公众号：从零开始做风控
从事风控行业是怎样一种体验——有些真的非常有趣！
01
在之前的文章中有简单概述了风控要解决的核心问题：
1、平衡好风险和资产规模（一般指在贷余额或AUM）、
2、平衡好机器和人的作用（链接）。
换个角度，风控是通过一系列的手段实现收益最大化这个终极目标。
那么风控一般的流程是怎样的，常用到哪些方法或手段呢？
一般来说，风控会参与到整个产品的运营过程中，包括前期产品设计和重点的贷前贷中贷后工作。
行业研究&设计产品：
这是风控工作的基础，首先要进行行业研究，了解用户的需求、痛点，了解竞品情况，了解客群的特点、风险点，完成客户初步画像，并相应的设计产品的额度、利率、期限、准入门槛、规则、模型的细节。
对于较多风控从业者来说，这一步可能为直接参与过，当产品已经形成，行业研究和设计产品可能不直接参与，但一般在之后的工作里会间接优化和迭代产品。
贷前审核：
是风控的第一道防线，主要防范客户的信用风险和欺诈风险。信用风险简单说即客户有没有能力还款，欺诈风险简单说即客户愿想不想还款。
贷中监控：
涉及搭建监控体系，通过不同维度各类指标监控贷款表现，并通过数据分析调整策略优化产品，和及时做好预警工作为贷后管理做好准备。
贷后管理：
主要涉及资产的收回，只有将放出去的钱收回才能真正赚钱，主要涉及催收工作，催收方式各种各样，电催、上门催收等。
风控中的每个环节都涉及到很多有趣而细致的工作，以后有机会一一详述。
02
从事风控的人每天在做什么其实千差万别，不同的岗位职责定位可能完全不同。
信审人员通常负责客户资料的完整性、真实性审核，要求细致耐心，但相对枯燥。
人工审批人员一般通过核实本人或三方电话来控制风险，要求了解产品的风险点、客户可能存在的欺诈或异常行为。
风险策略分析师主要负责策略制定和优化，一般要求熟悉行业和客群特点，熟悉各类可能存在风险的行为，最好具备一定的数据分析能力，通过数据调整策略。
催收人员是大家比较熟悉的工作，主要负责贷款的催回，目前由于信贷业务爆发式增长，该岗位挺缺人的，好的催后讲究方法和心理战术，也是需要一定的技能的。
今天说说一些小额信贷业务中策略分析师常配置或使用的规则吧。
03
基于不同产品配置的策略会千差万别，这里说说一些常用的规则变量（如年龄、省份、手机使用时间），具体配置的值（多少岁可以借，哪个省的不能借等）要结合产品及不同时间段业务的战略目标而定。
这些规则中有些非常有趣和值得深思。
年龄
一般要求18-60岁，为啥呢？这个比较好理解，一般18岁以下和60岁以上的人收入较少或不稳定，没钱的概率相对大。其次18岁以下会涉及到法律风险（18岁以下还未成年）、政策风险（早些出政策，校园贷被杜绝）和社会风险（校园裸贷、学生跳楼等引发一系列社会问题）。
黑名单库
字面上很好理解，就是将用户的信息去撞劣质客户的库，撞上了直接拒绝。
黑名单库细分会有多个，常用的如身份证黑名单库、手机号费名单库、银行卡黑名单库等，这些库的数据来源多样，如失信网、执行网、法院网、金融机构自己不断积累的黑名单客户、或专门对接各类各行业数据而整合的综合黑名单客户等（涉及到多类外部数据源，以后有机会继续展开说）。
这条规则好操作也成本相对低（当然也有缺点），客户的手机、身份证、银行卡等撞库后，命中黑名单可直接拒。
省份
比如配置：偏远省份（西藏、新疆、内蒙古、云贵地区等）客户拒绝、北上广深东三省客户拒绝、港澳台拒绝等。
一方水土养一方人，这话吧有时挺有道理的。有些省份确实贷后表现会差些，这可能与当地的经济发展有关，也可能会当地金融普及情况有关。
比如北上广深金融普及率非常高，客户借款渠道也很多，那么共债或多头（在各种各样平台借款，借东墙补西墙）的情况就会比较严重。
港澳台拒绝不是因为分裂或独立啊（坚决拥护一个中国原则），是因为这些地区和大陆有不同的政策，到时候不还钱拎不清。
还有那些个偏远省份，相对贫穷穷是一方面原因，更重要的是你太远了啊，回头不还钱我上门催收还得坐灰机去，成本太高了！
运营商详情
非常重要的数据。一般通过授权登录（移动、电信、联通等）客户的运营商，抓取运营商数据。
运营商数据中会涉及到多个变量。
比如手机使用时长变量，一般要求客户使用超过3个月，防止你经常换手机专门来骗贷；
手机里通讯录要有一定数量的亲属（三方）号码，一方面可以从一定程度上说明这是你经常用的号码，一方面你要跑路了，到时候三方电话打起了看你还不还钱（不是暴力催收啊，我们还是比较温和的）；
手机里通话记录（有时候还要再具体到呼出呼入）要有一定数量，一看这几个月你都没几条通话记录，是你常用的号码么？怎么很少打电话？异常！
手机联系过的号码有多少命中网贷、催收、黑名单等号码（将抓取的运营商数据拿去撞库），这个也好理解网贷号码多，你是不是比较缺钱，在不同平台借款？催收号码多，你是不是经常不还钱，没钱或者还款习惯很差？
客户姓名与运营商姓名是否一致（即是否是客户本人实名认证），如非，是不是操作别人的手机来借款？（自己的手机有问题还是说确实这个手机是别人实名的但是本人在用）。
手机中网贷APP数量
一般还会抓取客户申请贷款的手机中网贷APP的数量，多：各处借钱？这个好理解，不展开说。
外部数据源
反欺诈中非常重要的一环，以后专门说。这里简单说，比如抓取客户近一段时间身份证或手机号申请贷款的次数、命中黑名单情况等。
地理位置
这也是一个非常有技术含量和有趣的规则。规则的逻辑是这样的：一般来说一个人常出现的地方是家、公司、老家，或者以前工作过的城市等，假设我们可以抓取到客户申请贷款时所处的地理位置（怎么抓暂且不讨论），但是发现这个位置并不是客户上述位置的任何一个，甚至是从未去过的位置，那么你为啥出现在那里？
04
上述说的都是一些非常常规的变量及规则，实际业务中一个产品或业务可能会配置成百上千条规则，需要说明的是一项业务中配置的规则各不相同，不同的规则在同一业务不同的产品、同一产品不同的阶段都可能是不同的。
这些规则的配置核心是为了将好客户与坏客户区尽可能的分开，因此不是说命中了就一定是有问题的，而是只是通过大数据分析后，命中这些规则的客户相对来说风险较高，没有命中也未必说明客户都是好的，因为这些规则往往是基于历史的经验，但未必适用于未来。
因此，风险策略分析师不仅要有一定的业务经验（能够了解常用和非常规的规则，适用于历史），同时要有一定的数据挖掘、分析和思考能力，能通过数据结合自己的思考发现新的规律和测试上线新的规则（适用于未来），不断提升好坏客户区分的精准度！
—THE END—
MORE往期热文
