在2017年9月份，我对现金贷行业的风控有了初步的认识，通过自己的理解，写了一篇文章“现金贷行业的贷前管理-反欺诈和授信”。几个月后，不仅仅是对现金贷风控，而是对整个风控架构有了更深层次的认知后，我决定再写一篇关于风控的文章，希望能够让大家看到我的进步，也和大家一起进步。
对于前一篇文章，我更多的还是陷在底层的单项思维中，并且表达时只是粗浅的描述某一项功能，阅读者也无法通过文章了解风控到底是怎样的架构，今天，我决定以结构化的方法出发，把单点思维串联起来，对风控来一次结构化的叙述。
说到风控的框架，不得不说到产品的结构化思维模式和强烈的目标感，从目标出发，我们发现风控的目的是围绕借贷场景中的两个主要事件的，那就是【借】和【还】，再细分开来就是，能不能借，借多少，能不能还，是否愿意还。现金贷的风控，都在围绕这样的核心事件进行。那么如何判断这样的核心事件结论呢？那就是通过两种模式，一种是【评分式】一种是【结果式】。想必说到这里，大家也就清楚了，通过评分判断分值区间的结果，通过结果判断该事件结果集对应的场景结果。
在风控运行逻辑中，有这样几个大的结构模块，他们通过 input 和 output 的运算关系，得出风控模型的结论，指导业务。这几个大的结构模块是：input 参数，参数规则计算，output 结果控制。
以下图表能够非常清晰的看到风控的运行逻辑
在风控的 input 阶段，数据源大部分是第三方数据公司提供的字段，我们需要将字段予以拆分，并采用该场景下的可用字段，将可用字段归类到规则引擎中。这个规则引擎可能是自建规则引擎，可能是在自己风控能力薄弱情况下引用的第三方规则引擎，不过这都没关系，可以逐步完善。
在规则引擎到规则结果这一阶段是参数规则计算阶段，逻辑其实很简单，但是通过不断的数据学习，由哪些参数计算出什么结果，是很重要的。
每一条规则都会对应一个结果，这个结果可能是一个直接结果，或者是一个评分，每个事件对应一个结果集，再通过这个结果集来判断这个事件的结果。这个事件的结果可能是个直接结果，或者是一个数值，比如风控拒绝，或者通过后给予额度、利率、可借天数等。
如此，一个风控系统的任务就告一段落了。
风控其实是很简单的一个模块，更重要的模块，其实在于数据的挖掘和运用，现阶段大家似乎都很清楚的知道数据的重要性，而且很多人也都认可“数据就是金钱，数据就是商业发展的未来”的结论。但是，当数据满天飞的时候，比拼的就不是数据的多少，数据字段的丰富程度了，更多的应该是对数据场景的深刻理解，哪个场景对应哪些事件，这些事件应该对应哪些数据，这些数据体现了哪些结果。这才是未来数据运用的关键点。
