本文内容摘自“反欺诈实验室”微信公众号

风控是金融的核心，是指风险管理者采取各种措施和方法，降低风险事件发生的可能性以及风险事件发生后造成的损失。风控很大程度上决定了金融服务的范围与价格以及金融机构的生死。如果风控系统完善，单个企业与居民可以按照与其风险水平相称的利率获得贷款，所有正常偿还的贷款利息能够弥补个别不良贷款的损失，金融机构得以持续运营。否则，金融机构就会面临倒闭的风险。近年来，随着信息技术和网络经济的发展，大数据风控日益流行。大数据风控是基于大数据技术进行的风控。对于大数据风控需要有正确的认识，既要看到它的优势，也要看到其面临的挑战。单纯地肯定或者单纯地否定都不可取。

大数据风控的优势

大数据风控无论是在采集数据的种类和数量上、数据处理的速度上，还是在最终的效果上都远超传统型风控。金融机构通过利用大数据技术完善其风控流程，可以降低成本、提高效率、改善用户体验，推动普惠金融的发展，更好地服务实体经济。

首先，大数据风控利用多维度数据，填补传统风控模式的缺口。传统风控与大数据风控的显著区别在于，前者基本上只利用传统金融数据，后者则不仅包括前者，还大量利用非传统金融数据，包括网络登录设备、网络登录地点、网络交易、网络活动等数据。随着网络经济的发展和人们生活日益网络化，网络留存的数据越来越多。尽管这些数据和金融活动的关系有远有近，但都具有一定的价值，其分类提取和分析有助于从更全面的角度进行用户画像和风险评估。这也决定了大数据风控拥有海量的数据和复杂的模型。很多在传统风控模式下无法评估的群体，比如那些不能开具收入证明、没有信用卡、没有房产的低收入者，仍然会有网络交易与网络活动，这些数据在大数据使用者的合理使用下得到准确的区分，使得金融机构能够在风险可控的前提下有效服务这些群体，让这些群体享受以前未曾体验过的金融产品。这不仅促进社会公正，也对经济增长有正面贡献。

其次，大数据风控可实现自动决策，实时审批。大数据风控实现了申请过程的电子化，可以提供7*24小时的服务。用户在提交产品使用申请之后能够马上得到结果，大大减少等待时间，提升了用户体验。在自动决策、实时审批的背后，是数字技术的进步，使得大数据可以瞬间被提供，也可以瞬间被处理。其在金融服务的效率上明显优于传统风控模式下的金融服务。

再次，大数据风格基于算法、模型和规则，更容易做到客观公正。在规则前面，所有人都会得到同样的待遇。起到区分作用的是数据，而不是规则。为了照顾个别人而修改规则的情况难以完全避免，但可能性相当小，因为修改规则的流程比较长、涉及面比较广。而在传统风控模式下，相关负责人的自由裁量空间比较大，如果要偏袒个别人，外界也不容易察觉。

然后，大数据风控学习速度快。传统风控主要基于人工，而人的知识、能力和经验，在短期内不会有较大变化。大数据风控一般几个月就更新一次，以便充分利用最新的经验和技术。随着人工智能、深度学习等技术的发展，大数据风控的科学性、准确性会越来越高，机器打败人类的故事将会在风控领域重演。

最后，对于商业银行而言，大数据风控可以更有效地进行贷中和贷后控制。商业银行传统风控模式重贷前审查，在贷中、贷后阶段则相对欠缺。大数据风控在贷中阶段能随时监控用户交易行为，发现警报后马上处理，停止相关交易，大幅降低潜在损失；在贷后阶段则可以有针对性地采取催收措施，提高还款率。

大数据风控面临的挑战

第一，总体而言，数据不足、分享不够。数据是大数据风控的血液。数据的可得性、全面性、准确性决定了大数据风控的生命力。金融机构可以在大数据风控的模型构建方面发挥主动性，也可以自己积累数据，外部数据特别是政务数据也不可或缺。但目前已有很多政务等外部数据保存在不同地方，联通不够，导致众多的信息孤岛。因此，发展大数据风控不仅需要金融机构的努力，还需要政府、社会等多部门的配合。

第二，易受到隐蔽化、团伙化的攻击。大数据风控的数据来源和运营过程都在线上。这既是其优势也是其弱点，为网络攻击留下可能。网络攻击可以在任何时候、任何地点发动，难以预测，隐蔽性强。一旦攻击得手，就会迅速造成巨额损失。众多不法分子在利益驱使下互相交流经验，进行分工配合，加大了采取应对手段的难度。

第三，目前出现概念被滥用的现象。大数据风控要求高，难度大，既需要大量有效数据，又需要精密可靠的模型，还需要经过时间的检验。目前业内鱼龙混杂，很多公司要么缺数据，要么缺技术，要么缺实践，为避免大数据风控成为空谈，需要行业自律与监管层共同努力，避免大数据风控重蹈污名化的覆辙。大数据风控的建设在前期需要大量投资，固定成本较高，随着业务规模的增加，每笔交易的边际成本才会逐渐接近为零，这需要有实力的大数据技术公司与金融机构对大数据风控的高度重视和持续大量投入，因此并不是每家机构都能建立起真正的大数据风控，也不是每家机构都需要建立起真正的大数据风控。

第四，大数据风控看重统计学上的相关性，需要不断完善。这一方面拓宽了大数据风控的数据来源，增强了大数据风控的应用性，但另一方面也面临着相关性不等于因果关系的问题。相关性可以来自偶然，也可以来自第三方因素，且随着外部环境的改变，原来的相关性可能会消失，原来的风控模型可能会失效。因此需要不断完善现有模型，并将注意力集中在具有逻辑关系的因素上面。

总体而言，大数据风控既有优势，又面临挑战。总起来看，大数据风控将成为金融变革的推动器，引发金融行业重新洗牌。大数据风控方面做得好的机构，将会得到用户的青睐，获得更大的市场份额；不重视大数据风控的机构将在市场竞争中处于劣势，发展速度受到限制，甚至可能被淘汰出局。未来，行业变革的速度与力度都将是过去罕见的。