风控，使我从邋遢宅男变成了重度强迫症患者！
经授权转载自：FRM风控圈
风险管理是金融核心板块之一，其数据之复杂，流程之繁多，审核之细致，硬生生地将一个邋遢宅男逼成重度强迫症患者。
很多人认为风险管理这项工作，不用低三下四做营销，不用应酬喝酒，更多的是技术与分析，随着时间积累还能成为专家，而且钱多、稳定、权力大，对业务有生杀大权。其实这多少有些误解，作为一位在金融行业做了三年风控的工作人员，想来说说自己的体会。
金融工作现场
一、贷前风险控制最为重要
作为一家涉农互金平台，主要针对的借款用户是三四线城市的返乡创业人员、农户农企、小微企业等群体，致力于为他们提供生产贷款、消费贷款等等。
而这部分群体因为信用评分较低，在银行那里拿不到较好的贷款额度。成为互联网金融客户对象后，他们也对互联网金融企业的信用风险控制提出了很大的挑战。
信用风险的控制主要是贷前、贷中、贷后三个阶段，贷前控制主要是找到合格贷款人，贷中风险控制主要预防借款用户还款能力下降，无法按时归还贷款，贷后风险控制主要在借款用户发生逾期时，通过催收降低损失。其中贷前风险最为重要。
据摩根银行统计，75%的信用风险可以在贷前进行风险控制，贷后风险控制的有效性只占25%。
对互联网金融平台来说，也是如此。由信贷部、风控部、稽核/标的中心、顾问律师事务所四个部门共同组成的金融风控委员会，最重视的也是贷前风险控制，即前期风险识别。
金融风控委员会，由信贷部、风控部、稽核/标的中心、顾问律师事务所组成。
二、风控识别的王者之剑
通过大数据反欺诈技术、生物识别、知识图谱关联分析等多项核心技术对借款人及担保人（如有）进行多维度交叉验证，排除涉诉、犯罪、负债过多、失信、老赖、黑灰名单、团伙欺诈等群体。
当一位借款用户申请信息到达金融风控部后，我们要做的就是借助风控模型，进行前期的用户数据分析。
首先信用数据分析，如年龄、收入、职业、学历、资产、负债等，这些数据同信用相关度高，可以反映用户的还款能力和还款意愿，是信用风险评估的基本数据。
其次用户行为数据分析，例如用户是否经常去澳门赌博，是否参与高利贷，用户是失信人员，是否患有重大疾病等等，这些信息在一定概率下决定了用户风险水平。此外，还有互联网上的行为分析（如果借款用户有的话），如微博、qq、淘宝等等，也可作为一种间接的参考信息。
风控系统模型对我们风控部人员来说，就如同战士手中的剑，作家手中的笔，辩论者的口一样，是自己最重要的武器，最强大的外挂。
三、68道风控审核工序
当然，这个武器再强大，也难免会有疏忽之处。因此，还会通过线下尽调查询、线上人工审查两个步骤进行补充，再次判定借款用户风险。
详细调查借款用户的声誉、口碑、人际关系、经营状况等，排除信用过差、无收入来源、有不良嗜好的群体。
然后，还会通过在线上，结合资料以及风控大数据评分报告再次排查一遍，最后再电话核实确认真伪。
通过分析借款人以上六个维度进行风险等级的判定，对于不同风险等级的客户进行不同额度档次授信。
这样一番风险识别下来，这个用户的借款风险也一目了然了。风控部一位女同事曾提议，如果将风控系统模型及其他一系列风险识别技术用于婚前风险检测，改变相关数据和模型，说不定也能有效判断对象的婚后风险。听起来天方夜谭，权当一个乐子。
四、风控不是一件简单的事
以上只是简单说了作为一名贷前风控在金融企业需要做的工作，事实上企业还配备了强大的贷中贷后风控团队。
随着互联网科技对农村地区的渗透，农户农企在网上留下的痕迹也会越多，参考征信数据也就越完善。这对于风控来说，将大大减少线下尽调时间，同时，对信用风险也更加可控。
当然，从事风险管理工作，仅有技术是不够的。信用也是由人与人之间建立的，风险管理本质上还是管人，而人最重要是情感。
企业三年多来，强调的是“责任、担当、共享”，希望借助金融服务与借款用户在情感上建立信任联结，而不是让借款用户认为与金融企业仅仅是合作关系，仅有一堆数据和模型。
同时，企业的每一位风控专员都明白，每一份数据的背后都是一个人的人生故事，而对于这个故事最好的尊重，就是解读它，还原它。这并不是一个简单的事，需要耐心、细致，还有热爱与坚持。
金融风控部一角
三年前刚入职时，整个网贷行业依然处于野蛮生长的阶段，各方面简单粗暴。
而当时的公司也处于发展的初期阶段，注册的出借用户不多，借款用户有限，对以大数据为核心技术的风险管理，实在是一大挑战。
还好，经过三年多的发展，随着网贷监管政策的落地，行业在渐渐走向正规，公司也从竞争厮杀中走到了今天，注册用户与借款用户数目不断攀升，数据库不断扩大，公司的风控也越发严苛和完善。
电核人员工作中
无信任不金融，无风控不金融，互联网降低了金融准入门槛，但信任的门槛始终在那。公司风控要做的就是，筛选可信任的用户，将其纳入金融服务体系，提供金融服务，为借款用户提供资金支持的同时，也为投资人提供可信赖的理财服务。