一個新鮮詞匯誕生，往往總會吸引著眾人的眼球。

伴隨著FinTech（金融科技）的火熱，大數(shù)據(jù)風控被推到風口之上，幾乎成為家家互金平臺的“標配”，倘若哪家公司沒有大數(shù)據(jù)風控做支撐，似乎都不好意思說是互聯(lián)網(wǎng)時代的金融公司。

　　大佬爭相搶灘布局 大數(shù)據(jù)風控緣何如此火熱

除BAT、網(wǎng)易、京東等國內(nèi)互聯(lián)網(wǎng)巨擎旗下金融分支機構(gòu)搶灘布局大數(shù)據(jù)風控之外，互金行業(yè)關于大數(shù)據(jù)風控技術(shù)的探索也一直持續(xù)不停，已經(jīng)具備一定規(guī)模的互金公司大多推出了相關的大數(shù)據(jù)風控技術(shù)體系。

拍拍貸推出了基于大數(shù)據(jù)模型的“魔鏡”風控系統(tǒng)，對接了多渠道多維度的海量數(shù)據(jù)，“魔鏡”對每個標的進行風險評級，再經(jīng)過篩選，轉(zhuǎn)化，加工，最終形成準確的風險概率預測。

錢牛牛2014年上線之初，就曾嘗試運用大數(shù)據(jù)建模的方式對基于人的信用進行綜合化的評估和打分，后又與騰訊旗下“天御”反欺詐系統(tǒng)協(xié)作，打造出基于社交反欺詐模型的智能云風控系統(tǒng)“元方”，以此完成對人的精確授信和風險定價，從而降低金融風險。

而點融網(wǎng)搭建了名為”Matrix”的大數(shù)據(jù)反欺詐系統(tǒng)，借款人提交借款申請即介入整個風控流程，對接多個數(shù)據(jù)源以獲取借款人的數(shù)據(jù)信息，并在各個環(huán)節(jié)建立checkpoint，通過可配置的規(guī)則引擎在各個checkpoint執(zhí)行預定的邏輯，防御欺詐風險。

除此之外，業(yè)內(nèi)多家平臺宣稱接入了大數(shù)據(jù)風控。大數(shù)據(jù)風控究竟何方神圣，為何家家搶灘？百度資料顯示，大數(shù)據(jù)風控即大數(shù)據(jù)風險控制，是指通過運用大數(shù)據(jù)構(gòu)建模型的方法對借款人進行風險控制和風險提示。

由于傳統(tǒng)風控技術(shù)多由各機構(gòu)風控團隊，以人工的方式進行經(jīng)驗控制。隨著互聯(lián)網(wǎng)技術(shù)發(fā)展，整個社會大力提速，傳統(tǒng)風控已逐漸不能支撐機構(gòu)的業(yè)務擴展。而大數(shù)據(jù)對多維度、大量數(shù)據(jù)的智能處理，批量標準化的執(zhí)行流程，更能貼合信息發(fā)展時代風控業(yè)務的發(fā)展要求，越來越激烈的行業(yè)競爭，也正是現(xiàn)今大數(shù)據(jù)風控如此火熱的重要原因。

沒有過硬的技術(shù)做支撐 大數(shù)據(jù)風控只是偽命題

不過，筆者了解到，大數(shù)據(jù)風控具有很強的技術(shù)壁壘，并非人人都能輕易染指。不排除一些企業(yè)利用大數(shù)據(jù)風控的概念進行炒作，但對于不懂技術(shù)的普通人而言，大數(shù)據(jù)風控的概念就足以使其云里霧里，更何況要將之進行深入剖析并作實際運用，無疑更是巨大的挑戰(zhàn)。‘

錢牛牛CEO倪抒音曾在受訪時提到，大數(shù)據(jù)風控不僅僅只是數(shù)據(jù)的簡單集合清洗和篩選過濾，數(shù)據(jù)底層的技術(shù)是支撐大數(shù)據(jù)風控的核心基礎，倘若沒有過硬的技術(shù)實力，大數(shù)據(jù)風控不過只是無以求證的偽命題。

而很多公司在運用大數(shù)據(jù)進行數(shù)學化建模的時候，往往忽略技術(shù)在建模中的運用，僅僅只是將原始數(shù)據(jù)匯集在一起，進行簡單篩選后就結(jié)束流程，整個環(huán)節(jié)中可能并沒有太多涉及技術(shù)的分析和學習。

