多事之秋,大数据风控行业亦不平静。
接二连三传出提供数据服务的供应商被警方介入带走,其他未被警方介入的数据供应商,如惊弓之鸟一般快速停止一些敏感业务。仅从网络搜集信息来看,“整顿”之风波及的大数据风控供应商如下
试问,在此大数据信贷危难时期,应该如何做好风控业务呢?
一、银行或持牌金融机构影响不大
对于银行或者持牌金融机构,首先在选择接入哪家数据供应商之前会经过谨慎考量,成本并不是其考虑的唯一标准。数据第一来源、数据接口是否稳定、覆盖度、查得率等多维度分析对比后,最终选择风险最低的数据源。
以银行为例,其风险管理使用的大数据主要仍以人行征信报告为主,配合一些稳定的外部征信数据,如司法、银联、公安局、税务局、民政局、社保局等。对于一些风险较高且覆盖不到的维度比如反欺诈,会考虑接入一些市面上主流的三方数据供应商。
在接入三方数据供应商之前,也会经过比较严格的内部评审机制。
从银行或持牌金融机构的风控策略体系上可以发现,稳定合规数据衍生而成的风控规则,是构成其风险控制的基础。
二、其他金融机构影响不一
对于没有牌照资质进行互联网借贷或助贷服务的金融机构,有一些风控体系比较完善的金融公司抗数据风险的能力还比较强,并非过度依赖运营商、爬虫类等隐私敏感数据,现阶段对其业务冲击有一定影响,但不至于业务晾凉。
但有一些金融机构比如前两天业务全停,经历裁员风波的新浪普惠,因为其业务过度依赖运营商、爬虫类数据,只能面临歇菜。
三、无数可依当下,应该怎么做好风险控制
不仅现在,就是将来一段时间,都无法彻底离开人工进行风险控制。大数据风控+人工是接下来一段时期的必然模式。
那些过度依赖数据驱动而忽视人工重要性的金融机构,现在已经开始暴露其风险。
通过大数据与Ai技术我们可以无限制的降低人工成本,但纯机器风控在目前的金融环境,仍有致命短板。
数据隐私严谨非法滥用一定是未来的趋势,在数据爆炸发展的当下,国家数据监管治理中心也逐渐意识到数据滥用带来的数据风险。金融机构在使用大数据搭建风控体系前期就应该考虑到哪些可以为,哪些不可为。跑得快不一定能笑到最后,跑得稳才能一览众山小。
在数据监管治理的当下,风控流程的精细化应该再次被提上风险控制舞台。基于业务本身而非数据的风控理念,一直都应该被重视。跑马圈地时代已经过去,精耕细作才能有丰盛的收获。
大家可曾知道,曾经一家规模上千号员工的金融机构,其内部贷前风控仅仅是若干拒绝强规则+一个评分卡,且风控策略共用于多个信贷产品。
单从贷前风险控制的角度来看,即没有做到风险的分散,也没有做到精细化审批。同时多个信贷产品共用一套风控策略,风险集中度异常之高,产品策略调整难度巨大,一旦被黑产或者中介攻破后果将不可设想。
试问,现阶段这样的风控技术,怎能不被金融科技大浪淘沙、腾笼换鸟。
微信公众号还有更多精彩文章
搜索: 金科应用研究院,更多风控资讯。
回复关键字: 「风控量化包」➡️领取干货学习资料