江苏龙网

  1. 首页 > 资讯 > >

产业气象站|新网银行刘波：不必神话大数据风控

产业气象站|新网银行刘波：不必神话大数据风控
文章图片
凡事过犹不及 ， 当整个市场都在谈论大数据风控 ， 都在吹捧机器学习时 ， 危机已经悄然而至 。
不仅是金融科技公司在谈 ， 互联网巨头在谈 ， 整个银行圈也在谈 。
城商行、农商行觉得这是弯道超车的机会 ， 国有大行害怕错失新技术的窗口 ， 金融科技公司对谁都在鼓吹 。
尤其在疫情发生后 ， 金融业的无接触服务从之前的可选项一下子变成了必选项 ， 出门不谈点大数据 ， 都不好意思见人 。
疫情期间 ， 我在线听了不少金融科技公司专家的论坛发言 ， 不少人有真才实学 ， 让我和自己的从业经验交相印证 ， 获益良多 。 但更多人的观点和方法论让我越听越心惊 ， 而这些发言者中 ， 很多已经是金融科技上市公司的高管 ， 他们服务的银行非常多 ， 这让我不禁深深的担忧 。
银行部分业务朝线上化转型当然是方向 ， 科学的数据化决策当然是很好的路径 ， 但贩卖焦虑 ， 甚至神话大数据风控 ， 大可不必 。
我的职业生涯 ， 在阿里参与了中国第一家互联网小贷的建设 ， 在蚂蚁第一次筹建互联网银行并管理它的主要业务 ， 到新网银行第二次筹建互联网银行并分管所有资产业务、账户和存款理财 ， 我的整个职业生涯都与互联网、大数据、金融这几个关键词相伴 。
我当然不排斥大数据风控 ， 从我的从业经历可以看出 ， 我是它最早的尝试者和推动者之一 。
我一直在行业一线 ， 细数一下 ， 这些年从我直接管理部门发放的全在线小微贷款超过了1万亿元（不含联合贷） ， 消费信贷超过了4000亿元(含联合贷) 。 但今天 ， 我发现自己已经听不懂这个市场上的某些专家在说些什么 。
金融业务的风险决策 ， 是一个数学问题 ， 但绝不仅仅是一个数学问题 。 决策树、朴素贝叶斯分类、支持向量机、逻辑回归、线性回归、随机森林……这些算法是工具 ， 是方法 ， 但不能也不应该是决策的全部 。
我看到很多的风控团队 ， 有些甚至是国内一线公司的风控团队 ， 清一色数学、统计学高学历技术专家 ， 基本就是在电脑前研究算法 ， 研究数据 。 他们给出的每一个判断 ， 都有详细的数据支撑 ， 他们每一次调整 ， 都貌似接近当下最优解 。
你很难挑战他们 ， 因为他们掌握数据 ， 你个人的经验又怎么能挑战动辄几百万的数据样本呢？
但很多人不了解 ， 同样的数据 ， 解读是具备多角度的 。 由于数据本身具备复杂关联性 ， 数据呈现的背后又有更多的原因 ， 数据本身就会“骗人” 。 看似对 ， 有时候要比明显的错危害大得多 。
科学的决策 ， 不但需要适合的工具 ， 还需要深刻了解你的业务场景 ， 深刻了解你的客户 ， 算法是为了决策服务 ， 而不应该成为决策本身 。
这么说太抽象 ， 举一些例子吧 。
主流银行（我不喜欢用传统银行这个词 ， 主流银行更为准确）信贷风险控制 ， 最看重两点：一是贷前审批控制违约概率（PD） ， 二是贷后处置降低违约损失率（LGD） 。
为了控制违约概率 ， 必然要求客户提供多项资料去证明有能力有意愿归还贷款 ， 银行流水、收入证明、社保公积金、房产证、车辆行驶证都是为了证明这件事——我不一定让你抵押 ， 但你需要证明你有哪些 。
公务员、企事业单位、银行从业人员、知名企业的员工更容易获得贷款 ， 无它 ， 认为你收入稳定 ， 违约成本高 ， 违约概率低 。
降低违约损失率的方法也很简单 ， 就是寻找优质抵押品 ， 由于中国的房价在去年以前稳定的上涨了二十年 ， 在过去二十年里 ， 房产抵押是最为吃香及稳妥的抵押物 ， 其次就是汽车 。 这二十年里 ， 银行做零售贷款很粗放但很有效 ， 房屋按揭贷款几乎是银行零售贷款的全部 。
我并不觉得复杂模型算法比这些简单直接的方法更高明 ， 控制风险更有效 。 简单说 ， 要是能方便的获取到这些核心信息 ， 很多时候没有必要获取客户各种行为数据 ， 做复杂的风险相关性分析 。
数据是有成本的 ， 数据的获取是需要客户授权的 。 如果一个客户几十K核心数据就能决策 ， 干嘛非要分析上百兆的数据呢？
单户上百兆数据 ， 为了节省成本 ， 还得研制复杂的数据路由规则 ， 让单户数据成本可控 。
这么多数据标签要进入模型 ， 得考虑缺失度容忍问题 ， 否则模型运转不起来 ， 运转起来效果可能也不好 ， 这就需要一套复杂算法 。
另外 ， 还要考虑数据源的可替代性 ， 否则一旦某个关键数据源出现问题 ， 就是大瘫痪 ， 这又是一整套复杂工程 。
所以说 ， 复杂并不代表先进 ， 简单并不代表不好 ， 关键是匹配你的业务 ， 匹配你能掌握的资源 。
大数据风控很好 ， 但过度的吹 ， 就变成了黑 。
谈了主流银行 ， 也要谈谈我心目中比较适配的大数据风控是什么样的 。 真正好的大数据风控 ， 应该是充分利用你所匹配的资源 ， 有一条清晰的风控逻辑主线 。
不来虚的 ， 直接上干货 。
花呗产品设计之初 ， 它的风控充分利用阿里巴巴、蚂蚁的海量交易数据 ， 它的底层逻辑是马斯洛需求理论：生理的需要 ， 安全的需要 ， 情感的需要 ， 尊重的需要 ， 自我实现的需要 。


推荐阅读


上一篇：乐居财经|哈药股份：参与GNC本次重整的为公司控股股东哈药集团

下一篇：晨财经|户均持股68.53万元，贝瑞基因股东户数不变