数据环境生变，银行大数据风控怎么办？

针对银行的大数据风控，笔者分析了它的操作方向与把握原则，希望能给你带来启发。

数据是金融业务的基石，监管集中清查大数据公司，不仅大数据公司人心惶惶，处于下游的金融机构也受池鱼之殃——尤其是那些缺乏自主风控能力的机构，甚至不得不下线或暂停贷款发放。

数据清查终会过去，但很多东西在发生根本性改变，资金方做“甩手掌柜”的好日子不会重现。那些缺乏自主风控能力的金融机构，在未来的行业竞争中，恐无以立足了。

一、大数据风控，该从何抓起？

银行金融科技转型，方向很多，但最紧要可行的，还是大数据风控。万事开头难，从传统风控到大数据风控，银行做得怎样呢？

大银行相对容易，不缺用户，不缺数据，也不缺人才。传统零售业务足够强势，有足够的空间和时间推新产品、小步快跑做实验，模型先跑起来，慢慢完善，自主风控能力就算有了。

难的是小银行，尤其是偏居低线城市的农商行、城商行，没数据、没人才，存量用户也缺乏互联网属性，线下迁线上都难，更何论做新业务的试验田。这类银行的科技转型往往陷入两个误区：

做助贷和联合贷款的资金方，虽独立决策却无力决策，至多花钱请人搭一套模型做做样子，缺乏数据输入，也没有模型迭代，只为满足合规要求；

被风控外包厂商的一站式方案吸引，“三天对接、一周上线”，上线后却不管不问，做了甩手掌柜。

一旦陷入这两个误区，无论转型多少年，银行的自主风控能力仍等于零。是助贷和联合贷款害了这些银行吗？

非也，助贷平台提供初步风控审查，降低了金融机构二次风控压力，可若金融机构因此不再做二次风控，却也怨不得别人，要从自己身上找原因。

一些银行缺乏转型意愿，管理层只想在任期内靠助贷做做业绩，不计长远，那也只能这样了，装睡的人，不妨继续睡吧；如果还愿意为长期发展着急，当务之急，就是行动起来，迈出第一步。

大数据风控，说到底就两项——数据、风控模型。

1. 数据

数据分为内部数据、外部数据；也可分为历史数据和实时数据，后者包括用户设备信息、位置信息、业务交互信息等。

对小银行而言，随着数据环境趋严，全面拓展外部数据源的必要性愈发有限，一则是信息隐私踩雷风险，二则是业务量有限，盲目撒网在经济上吃不消，按需索求更为现实。

小银行要做的，是激活内部数据，用好实时数据。激活内部数据，涉及到打破部门壁垒，构建数据中台，形成统一的用户视图；而用好实时数据，要靠专业人才，把这些数据融入到业务流程和风控模型中去。

这两项工作，考验的不是财力，而是决心和执行力。

2. 风控模型

大数据风控不仅仅指信用评分、反欺诈等贷前审查环节，而是一套流程体系，涵盖从用户入口端的精准营销到贷后回款或催收管理的全流程。

一般来讲，只要夯实了内部数据基础，再结合外部黑灰名单和各类信用评分数据，要防范信用风险并不难，真正的难点在欺诈风险。

欺诈风险多为团伙作案，在攻防对抗中，实力虽弱于一线巨头，但面对小型银行未必处于下风。加上欺诈团伙多从业务漏洞着手，一朝得手，往往金额很大，令金融机构防不胜防。从实践中看，无论是行业巨头还是中小银行，在反欺诈方面均需借助第三方公司的辅助支持。

二、应把握的几个原则

在建设自主风控能力的过程中，中小银行还应注意几个原则：

1. 因地制宜，构建差异化能力，不求大求全

在新的行业环境和监管环境下，无差异化大干快上的时代已经过去。中小银行在战略层面必须聚焦差异化，业务差异化，必然要求风控能力差异化。

业务层面，要聚焦场景金融，关注消费用途；相应地，在风控层面，要夯实场景风控。从过往教育分期、租房分期等场景贷风波看，场景方的欺诈、乱收费、跑路往往是乱象之源。

在场景贷业务中，金融机构的惯常做法是与场景方合作获客，却又疏于准入管理和贷后规范，致使风险不断。其实场景方多集中在线下，具有较强的区域色彩，区域银行深耕区域场景，只要愿意做，还是有优势的。

用户层面，本地客户先行；在数据获取上，可重点发力本地社保、公积金、个税、房产、车产等信息，在区域市场建立数据优势，不必求大求全。

2. 急用先行，重视反欺诈能力建设