簡述金融產品的特征—金融產品的基本特征

隨著大數據、人工智能等技術的發展，利用科技創新實現對金融業的賦能，已經成為金融行業普遍的發展方向，其中具有代表性的領域之一就是消費金融。通常來看，消費金融具有特定的豐富應用場景，加上具有單筆授信小、審批操作快捷、貸款期限短等特點，吸引了眾多玩家入局。

金融風險分類

一般金融風險包括欺詐風險、信用風險和操作風險，小額現金貸業務主要防范的是欺詐風險，即通過偽造、冒領冒用、惡意透支、套現等方式詐騙金融機構而造成經濟損失的風險，隨著放貸額度的提升，信用風險會逐漸增大，而操作風險相對較小。想全面解決風險問題，不能頭痛醫頭腳痛醫腳，需要從風險管理體系的各個層級入手，這也是構建消費金融風控體系的關鍵。

通過風險管理體系自下而上分為5個層級

• 數據層：位于最底端，是最基礎的層級，包括數據的接入、存儲、分析、管理等；
• 系統層：現代化的風控體系需要高效率的系統支持，比如數據管理、決策引擎、業務管理、貸后管理等系統平臺；
• 模型層：基于業務理解和數據，制定風控模型；
• 業務層：包括業務流程的優化梳理和相關風控策略的制定；
• 管理層：針對風險管理的組織架構、崗位設定、培訓等一系列管理制度和規范。

風控管理體系的三大核心要素

整個風險管理體系可以濃縮為三個核心要素，即數據、策略/模型和系統平臺，可以說具備這三個核心要素，風控體系的基本框架就可以建立起來。

數據

隨著金融業務形態的演進，數據對于金融機構的風控而言已經越來越變得不可或缺，是整個風控體系的根基，大數據技術的日漸成熟也推動了傳統信貸數據之外的數據在風控方面的應用。對于消費金融風控，常用到的數據大致可以分為四類：

信息核查類：如身份認證、銀行卡認證等，用于核驗借款人的身份真實性；

反欺詐類：包括各種黑名單、多頭借貸、違法違規等數據；

信貸表現類：貸款記錄、放貸詳情、逾期信息等數據；

用戶畫像類：銀聯交易、交往圈、電商消費、運營商通話等數據。

消費金融風控所需要的數據絕大部分都可以通過第三方公司獲得，由于個人數據會涉及用戶隱私，當前政府對數據的監管越發規范和嚴格，因此無論從合規性還是數據本身的可靠性和穩定性考慮，金融機構都應當優先與正規的征信機構合作，數據服務本身也是征信機構的主要業務。

策略/模型

粗放式風控的一個顯著特點就是缺乏有針對性的風控策略/模型，以為接一些外部的黑名單類數據或者制定幾個簡單的規則就可以解決風險問題，實際上大錯特錯。風控人員必須要在充分理解自身金融產品的特點基礎上，針對目標客戶群特點、數據情況、行業特征等進行大量的研究測試，才能夠有給出有效的風控策略，設計有效的風控模型，而且這些策略和模型會隨著信貸表現數據的增加而不斷地迭代優化，這是一個相當專業而且需要長期投入的工作。

以消費金融業務的反欺詐為例，正確的風控首先要基于實際情況分析識別欺詐的原因，再針對不同類型的欺詐做對應的策略和模型，例如，偽冒身份類型的欺詐，就需要做信息驗證和人臉識別，以技術手段解決；其他類型的欺詐，也要有不同的處理規則，絕不是單純接入一些外部數據就能夠解決的。而且，信貸業務流程的每一個重要環節，從營銷獲客，到反欺詐，到審批，到貸后預警都需要制定相應的策略和模型，形成一個完整的風控方案。此外，使用什么數據、怎么使用實際上也是由策略和模型決定的。風控系統體系可以分為三類， 支撐系統：大數據存儲分析、數據管理等；決策系統：決策引擎、BI等；業務系統：進件、審批、貸后管理等。這三類系統相互配合，共同支撐著金融業務和風控的高效運行，但金融機構往往比較重視業務系統，如進件和審批系統，大概因為這是消費金融業務正常開展所必須的系統，卻忽略了另外兩類系統的建設，這在發展初期可能問題不大，但很快就會面臨由于系統缺失或能力不足所造成的效率低下、管理混亂等一系列問題，成為業務發展的瓶頸。其中，三方數據管理系統和決策引擎是最有價值同時也是最被忽視的兩個系統。

決策引擎是比較成熟的系統，但在金融機構中已經部署或者被充分利用的并不多，這主要是因為傳統的決策引擎通常價格昂貴、且非常復雜導致學習成本很高，所以很多金融機構會優先選擇集成了規則引擎功能的信貸業務系統，不過這種選擇隨著業務發展，會產生兩大難以解決的問題：對多條金融產品線的所有策略/模型進行并行管理；策略/模型的快速迭代上線。

最后，這幾年金融市場的活躍催生了很多新興的金融機構，也許它們把更多的精力放在了業務拓展上使得投入風控的精力不足，然而市場是殘酷的。如果金融機構不能夠及時提升自己的風控水平，必然被市場淘汰，這就是金融的邏輯。

文章來源：清華金融評論／互聯網