月中我们会如约收到客户的还款。
整个流程有个特点，非常迅速。这是我们一直努力的目标，我们在不断的缩短两个环节的时间：一是客户需要填写申请表的时间，二是我们审批客户申请的时间。目前，填写申请表的时间，从30分钟降到15分钟；审批时间，从三年前的10～12分钟，降到2分钟左右。
我认为还有很多工作要做，让客户对整个贷款审批过程感到更加的满意。
在整个流程中，我们如何获得信息，来帮助我们做决定？
首先是客户提交的数据。
举个例子，一位女士到销售点去申请贷款，她首先需要填写申请表格，提交一些数据；我们同时参考商店的数据和申请产品的数据来做决定。这是用一个比较传统的方式来进行风险控制。
其次，我们会参考一些额外的数据，主要是三个数据源。
央行的征信系统是最重要的，但因为捷信提供的是普惠金融服务，很多来公司申请贷款的客户，之前是没有个人信用记录的。
第二，是使用一些企业提供的“黑名单”信息。
比如没有对接央行征信系统的互金公司，这些企业没有权限向央行上传数据，但可以从其中得到我们客户之前的贷款金额和还款表现。
第三，就是大家都在谈论的“大数据”
，它在在某些程度上可以帮助我们进行预测评估。参考客户在申请表上提供的信息是传统的方式，依靠征信系统是现代化的方式，但未来做（审批）决定，主要是依赖大数据。
但我要强调的是，大数据是不能够完全取代其他的数据源的，它也不是客户数据信息唯一的来源。大数据主要是帮助丰富我们的核实手段，去核查客户提交上来的信息。
捷信要发放大量的小额贷款，我们有一个特有的“得分系统”，根据客户最终分数来预测他的违约几率是多少。
这个得分系统有两个作用分：第一，它可以帮助我们预测和区分，哪些客户有还款意愿，哪些没有；第二，在未来的一段时期里，预测（客户）的稳定性。
作为消费金融公司，我们决定哪些贷款发放，哪些贷款拒绝，某种程度上取决于公司对风控的容忍度和接受度，公司的态度影响到最终的通过率。
如果（客户）得分是不稳定的，则意味在未来可能会出现风险波动，更高或者偏低。
另一方面，得分系统可以帮助我们迅速的做出决定，迅速的判断发放多少额度的贷款。
比如，一个客户的信息丰富多样，并且得分很高，我们可以在几秒钟内就做出决定；但如果信息不充分，而且得分比较低，则需要采取另一些措施进一步核实客户信息，帮助我们做出正确的决定。
对于消费金融公司而言，能否迅速的做出正确的审批决定非常重要，这时候就需要借助额外的数据源，让打分卡变得更加的有预见能力。
数据越丰富，打分卡的预见力越强大。
总结一下，大数据在三个方面给予我们帮助：帮助我们做出明智的决定；帮助我们做出迅速的决定；对客户的好处是，让贷款申请表变得更加简短，提升客户体验。
消费公司除了信用风险，还会面临欺诈风险。
捷信大的反欺诈主要是四个流程：审核、调查、欢迎电话、暗访。
一般的理解是，一旦把钱贷出去了，消费平台能做的工作是非常有限，如何在销售网点控制欺诈的风险？
对于我们来说，一两个孤立的欺诈案件并不是那么重要，我们看重的是有组织欺诈行为，我们需要找到这种欺诈行为的模型，然后相应的改变我们的审批策略、审批流程，并引以为戒。
秦苍科技CRO朱君：猎取“被动借款人”
我今天主要从四个方面来说，
场景、欺诈、信用、风险定价。这四个命题是我总结下来做风控的优先级。
首先，获客方式。秦苍科技有两款产品，一款是买单侠，一款是星计划，从2014年到现在已经三年了。买单侠 3C主要通过客户在零售店买手机场景来获客，星计划医美通过医美整形来获客。
通过这些的场景获得的，我们叫“被动借款人”——本质上不是太想借钱的人，他很被动。
现在很多目标蓝领群体，没有过往金融借贷经验和历史，人行征信体系没有覆盖。这类人里面，其实大多数人还是信用状况很好的，我们内部称为“新优质的人群”。
纵观历史上一些比较成熟的获客方式，我们可以看到：平安信保通过通讯录目录营销一个一个打电话；信用卡发卡是陌生拜访；直销团队冲出去进行获客。国外比较成熟的是通过邮寄，直接邮寄一个信用卡；现在京东、蚂蚁、微众通过白名单的方式来营销。
这些获客场景里面都有一个共性，客户是主动出击获来的，获客及授信之时，客户其实并不一定需要信贷。所以他们是被动的借款人，这是主动获客的方式。这样的场景是自然的获客需求，能尽可能规避风险。
如何把控线下“消费场景”？
买单侠有三款APP
，客户端有一个，营业员有一个，销售人员有一个。第一，客户跑到店里，营业员出示他的二维码，客户用自己的APP扫营业员的二维码，
这个就是风控防范的第一步，确保交易是发生在这个场景内的。
第二，营业员出示二维码是转瞬即逝的，防止截了屏以后给第三者，脱离场景的地方做现金贷，这也是风险防范的一步，必须在场景内发生。
第三，营业员出的二维码，A和B出的二维码是不一样的，精确的追溯到过往营业员的表现，每个人有自己的账号。
我们销售端还有一个APP，客户扫了营业员的二维码以后收到情况会赶来。线下驻场人员像一个巡逻队，一个人绑着五个店，如果能力强，一个人绑七个店。
我们通过这样一套机制来确保这个交易。一，发生在这个场景内；二，这个销售能够比较高效的提高他的能效，这是通过三款APP相互之间的联动来搭建的一个获客场景。再者，销售端的APP除了能够通知这个销售赶到现场以外，他还会有一些和后台的联动。
这套做法，避免了传统做法里地方团队被挖时，业务经验流失的问题。
我们还利用销售端的APP跟后台进行一些交互，线下人员会察言观色。有的人背着LV包申请了，一看就不是正常的需求。有的人开着车过来了，一定不是正常的需求。通过数据累积一段时间，我们会发现好像有纹身的人，坏账会略高一点点。
我们是这样通过三个APP去很好的相互联动，来保证线下消费场景的真实性。
目前，从提交到审核，我们平均花2.8分钟就能自动化出一个结果。所有的决策都是自动化在做，我们在整个流程中会多次调用这样的决策点。
