如何“谨慎”使用“数据驱动”的风控模型

人工智能时代来临，今年“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。笔者认为，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。笔者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。笔者总结认为至少存在以下误区：

Ø  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”

Ø  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

Ø  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，不包括操作风险、流动性风险及系统性风险。大额度的消费信贷或小微企业融资，以目前的征信数据条件人工参与风控是必不可少的，此处不再赘述。数据驱动（风控）的关键理念包括：

ü  理解你的客户，不同的客户群体、消费场景、产品设计所面临的风险点是不同的，没有一套风控体系（风控模型）可以包打天下；

ü  数据为先，有用的数据、高质量的数据是成功的关键，如同没有上好的食材，给个米其林三星大厨也没用；

ü  风控体系搭建非一日之功，数据驱动也非一针见效的灵丹妙药，需要不断的迭代、优化，小步快跑，早期建议先进行小范围、短周期试验，除非公司不在乎钱；

ü  风控的目的不是杜绝坏账，而是基于盈利的预期，平衡风险与收益，取得利润最大化；

ü  紧盯你的数据表现，切勿盲目乐观，新的风险往往从未知之处悄然而至，如果你的风控体系能越快识别、应对、抵御这些风险，遭受的损失就会越少。

铺垫了这么多，终于可以切入主题了。谨慎使用“数据驱动”的风控体系，需要“数据+ 决策 + 监控”的动态闭环。动态，意味着整个体系需要不断的演进，通过持续的A/B测试，不断发现新的规律、新的变量，使风控体系越来越健壮。

数据篇

风控数据包括了基础数据与衍生数据，基础数据包括产品采集的用户基本信息、设备指纹、消费场景相关的交易信息，以及外部征信数据；衍生数据是按照风控决策的需要，对基础数据加工后的变量。

如何管好数据，用好数据，保证数据质量与高可用性，或者保证数据的准确性不会影响风控的决策，是项极其复杂的系统性工程。数据的重要性，如何强调都不为过。

首先是理解数据，外部征信数据很多，内部数据也很多，衍生变量可以更多，但数据并不是越多越好，过多的无关数据会干扰决策（在决策篇中会提到）。举个栗子，设备指纹数据与反欺诈高度相关，而多头借贷、失信被执行人等数据则与信用风险更相关，性别、年龄、地域、学历等则是信用风险的相对弱相关数据，通常组合在一起作为评分卡使用。数据的适用性，除了专家经验外，也可以通过历史数据验证的方式来核实。

其次是动态数据质量管理，需要管理者付出大量精力保证数据的完整性、规范性、一致性、准确性、唯一性。举个栗子，运营商通话详单数据中关于“漫游”，各地运营商各有“漫游”、“国内漫游”、“省内漫游”、 “异地通话”等不同的定义，甚至还包括空值或异常数据的情况。这就需要设定一个统一的口径，制定数据转换规则，并通过程序自动化实现。数据质量管理是个持续完善的过程，历史遗留问题、引入新的外部征信数据、或原有的外部征信数据升级改版，都需要花费时间去解决。管理者应把握好“二八法则”，优先解决覆盖面广、重要性高、重复出现的问题。

最后是监控与保障机制。如何监控异常数据的出现，出现了怎么处理？如何监控数据采集、清洗程序有没有正常运行？外部征信数据源出现质量波动或突然断了，能不能自动切换主备线或采取其他的备用机制？当出现任何异常时，如何保障风控决策不出现问题，持续服务？一句话，程序自动化。

决策篇

风控决策的管理并不是简单的规则引擎或评分卡模型，还应包括模拟验证、冠军/挑战者（A/B测试）、版本管理等举措，甚至纳入人工审核环节进行全面、体系的管理。

狭义上，风控决策就是一组规则的集合，各个子决策以流程的方式组合而成，子决策包括一系列决策步骤，决策步骤内嵌规则集（可以将评分卡也看作是一套规则集）。每一个产品场景都应独立对应一套风控决策，某些决策作为通用步骤，可以被不同的产品场景共用或继承。例如，失信被执行人命中、存在严重逾期或银行卡四要素错误作为强规则，不仅适用于电商分期产品，也适用于信用卡代偿产品。