錢牛牛在大數(shù)據(jù)建模過程中則充分發(fā)揮了騰訊基因的技術(shù)優(yōu)勢。

先是將騰訊、芝麻信用等從各個渠道獲得的數(shù)據(jù)集合在一起，分成三個關鍵環(huán)節(jié)點，第一個環(huán)節(jié)被稱為反欺詐系統(tǒng)，主要是捕捉某些強特征和部分弱特征的組合，技術(shù)底層則運用機器進行數(shù)據(jù)欺詐風險等級評估，這個環(huán)節(jié)將過濾部分數(shù)據(jù)，隨之進入第二個環(huán)節(jié)決策樹體系。

通俗來說，決策樹體系就是一個個按照強、中、弱特征比例分類的“池子”，“池子”里有不同數(shù)據(jù)，強特征、中特征和弱特征可進行正向指標和負向指標對沖，經(jīng)過機器高效而精準的測算之后，自動進入第三動態(tài)打分系統(tǒng)的環(huán)節(jié)。

打分機制與決策樹體系相關聯(lián)，主要是通過某些正向強指標和負向指標進行綜合化動態(tài)打分，但這個環(huán)節(jié)并不是死板決定被接受數(shù)據(jù)打分的人能不能借錢，而是將結(jié)果與當下市場風控松緊環(huán)境做比對，動態(tài)進行判斷。

最重要的是，錢牛牛每天堅持風控復盤，尤其針對一到三天、三到三十天、三十天到九十天以及九十天以上不同等級的逾期數(shù)據(jù)指標進行深度分析，以區(qū)分無意識逾期和有意識逾期，最終將數(shù)據(jù)灌入機器，重新清洗、提煉，完成二次機器學習，這個過程又反哺了風控。

據(jù)悉，雄厚的技術(shù)實力支撐下，當前錢牛牛大數(shù)據(jù)風控系統(tǒng)已實現(xiàn)80%以上自動化進程。

除了技術(shù)實力 大數(shù)據(jù)風控還有哪些壁壘

盡管大數(shù)據(jù)風控時下已被廣泛提及和運用，但真正將大數(shù)據(jù)風控做好的公司卻是寥寥無幾，大多數(shù)公司除技術(shù)實力跟不上大數(shù)據(jù)風控所要求之外，還面臨著許多問題。

首先是大數(shù)據(jù)風控本身所涉及的數(shù)據(jù)源問題。數(shù)據(jù)從哪里來，數(shù)據(jù)量如何進一步擴大，如何給模型做支撐等等。目前很多線下行為都還沒有數(shù)據(jù)化，線上數(shù)據(jù)也比較有限，對于這類群體，各種行為線上化、數(shù)據(jù)化進而將數(shù)據(jù)結(jié)構(gòu)化，需要有一個過程。

倪抒音指出，隨著智能手機與社交網(wǎng)絡應用的普及，很多缺乏信用數(shù)據(jù)的群體在線上有了一些數(shù)據(jù)，但數(shù)據(jù)量還需要進一步增加。未來物聯(lián)網(wǎng)的發(fā)展可能帶來更豐富的數(shù)據(jù)信息，輔助進行風控決策。

其次是層出不窮的欺詐行為，總在挑戰(zhàn)模型的有效性。就像花樣百出的詐騙技術(shù)，對于大數(shù)據(jù)建模風控，總會有人想方設法尋找漏洞、偽造資料進行騙貸，科技的發(fā)展也一定程度上助長了這類騙術(shù)的提升。

這就需要大數(shù)據(jù)風控模型在試錯中不斷迭代，加入更多復雜特征和更多維度的特征，這對于大數(shù)據(jù)風控公司的技術(shù)能力是持續(xù)的考驗。

此外，數(shù)據(jù)采集容易涉及到用戶隱私，某些程度上也可能造成用戶數(shù)據(jù)泄露，從而使用戶感到不安，產(chǎn)生抵觸情緒，這對于平臺發(fā)展也極為不利。

這個問題又回到了技術(shù)實力的問題，一方面企業(yè)需要重視用戶信息安全，采取措施防范數(shù)據(jù)泄露等事件的發(fā)生，另一方面需要企業(yè)不斷提升技術(shù)實力，以保障用戶數(shù)據(jù)安全，真正發(fā)揮大數(shù)據(jù)風控效用。

大數(shù)據(jù)并非解決風控的萬能鑰匙，它只是彌補傳統(tǒng)風控不足的一種手段，平臺在搭建風控模型的時候不應盲目迷信大數(shù)據(jù)風控，而應將大數(shù)據(jù)風控與傳統(tǒng)風控并用，使其互相協(xié)作，從而降低金融風險可能，最終提升金融服務效率。