[ 资讯] [ 评论] [ 股票] [ 理财] [ 基金]

[ 互金 ] 风控是门艺术 AI抢不走从业者的饭碗

 

 

 

 

2017-03-21 14:40:54

很多人认为,风控工程师们只需要精通数学和技术,就能搭建起完美的风控系统。而由于计算机精于计算,编程语言更是计算机原生的沟通语言,因此他们认为风控一职会很快被AI取代。    

但在我看来,风控是一门技术,更是一门艺术。未来很长时间内,风控这一职业只能由人类主导。

搬起小板凳!准备听课啦——

前瞻性是风控的试金石

在计算机出现之后的一段时间,我们习惯于利用计算机来处理数据,生成模型、策略,这对风控的前瞻性原则产生了冲击。    

但风控本质是保障业务在合规的情况下能可持续发展。这要求风控必须向前看,也要求风控在很长的时间内保持稳定。而现阶段的AI强在海量数据的分析整合归纳。需要明确的是,一切数据都是采集于已发生的历史事件,这导致机器学习很难以预见未来。    

要打造具有前瞻性的风控系统,很大程度上依靠工程师的经验与脑洞,但也有一些套路。 

❶明确业务目标,风控最终目的是为了业务正常开展,因此在构建风控策略和模型之前,首先要明确的是我们要达到什么目标,解决一个什么业务问题。目标决定了如何验证风控系统的有效性,也决定了我们要在什么人,哪些时间段去选择数据。

❷尽量使用有以下三大要素的数据:

1)代表性:大多数的风控模型都是用在获客环节,那我们在建模事所用的数据需要针对接下来几个月,从特定渠道的获客人群的特征。例如从客户端和从支付宝获取的用户,特征是完全不同的;

2)稳定性:特征数据所指向的特征一旦发生改变,风控也就随之失效。为了让系统能在长时间内保持有效,必须保证数据指向的稳定性;

3)可使用性:这一点常被忽略。举个例子,在Capital One的时候,我们在一次数据分析后,发现一些和电话号码相关的信息在风控当中非常的有用。但在事后发现,依据这一数据搭建的策略在真实环境中完全不能用。原因在于,我们在获客阶段不会获取用户的手机号,这导致策略输出的结果全都是missing。❸在搭建风控系统时,很多数据可能是缺失的。这个时候,我们要有测试的概念。具体的过程是谨慎设计测试方案,在保证风险可控的情况下做小流量的测试,快速迭代模型直至系统稳定。 

全局观必不可少

许多机构可能认为风控只在获客环节产生影响,但实际上,风控牵一发而动全身。你一旦将坏的用户引入到产品,可能会影响资金安全,影响催收,反过来口碑的下降又会影响获客。   

为了实现全局观,我们可以从以下三个要素进行考虑。❶客户群。    

在新的业务或新的产品上线之前,应该先考虑用户群的特征,我们的产品是针对B端还是C端,受众的画像、偏好、属性都是什么?❷

业务模式/场景。我们的业务是无抵押现金贷、信用卡还是分期分期,这些业务的风险点都不一样。❸外部环境因素/宏观因素。    

我国的现金贷刚刚起步,往往会忽视这一重要的因素。而对于难以理解人类社会运行规律的人工智能来说,这一要素更是难以运用在风控技术中。

目前看来,外部宏观因素包括社会就业情况、利率、多头借贷率、监管程度。这些都会在很大程度上影响金融产品的风控数据。    

为了应对极端的外部环境情况,我们将压力测试作为常规化手段。我们会考察在比较良好的环境下我们的风险状况,然后在利率翻倍或者多头借贷率之前加一个系数,再来看风险是否可承受。

破除常规的洞察力是基本素质

好的风控人要勇于接受挑战及自我挑战,这样才能快速纠错,洞察先机。这一能力需要对消费者行为的深刻洞察,对其心理的全面解读,目前的人工智能尚不具备这一能力。    

中国的风控往往集中在逾期坏账控制这一个点。但更多的时候我们需要采取换角度思考的方式,发掘更多的消费者价值。举例来说,某些用户可能出现破产,我们通常认为这样的用户是非优质的,但这些破产用户中的一部分,之前都是比较成功的企业家,个人素质很高。在破产导致信用体系崩塌后,他们急需重新建立自己的信用体系,他们的风险反而会更高。    

现在的金融往往喜欢一刀切,而缺少了这种洞察后的人性关怀。这种人性关怀会让客户的体验更好,通过率和申请会增加,又不会降低风控的能力。    

当然,风控还有许多其他的层面会体现其艺术性,如既要求简洁又要求有效,充满各种隐藏的规律可以提高效率,这些都是人工智能在近期难以实现的。

琥珀金融帮

中国经营报旗下垂直于互联网金融领域的全媒体平台。致力于为互联网金融从业者和投资者提供有价值的内容产品。

联系我们
官方微信
WEMONEY官方微信
扫描可关注
出品:凤凰WEMONEY
编辑:谭梦桐