如何“谨慎”使用“数据驱动”的风控模型（一）-- 数据篇

如何“谨慎”使用“数据驱动”的风控模型（一）-- 数据篇

 

         人工智能时代来临，2017年“数据驱动”在整个信贷生态圈热度陡增，无论是金融机构、助贷机构、征信机构、大数据厂商等，无不在各大论坛、峰会、沙龙、融资中宣传各自“数据驱动”的理念。而银监会的121号文则给大大小小的机构泼了一盆冷水，“谨慎”使用“数据驱动”的风控模型，字字珠玑。小编认为，监管层的意图无需过度解读，但无疑监管层已深刻洞察行业鱼龙混杂，充斥着以“数据驱动”为名、实以高利率覆盖高坏账的玩家。小编也在与各大信贷机构的风控从业人员、风控解决方案提供商的交流过程中，发现对“数据驱动”理念一知半解的大有人在，更别谈“谨慎”使用了。小编总结认为至少存在以下误区：

• 对接了外部征信数据就认为是“数据驱动”或者是“大数据风控”
•  过度依赖大厂或权威资源，例如芝麻分、人行征信等等，缺乏自主风控能力
• 算法至上，认为风控模型解决一切，KS值多高、坏账率控制的多低，云云

       人工智能的发展离不开数据，作为未来消费金融行业的重要着力点，如何正确搭建“数据驱动”的风控模型，并“谨慎”使用呢？

        首先谈理念，这里需要将讨论的范围从狭义的风控模型扩展到风控体系，限于篇幅，仅介绍小额消费信贷的风控审核场景，应对欺诈风险及信用风险，