編輯導(dǎo)語：互聯(lián)網(wǎng)金融發(fā)展的時間不長，但在影響規(guī)模上可不小。最初的互聯(lián)網(wǎng)金融和金融互聯(lián)網(wǎng)的爭論是圍繞信貸進(jìn)行的。在我們?nèi)粘Ｉ钪?，信貸的使用還是比較普遍的，信用卡、花唄等，都聚焦于我們的生活中。本文針對信貸話題，分析信貸的風(fēng)控體系是如何順應(yīng)時代變化發(fā)展的？一起來看。

互聯(lián)網(wǎng)金融浩浩蕩蕩不過十載，時間上看雖然不長，但從影響上規(guī)模上不可不謂之巨變。這一點(diǎn)從名字上就可以看出來，廣為人知的是互聯(lián)網(wǎng)金融，而不是曾經(jīng)許多專家學(xué)家們激烈爭論的金融互聯(lián)網(wǎng)。傳統(tǒng)金融互聯(lián)網(wǎng)化實(shí)在不足以形容這場震動中國金融體系的巨變?；ヂ?lián)網(wǎng)金融當(dāng)然不止于信貸，還包括銀證?；?，及其他全新業(yè)態(tài)，是名副其實(shí)的“金融業(yè)的攪局者”。

但不管如何，互聯(lián)網(wǎng)金融和金融互聯(lián)網(wǎng)最初的爭論，是圍繞信貸而產(chǎn)生的。我們聚焦信貸這個話題。信貸的風(fēng)控體系是如何順應(yīng)時代變化而發(fā)展的呢？我們今天討論，風(fēng)控有哪幾種常見的模型策略體系，以及他們的二階問題：為什么是這樣的體系？

01

2013年橫空出世的“余額寶”，讓貨幣基金這棵老樹開花，引爆了整個市場，否則互聯(lián)網(wǎng)金融還只會是IT圈里一個并不算熱鬧的子話題。這就是業(yè)界普遍將2013年定義為互聯(lián)網(wǎng)金融元年的原因。

2014年，第一款互聯(lián)網(wǎng)消費(fèi)金融產(chǎn)品“白條”成立，首家互聯(lián)網(wǎng)銀行“微眾銀行”經(jīng)監(jiān)管機(jī)構(gòu)批準(zhǔn)開業(yè)。

這時候互金信貸業(yè)務(wù)尚在發(fā)軔之始，風(fēng)控能怎么做呢？新模式下的用戶沒有，傳統(tǒng)銀行信貸動輒一年甚至幾年的表現(xiàn)期沒有，標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品更是沒有，別說大數(shù)據(jù)模型了，統(tǒng)計學(xué)模型也無能為力。此時的授信只能去找優(yōu)質(zhì)人群，例如信用卡客群，例如電商某些高級品類的交易客群等等。

這個時候的風(fēng)控可以說成是基于客群的風(fēng)控，或者是基于白名單的風(fēng)控。也由此產(chǎn)生了基于人群的互聯(lián)網(wǎng)消費(fèi)金融，包括大學(xué)生分期、藍(lán)領(lǐng)/白領(lǐng)分期、農(nóng)戶分期等，然后又產(chǎn)生了基于場景的互聯(lián)網(wǎng)消費(fèi)金融，如租房分期、家裝分期、旅游分期、教育分期、醫(yī)美分期等。

而后，伴隨著P2P、網(wǎng)貸等互金業(yè)務(wù)的快速發(fā)展，消費(fèi)金融市場主體進(jìn)一步豐富。與此同時，移動互聯(lián)網(wǎng)的全面發(fā)展導(dǎo)致了數(shù)據(jù)信息的激增，在某種程度上，數(shù)據(jù)已經(jīng)成為了和石油一樣重要的戰(zhàn)略資源。在大數(shù)據(jù)這個冉冉上升的風(fēng)口上，一大批數(shù)據(jù)公司成立。算力和大數(shù)據(jù)的發(fā)展引發(fā)了機(jī)器學(xué)習(xí)狂潮，風(fēng)控水平有了大大提升。

