清华金融评论

本文从数据、策略/模型、系统平台三个角度分析了现金贷风控体系建设，文章指出现代化、高效率的现金贷风控体系的建立需要具备这三个核心要素。

现金贷，特别是小额现金贷是当下最火热的金融产品，相比于成熟的消费金融类产品比如信用卡或者商品分期，今天在互联网上所常见的现金贷产品还很年轻，兴起于2015年，直到2016年下半年才真正爆发，并迅速成为大量金融公司特别是互联网金融公司的当家产品。综合来看，现金贷的爆发大概有几个原因：

一是政策导向，现金贷的流行与P2P监管加强的时间点基本重合，原有的P2P平台将业务中心转移到了现金贷；二是技术提升，大数据技术的逐步成熟和数据成本的下降，促进了线上风控能力的提升；三是资本推动，资本市场判断现金贷业务是极好的机会，热捧现金贷公司。

另外一个关键因素在于，现金贷动辄超过100%的高利率可以覆盖掉坏账风险，即使很多现金贷公司在“闭着眼”放贷，风控几近于无，仍然能够获得可观的利润，这恐怕是现金贷大行其道并为金融机构所热爱的最根本的原因。但所有金融业务都绕不开的一个基本逻辑是——放松风控必受惩罚，即使短期获利，粗放式的风控手段只能将风险暂时掩盖，在未来有极大可能爆发更大的风险，有一部分公司已经开始意识到这个问题，并着手提升自己的现金贷风控能力。当前流行的现金贷产品通常有四个特点：线上、小额、短期、高利，以传统的重人工审核方式的风控无法应对，所以金融机构必须构建现代化的高效率的风控体系才能使自己的现金贷业务平稳发展，不会翻车。

一般金融风险包括欺诈风险、信用风险和操作风险，小额现金贷业务主要防范的是欺诈风险，即通过伪造、冒领冒用、恶意透支、套现等方式诈骗金融机构而造成经济损失的风险，随着放贷额度的提升，信用风险会逐渐增大，而操作风险相对较小。想全面解决风险问题，不能头痛医头脚痛医脚，需要从风险管理体系的各个层级入手，这也是构建现金贷风控体系的关键。

通常风险管理体系自下而上分为5个层级，数据层：位于最底端，是最基础的层级，包括数据的接入、存储、分析、管理等；系统层：现代化的风控体系需要高效率的系统支持，比如数据管理、决策引擎、业务管理、贷后管理等系统平台；模型层：基于业务理解和数据，制定风控模型；业务层：包括业务流程的优化梳理和相关风控策略的制定。管理层：针对风险管理的组织架构、岗位设定、培训等一系列管理制度和规范。

整个风险管理体系可以浓缩为三个核心要素，即数据、策略/模型和系统平台，可以说具备这三个核心要素，风控体系的基本框架就可以建立起来。

数据

随着金融业务形态的演进，数据对于金融机构的风控而言已经越来越变得不可或缺，是整个风控体系的根基，大数据技术的日渐成熟也推动了传统信贷数据之外的数据在风控方面的应用。对于现金贷风控，常用到的数据大致可以分为四类，信息核查类：如身份认证、银行卡认证等，用于核验借款人的身份真实性；反欺诈类：包括各种黑名单、多头借贷、违法违规等数据；信贷表现类：贷款记录、放贷详情、逾期信息等数据；用户画像类：银联交易、交往圈、电商消费、运营商通话等数据。

其中，比较特殊的是移动运营商的授权爬取数据，由于现金贷业务的目标群体基本是年轻人，这一群体在央行征信中缺少有效记录，而通过移动运营商数据，如通话时长、套餐、话费、通话记录等信息，则可以在相当程度上判定风险，所以此类数据是目前现金贷风控中最常用到的数据之一，这也是大数据力量的体现。只是运营商数据目前还没有公开的合规渠道可以直接接入，因此主流的方式是用户授权金融机构其账号和密码，利用爬虫技术后台采集数据，在用户体验上有所损失，但从风控角度则是必要的。

