如何借助大数据构建完善的金融风控体系？

传统金融风控主要利用了信用属性强大的金融数据，一般采用20个维度左右的数据，利用评分来识别客户借贷风险，其中包含还款能力和还款意愿。而随着互联网科技的发展，借助更多维数据来识别借款人风险变得关键。

 

不管是传统金融还是互联网金融，常见风控流程中，客户准入时提供的资信材料有限，业务机构风控数据体量不足，仅仅根据内部风险数据进行风险评估会非常片面，无法全面的把控某位客户的风险情况。因此，基于用户进件数据、内部系统数据和外部数据三位一体的风控数据源就尤为重要了，理想的风控数据体系应该是这样的：

图片来自正阳能力场

 

对三方数据的使用，必须从贴近业务的角度出发。首先要先了解业务类型、其次梳理风险类别、制定风控流程、构建风险画像，才能选择合适的风控数据。

 

业务角度出发理清风控关键环节

 

金融机构，一般分为银行机构，包含传统银行、网络零售银行、信用卡（类信用卡）等；以及非银机构，包含持牌小贷、持牌消费金融、持牌汽车金融、持牌融资租赁等。根据了解的不同业务类型、不同场景，所对应的信贷生命周期可以分为“贷前-贷中-贷后”：

 

贷前：恶意注册；欺诈风险；准入风险；信用风险；多头风险；定价风险；提现风险等。

贷中：偿债风险；共债风险；