17、18年的野蠻期，很多人有點(diǎn)資金夠膽識就敢去放貸，接入幾家三方數(shù)據(jù)源，設(shè)幾個常用規(guī)則，做一個授信模型，找?guī)讉€人做催收，就可以把流水做起來了。

這時候風(fēng)控成套的技術(shù)都已經(jīng)相當(dāng)成熟化。三方數(shù)據(jù)覆蓋多個維度，例如征信、銀聯(lián)、運(yùn)營商、公安、司法、工商、稅務(wù)，還有多頭，等等。抽什么樣本、定什么標(biāo)簽、接入什么數(shù)據(jù)、用什么算法、做什么通過率，做一個和產(chǎn)品配套的模型策略不是什么難事，真正重要的是產(chǎn)品本身，也就是額度、定價、期數(shù)、還款方式等。

再往后，一系列監(jiān)管政策相繼出臺，行業(yè)從高速發(fā)展走向了規(guī)范整治的新路程。風(fēng)雨過后，如何在健康的競爭環(huán)境和發(fā)展空間下行穩(wěn)致遠(yuǎn)成了新的命題，行業(yè)進(jìn)入了并將持續(xù)處于精細(xì)化運(yùn)營時代。

這時候風(fēng)控如何做細(xì)、如何服務(wù)好業(yè)務(wù)形態(tài)下的需要，又是新的命題。

互聯(lián)網(wǎng)時代的變化，用產(chǎn)品的變化來表征似乎更生動形象。

App時代產(chǎn)品經(jīng)理的工作可能是畫原型就夠了，把交互做到極致就很厲害；再往后是策略優(yōu)化、功能演進(jìn)，ToC業(yè)務(wù)的產(chǎn)品經(jīng)理從工作內(nèi)容上看都是策略產(chǎn)品經(jīng)理，也要會數(shù)據(jù)了；那現(xiàn)在和以后呢，悄然變成了負(fù)責(zé)業(yè)務(wù)形態(tài)和組織關(guān)系下的方案梳理了。

風(fēng)控也是一樣，從跑馬圈地時代，到策略優(yōu)化、模型迭代，現(xiàn)在已經(jīng)半只腳踏入了業(yè)務(wù)形態(tài)下的解決方案。這不，最近騰訊的財報一出，ToB業(yè)務(wù)（金融科技與企業(yè)服務(wù)板塊）已經(jīng)超過了游戲板塊收入，大家才發(fā)現(xiàn)騰訊已經(jīng)成為了一家ToB的數(shù)據(jù)技術(shù)服務(wù)公司了。

說了這么多，終于把背景講得差不多了。行業(yè)在變，風(fēng)控體系也在變。

這不同的階段、不同的平臺、不同的業(yè)務(wù)場景，風(fēng)控里面的模型和策略又是如何去做的呢？

02

過去幾年，信貸行業(yè)新的從業(yè)者，或者稱之?dāng)嚲终?，何其之多，新上線的信貸產(chǎn)品何其之多，背后的風(fēng)控玩法也何其之多，無一而足。

但總結(jié)起來，常見的靠譜的模型策略體系只有三種。

第一種以規(guī)則為主、模型為輔。大多出現(xiàn)在展業(yè)初期，樣本較少，數(shù)據(jù)也較少，風(fēng)控主要依托于專家經(jīng)驗(yàn)，沒場景的現(xiàn)金貸和有場景的消費(fèi)貸都是如此。

展業(yè)初期，或者說冷啟動階段，樣本需要逐漸積累，風(fēng)險需要較長的時間才能暴露，授信必須嚴(yán)入。在知道風(fēng)險結(jié)果之前，嚴(yán)入還是寬入的標(biāo)準(zhǔn)就是通過率，所以一般初期通過率都較低。

通過率用什么來卡？也許你有場景，場景數(shù)據(jù)卡一道當(dāng)然可以，但不夠。風(fēng)險滯后，你終究要去接入一些三方數(shù)據(jù)?；谶@些數(shù)據(jù)，基于你的場景，基于你的產(chǎn)品定位，制定對應(yīng)的政策和規(guī)則。

