一夜回到解放前，无数可依情况下如何做好风险控制

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