现在的很多大数据风控企业天天对外宣称自己公司建立了多么强悍的风控模型，行外人听了觉得挺牛，实际上怎么样只有他们自己清楚，公开数据就那些，能清洗成什么样，提取出什么指标，这些数据摆在传统风控人员面前，他们很容易就能做到……
第一类是传统的风控从业人员，他们有足够多的实践经历，对风控要点的理解很接地气，他们知道信用评估指标，甚至每个人心里有一个权重，他们不懂大数据，他们不太认可大数据，我觉得他们这么认为有一定道理，毕竟大数据风控也是以这些前辈的经验为基础的。可是他们会被淘汰的，就好比他们到现在还有一个习惯，就是许多文件只有打印出来才能看的进去。
第二类是传统的风控从业人员转型后的风控从业人员，他们进入了大数据风控领域，他们利用那些维度极其丰富的极其庞杂的数据与风控指标关联起来，进而实现大数据风控，实现风控自动化；这类人既有传统风控的基础，又有大数据思维，知道大数据在解决信息不对称的问题上的作用有多大。
第三类是从未从业过传统风控业务，直接就进入大数据风控领域的人，他们看不懂基本的财务报表，不明白商品交易流程，许多金融术语都不懂，这些人觉得技术解决一切，殊不知他们制定的风控指标是传统风控人员的经验总结。他们将与借贷客户相关性强的不强的数据用尽一切手段获取到，来建立风控模型实现风控自动化；他们不屑于传统风控，真是翅膀硬了就忘了爹娘。
可能还有第四类，就是啥都不懂，但就是能说，全靠一张嘴。
第一类是积累了多年的借贷业务，转型或者拓展风控服务业务，他们基于自身积累的业务数据建立风控维度，风控模型，他们可以用自身积累的数据来辅佐验证这些模型的准确性。
第二类是纯技术型公司，他们瞧不起传统风控，以为技术可以干掉传统风控。他们利用各种手段获取了很多很多的数据，甭管这些数据与信用的关联性是否是强相关。
银行赖以生存的信贷业务走到今天，他们积累的风控经验，形成的风控能力会比大数据风控差？不差，大数据风控真正解决的是人工风控的低效率，降低信息不对称的程度，将人的风控思维过程程序化而已，而不是说技术手段发明了全新的风控指标或者风控理论。
现在很多大数据风控企业天天对外宣称自己公司建立了多么强悍的风控模型，行外人听了觉得挺牛，实际怎么样只有自己清楚，公开数据就那些，能清洗成什么样，提取出什么指标，这些数据摆在传统风控人员面前，他们很容易就能做到，只是他们不愿意看这些数据（所以他们慢慢的被淘汰），这些公司把获取的数据稍微归归类就对外提供，这不过是数据的二道贩子而已，而他们所谓的风控模型，见过的人都知道水平也就那样，跟传统风控线下那一套相比，没什么革命性的不同，但不得不承认的是，一些传统风控获取不到或者不曾考虑的数据，在反欺诈方面的作用，真是大的很（比如设备关联性、ip关联性、地址关联性等）。
IP、GPS、设备ID、WIFI、时间（注册申请时间、申请信息填写时间等）、多头借贷信息（共享机制）、人脸识别技术（只认face++）、社交信息（关系链信息、腾讯）、电商信息（阿里系、京东、亚马逊等）、阅读类信息（今日头条、阅读类app等看阅读习惯、关注的内容等）、身份证认证（公安部）、银行卡要素认证、运营商数据（手机实名、通话记录、消费记录、上网记录、联系人、出没地点等）、银联画像（消费额度、消费地点、消费时间、消费场所等分析出客户是否结婚、是否有房贷、是否买车、消费能力、是否怀孕、是否有孩子等）、乘机信息（航空公司）、车管所信息、学籍信息、工商信息、税控信息（航天科工？）、涉诉信息（政府某网站）、被执行信息、企业商标专利/软件作品著作权。
等等等等
只要是数据，就能跟信用扯上关系，有人爱看游戏新闻，他就一定贪玩吗？有人爱看靖国神社的照片，他就一定叛国吗？有人在母婴店刷卡了，就一定是自己有了孩子或者怀孕了吗？有人在凌晨3点申请借款，就一定信用不好吗？没有什么一定的，所以针对这些大数据，大数据风控公司只能给出提示，而不能给出决定性结论。
大数据风控的本质作用是什么？是丰富风控指标所涉及的数据的维度，尽可能地解决信息不对称的问题（风险存在的根本原因）、提高风控效率、解放人的重复劳动。
【版权申明】来源：网贷天下“听风控人道风控事儿”征文投稿 如有侵权请联系我们，我们对原文作者深表敬意
wwwgx2016∣互联网观察
每天精选深度互联网业内文章
收集最新互联网业界资讯，欢迎分享