然后隨著還款日的到來，一批一批用戶開始表現(xiàn)，新戶的數(shù)據(jù)在經(jīng)分上一定是要虧錢的，你會想要去優(yōu)化。你知道風(fēng)險跟你的產(chǎn)品、跟你配套的運(yùn)營，都息息相關(guān)，你會認(rèn)為標(biāo)準(zhǔn)產(chǎn)品不夠用，你要自己建模。

樣本有限，數(shù)據(jù)接入太多沒有意義，這個時候的模型談不上大數(shù)據(jù)模型，只能是小數(shù)據(jù)模型。如果你的產(chǎn)品不發(fā)生大的變化，模型開發(fā)沒有任何差錯，這個模型可能能帶來一些增益。隨著業(yè)務(wù)規(guī)模的增加，模型得以頻繁地被刷新和調(diào)優(yōu)。

但不管如何，這個時候，整個風(fēng)控體系是規(guī)則為主、模型為輔的。白名單也好，黑名單也好，年齡地域限制也好，多頭也好，公安司法信息也好，標(biāo)準(zhǔn)產(chǎn)品評分也好，你的風(fēng)控是建立在行業(yè)通用的專家規(guī)則之上的，模型只是輔助。說白了，你的安全感來自各種規(guī)則。

這類體系不僅僅是出現(xiàn)在展業(yè)初期，很多平臺長期處于甚至至死都屬于這個階段。它的代表場景是發(fā)薪日貸款，及由其衍生發(fā)展來的系列網(wǎng)貸，風(fēng)險較高，通過高定價短周期來彌補(bǔ)資損。

03

第二種以模型為主、策略為輔。在樣本相對豐富后，模型的重要性會逐漸升高，尤其是行業(yè)內(nèi)卷，客群質(zhì)量越來越下沉之后，精準(zhǔn)識別成為必須。

在原有的專家經(jīng)驗(yàn)系列規(guī)則外，一些可變規(guī)則不斷地被調(diào)整，在這些規(guī)則之后，如何依據(jù)模型作更精細(xì)化決策呢？

一種做法是把模型效果做的盡可能好，然后所有人通過這個模型進(jìn)一步篩選。為了效果足夠好，模型復(fù)雜度就會變高，缺陷就是你說不出來為什么這個人被通過、那個人被拒絕。不管解釋性工具再怎么做事后工作，這個缺陷本質(zhì)上彌補(bǔ)不了。

另一種法是把模型做的效果足夠好且可解釋性足夠強(qiáng)，為了追求可解釋性，可以將數(shù)據(jù)也就是特征分類，基于每一類特征構(gòu)建對應(yīng)的模型，例如逾期模型，例如多頭模型，例如交易模型，等等。同一維度的特征組合，保留了一定程度的該維度可解釋。串行的過每個模型，得以判定這個用戶逾期上表現(xiàn)不行，或者多頭很嚴(yán)重，或者銀聯(lián)交易評分有風(fēng)險。

在這類風(fēng)控體系中，你的安全感來自模型。只要模型AUC、KS保持高位，不管每天放款流水多少，你都會比較安心。

這類體系中，模型重要性很高，策略依靠模型做差異化。一個模型為主的風(fēng)控團(tuán)隊(duì)往往最終會走向這種做法，很多銀行也會走向這種做法。因?yàn)檎嬲牟呗匀瞬攀呛芟∪钡摹?/p>

04

第三種以策略為主、模型為輔。注意和第一種的區(qū)別，第一種說的是規(guī)則為主，這里說的是策略為主。規(guī)則為主的規(guī)則，是簡單的，是通用的，是經(jīng)驗(yàn)的，是串行不交叉的。

這個階段，樣本非常豐富，場景內(nèi)不斷挖掘用戶數(shù)據(jù)，接入各種有效的三方數(shù)據(jù)，大數(shù)據(jù)模型效果很好，且不斷追求更好。模型的重要性很高，就如同“工欲善其事，必先利其器”的器很重要一樣。