现金贷风控所需要的数据绝大部分都可以通过第三方公司获得，由于个人数据会涉及用户隐私，当前政府对数据的监管越发规范和严格，因此无论从合规性还是数据本身的可靠性和稳定性考虑，金融机构都应当优先与正规的征信机构合作，数据服务本身也是征信机构的主要业务。

策略/模型

粗放式风控的一个显著特点就是缺乏有针对性的风控策略/模型，以为接入一些外部的黑名单类数据或者制定几个简单的规则就可以解决风险问题，实际上大错特错。风控人员必须要在充分理解自身金融产品的特点基础上，针对目标客户群特点、数据情况、行业特征等进行大量的研究测试，才能够给出有效的风控策略，设计有效的风控模型，而且这些策略和模型会随着信贷表现数据的增加而不断地迭代优化，这是一个相当专业而且需要长期投入的工作。

以现金贷业务的反欺诈为例，正确的风控首先要基于实际情况分析识别欺诈的原因，再针对不同类型的欺诈做对应的策略和模型，例如，伪冒身份类型的欺诈，就需要做信息验证和人脸识别，以技术手段解决，其他类型的欺诈，也要有不同的处理规则，绝不是单纯接入一些外部数据就能够解决的。而且，信贷业务流程的每一个重要环节，从营销获客，到反欺诈，到审批，到贷后预警，到催收，都需要制定相应的策略和模型，形成一个完整的风控方案，此外，使用什么数据、怎么使用实际上也是由策略和模型决定的。

系统平台

另一个容易被现金贷金融机构所忽略的关键要素是风控系统。风控系统体系可以分为三类，支撑系统：大数据存储分析、数据管理等；决策系统：决策引擎、BI等；业务系统：进件、审批、催收等。这三类系统相互配合，共同支撑着金融业务和风控的高效运行，但金融机构往往比较重视业务系统，如进件和审批系统，大概因为这是现金贷业务正常开展所必须的系统，却忽略了另外两类系统的建设，这在发展初期可能问题不大，但很快就会面临由于系统缺失或能力不足所造成的效率低下、管理混乱等一系列问题，成为业务发展的瓶颈。其中，三方数据管理系统和决策引擎是最有价值同时也是最被忽视的两个系统。

三方数据管理是一个比较新的概念，它只有在大数据时代才会诞生，因为传统的金融机构风控并不需要接入大量的第三方数据，自然也不会有类似的需求，现在则不同，越来越多的金融机构已经接入了十多家甚至几十家第三方数据源，但如何管理这些标准不同、质量不同、成本不同的第三方数据，使其能够稳定高效地为上层业务所应用，正是三方数据管理平台的功用所在。

相对而言，决策引擎是比较成熟的系统，但在金融机构中已经部署或者被充分利用的并不多，这主要是因为传统的决策引擎通常价格高昂、且非常复杂导致学习成本很高，所以很多金融机构会优先选择集成了规则引擎功能的信贷业务系统，不过这种选择随着业务发展，会产生两大难以解决的问题：对多条金融产品线的所有策略/模型进行并行管理；策略/模型的快速迭代上线

金融机构常见的做法是由IT开发人员做对应的支持，需要反复的更改调整系统，成本高、周期长，现在的趋势是由独立的决策引擎统一管理不同产品线下的策略/模型的配置管理，无论上层业务发生何种变化都可以轻松支持，此外，在用户体验上开始用界面化、拖拽式的操作取代编写代码的方式，不再让开发人员承担本该由风控人员担负的工作。

回顾一下现代化、高效率的现金贷风控体系建立的核心：数据、策略/模型和系统平台，当金融机构逐步由粗放式风控向精细化风控演进的时候，这三个核心要素都是必须要具备，根据自己的能力可以选择自己建设或者借助征信机构等第三方厂商的力量，当然这只是一个开始，金融机构还需要不断在这三方面优化调整，达到最优的风险管理水平。最后，这几年金融市场的活跃催生了很多新兴的金融机构，也许它们把更多的精力放在了业务拓展上使得投入风控的精力不足，然而市场是残酷的，如果金融机构不能够及时提升自己的风控水平，必然被市场淘汰，这就是金融的逻辑。

（赵千里为天创信用首席数据官。本文编辑/丁开艳）