决策如何合理编排、高效管理，不妨参考以下原则：

ü  强规则命中直接拒绝，不必执行后续规则（强规则指Catch Rate极高的规则，如存在严重逾期历史、手机使用少于3个月等欺诈嫌疑极高的规则；或者是不符合借款条件，如不满18岁；强规则早期大部分来源于专家规则，后续随着数据的积累也能总结出新规则）；

ü  无成本/低成本规则优先于高成本规则执行，如自有黑名单规则优先于外部调用的黑名单规则；

ü  风控决策能够独立于代码版本，实现热发布，决策版本可回溯；

ü  发布之前，利用历史数据模拟，分析该决策组合的通过率、捕获率、潜在ROI，是否优于原来的决策组合；

ü  同样，历史数据模拟也可以用来验证外部征信数据或人工审批的有效性，是否使用，放在哪一步决策使用，如何互相替代。

           再来谈谈冠军/挑战者模式（A/B测试）。尽管历史数据的模拟表现很优异，并不代表新的决策可以经住实战的考验，基于“谨慎”的原则，新决策最好按较低的比例与老决策同步运行。运行一段时间后，如新决策的表现优于老决策，可以逐步将新决策的线上运行比例调高，直至完全替代老决策。为了提高效率，多个新决策可以同时执行冠军/挑战者。

最后稍微谈一下评分卡模型。评分卡模型应该是由相对弱相关数据组成，具备高区分度的决策组合。由于评分卡高度依赖客群与产品特征、历史数据表现，不建议在没有历史数据积累的情况下盲目使用评分卡，除非有幸得到了基于相同客群、场景的评分卡，才建议冷启动。

评分卡模型的核心思路在于分类。拍脑袋也能分类、使用各类数据挖掘或机器学习的算法也能分类，分类的效果如何评判？一是看评分卡模型各个分数段的表现是否符合正态分布，预期坏账率、通过率能否达到盈利目标；二是通过KS曲线、ROC曲线等方法评价模型。要达到较好的效果，一是特征变量的选择，尽量保证变量的独立性与多样性，避免过拟合，例如近3月通话时长与近1月通话时长同时放进模型就不如换成近1月通话时长与连续6个月通话时长的变异系数；二是样本的选择，需要关注是否随机覆盖了尽可能的用户特征，训练集与测试集的比例是否合适，换另一批样本数据会否对模型结果产生较大影响，等等。

监控篇

做好监控是“谨慎”原则至关重要的举措，需覆盖点、线、面。宏观上，能做到洞察业务趋势，预测整体盈利能力，区分不同风控决策的ROI；微观上，可以发现业务异常、潜在风险或漏洞，总结新的规律。最终目的是为了驱使公司的风控能力不断强化，帮助管理层做出明智、及时的战略决策。这里简单介绍一些监控的基本思路：

趋势分析：关注业务量、逾期率（1日、7日、30日、90日等）、通过率、毛利率等指标的短期与长期趋势，掌控公司潜在盈利能力，评估风控决策的效能，洞悉潜在风险。

漏斗分析：风控审批的各个组合，每个步骤、甚至每个规则都应该放进漏斗进行分析、监控，观察每个决策、步骤、规则的通过率的波动性，以及各决策之间的比较，洞悉可能的问题。

异常监控：这里的异常监控包括业务异常点与技术异常点。例如，每小时的进件量是否出现巨大波峰或异常波谷，支付成功率是否正常，等等。当发现异常的时候，需要有能力去排查可能存在的团伙欺诈、系统异常等问题。

最后总结一下，做到“谨慎”使用“数据驱动”的风控模型绝非一日之功，需要管好、用好“数据”，谨慎、灵活“决策”，全面、精细“监控”。在此过程中，运用先进的管理工具实现自动化，可以极大提升运营效率，少走不少弯路，成熟的软件包括统一数据管理平台、数据质量管理工具、数据仓库、明策智能决策引擎、BI应用等。