這時的模型充當(dāng)策略的工具。模型可以不追求解釋性了，策略為主，策略保持決策的可解釋。

決策要有可解釋性，是因?yàn)槲磥聿灰欢〞瘳F(xiàn)在一樣，我們無法承擔(dān)極端情況的傷害。就像投資，你可以數(shù)據(jù)化出一套決策避開所有的熊市，找到所有的牛市，但例子才多少呢，你敢用在當(dāng)下嗎？決策一定是盡量簡單的，它可以犯錯，但犯的錯要小，獲的利要大。

策略的精髓在于分群，年齡是分群，收入是分群，多頭是分群，模型也是分群，是風(fēng)險的分群。無論是授信，還是貸中管理，無論是你對用戶做什么，還是希望用戶做什么，你都要區(qū)分用戶。

這類體系的標(biāo)志是決策體系中有很多重要的分群，也就是決策分支，模型用作最后的保障。模型作為策略的工具，可以需多少有多少，一個工具可以用的范圍很大，也可以用的范圍很小。

決策分支的意思是，策略對模型的應(yīng)用不是一刀切的，不是所有小于600分的用戶都要被拒絕的。

你的安全感來自策略，再具體一點(diǎn)，就是策略分群。

在行業(yè)強(qiáng)監(jiān)管下，非持牌機(jī)構(gòu)不斷倒下，只有巨頭才能勉強(qiáng)活著，越來越多的風(fēng)控都是這種體系。無他，精細(xì)化要求而已。

05

我們上面的討論已經(jīng)涵蓋了這些體系發(fā)展的背景，不同的階段、不同的平臺、不同的業(yè)務(wù)場景下，風(fēng)控體系不一樣。

為什么發(fā)展出了這樣的體系？這個二階問題，似乎答案就是數(shù)據(jù)。樣本的多少、數(shù)據(jù)維度的多少、特征數(shù)量的多少決定了背后模型和策略的關(guān)系。

但，這不是問題的本質(zhì)。我認(rèn)為問題的本質(zhì)在于風(fēng)險回報比。

資料來源：招銀國際證券

如果你是“714”高炮那樣的玩法，搭幾條規(guī)則，讓錢出去利滾利就是最賺錢的，周期短流動性強(qiáng)，年化利率好幾倍甚至十幾倍，風(fēng)險再高也就是一個本金，不算什么問題。目標(biāo)客戶里就沒有優(yōu)質(zhì)人群，還做什么模型精準(zhǔn)識別。

當(dāng)這種玩法不再合法，風(fēng)險回報越來越低，銀行的對客定價一般在年化18%以內(nèi)，消費(fèi)金融公司基本在20%出頭， 若要在這個范圍內(nèi)盈利，就要風(fēng)險平穩(wěn)可控，服務(wù)目標(biāo)要鎖定優(yōu)質(zhì)客群，沒有大數(shù)據(jù)模型是不行的。當(dāng)然，不缺優(yōu)質(zhì)流量的巨頭光白名單就夠用了。

后來流量越來越貴，客戶不斷被多平臺滲透，做好存量就至關(guān)重要。省一份流量算一份流量，漲一點(diǎn)余額算一點(diǎn)余額，開始把每個用戶挖掘到極致?？蛻舴秩壕?xì)化運(yùn)營成為當(dāng)下的趨勢。

只是，這樣的挖掘，這樣的運(yùn)營，是客戶需要的嗎？

舉目向去處，多是坎坷?；厥淄麃砺罚允翘雇?。

#專欄作家#

雷帥，微信公眾號：雷帥快與慢，人人都是產(chǎn)品經(jīng)理專欄作家。風(fēng)控算法工程師，懂點(diǎn)風(fēng)控、懂點(diǎn)業(yè)務(wù)、懂點(diǎn)人生。始終相信經(jīng)驗(yàn)讓工作更簡單，繼而發(fā)現(xiàn)風(fēng)控讓人生更自由。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Unsplash，基于CC0協(xié)議