在传统物理渠道和日益成长起来的虚拟渠道的基础上，银行正在积极探索各渠道间的互联互通，各类渠道将不再各自为政，而是互联交融，实现数据、流量的链条，提升业务和用户体现。

而其中OMO模式，即线上线下融合，可以称为O2O2的进阶形态。即通过线上线下有力结合，银行提供强有力的的全方位的服务，消弭线上线下边界。

所以现阶段而言，线上跟线下的业务和风控模式仍是主流，今天我们也来基于这样线上跟线下交融的内容，谈谈目前主流的三种风控模式，它们之间的过渡阶段跟流程分别是怎么样的？



一.纯人工审批

通过人工经验的风险筛选自从人类已有到信贷关系开始，就是最重要的风控。自从IPC信贷方式的引入，人们将这种风险筛查切分得更细，更方便流水线作业。

纯人工的审批模式，因为主观性，人为经验的判断较为强烈。因此每个审批员都可以视同为一套独立小风控系统。在大部分情况下，这套风控的逻辑都是一样到，比如高负债、多头太多都是拒件的指标。在主观判断的经验里，有时连填写的职位信息与收入和年龄不匹配，都能成为拒件的因素。

人工审批的缺陷是明显的，其对未来同性质的客群无法进行快速风险定位。局限性、复用性、效率问题更被目前的大数据所放大。比如前面提到的高负债，量化指标称它为负债度(DSR)。这个指标在量化时，达到多高才会被称为高负债呢？

在纯人工判断的阶段，审批员甲有可能判断DSR>0.8以上客户就是高负债；而审批员乙偏保守些，有可能建议0.6以上已经是高负债了，他的理由也很充分，也即疫情期间，收入受到影响，现金流不应太满。那在这些情况下进行风险判断，哪个指标才更合理呢？

在人工阶段，这个指标还真挺难界定。很明显，这因为审核人员的差异性存在，这些小小的风控系统(人的主观判断)之间是割裂到。即使统一化管理了，有一套相对标准的流程，但要做到客观的评估每个审批人员的能力水平，并将经验推而广之运用到后期风控策略的调整，实现批量化操作也非常难，因为这里存在着操作性风险问题。

当然目前纯人工审批仍常见于大额现金贷、物流金融风控、小微企业贷等场景。因为这些场景中，风控业务偏向大额，数据标准化还未完全实现。



二．自动化审批+人工

自动化审批+人工，是目前比较流行的风控模式，也即半自动化产品。相对于人工审批，半自动化的审批模型，已经可以减少人为干预，大大提高了审批效率。

自动化审批能实现的前提就是自动化规则的确立。自动化规则自从诞生一刻开始，想必是最简单的规则+传统评分模型。这里的规则更多的是产品的准入规则，随着准入规则的复杂性以及产品的进件的差异和多样化，衍生的策略越来越多，其中的反欺诈规则、信用规则、授信规则等模块相继衍生。

业内大家熟悉的多头策略，是作为反欺诈规则中最重要的规则之一，做过规则的同学肯定知道，多头规则拆分细腻的话，还可以分为基于设备安装的多头，基于查询的多头，这些多头是有区别的；不仅仅多头规则，反欺诈规则中设备相关的信息数据也是非常重要的规则，其中的设备指纹id、地址位置信息，通过相关的手机号码或身份证id信息进行复杂关系网络的构建的规则...都纷繁复杂。

多头数据、设备数据、复杂网络..层层策略叠加再配合使用，有效阻碍线上场景的欺诈。那怎么叠加跟使用这些策略模块，使之成为一个优秀的决策流程？下面我们来谈谈相关决策流程的设计问题。

决策流程架构中具体对部署什么样的策略模块是相当有讲究的。在要点上我们至少需要了解两点：

1.挑选合适数据厂家

2.如何摆放策略模块




1.挑选合适数据厂家

在决策流程上对不同的模块的数据厂家的选择是有挑选性的。这里的数据调用问题是单个数据源中不管黑名单或者多头，单单里面的细分规则多则上百条，少则几十条，就里面的变量也考验我们的数据筛选能力。一旦组合不好不但影响了整体的风控质量，而且对后续的调优也压力重重。

所以怎么样设计一道井然有序并且富有逻辑可控的决策流程则显得非常重要。



2.如何摆放策略模块

大部分的风控流程中是按照模块来划分摆放的，常规上分为内外部数据。内部数据先行，因为免费。外部数据靠后，因为付费。但在内外部数据外，还存在这个各个差异化的数据模块，这些差异化的数据模块应该如何摆放。如外部数据分为黑名单、多头数据、设备数据等内容，究竟哪个数据模块该放置前方。

比如在在黑名单数据上，同时用到了两家数据厂家A和B机构，那在策略流程的多头数据上，这两家的外部黑名单的数据源的有效性如何比较比较，A跟B相关的顺序如何摆放，是应该采用并行规则还是串行规则。

解决了策略模块的摆放顺序后。在模块的设计上，如何避免策略流设计别太臃肿呢？优化相关策略流程的设计，更是对策略同学设计策略架构能力的充分体现。

做过策略冷启动的同学，肯定了解为什么策略做着做着就变得臃肿了。打个比方，假设在目前风控模块中，我们一共涉及了三个策略模块，分别是：黑名单——>多头——>设备数据

还是用回刚才的例子，当流程节点从黑名单走到多头数据处，在这里数据会进行进一步的碰撞中，会发现这个节点会涉及数据源B和数据源C，因为数据B已经在黑名单处已经调过一次数据，多头数据模块里继续调取数据源B的数据，继续会产生数据调用问题。数据调取不是问题，问题是在当数据量一旦多起来后，数据之间的碰撞，流程避免臃肿就显得非常重要了。



三.纯线上风控模式

目前纯线上的风控模式，常见于数字化程度较高的银行、互金机构，而且这些机构中的纯线上获客产品基本能做到纯自动化。从获客的进件开始，到授信、提现再到放款基本是全自动化模式。

看一下目前一些大行在纯线上自动化的努力：











【中国银行5G+生活馆】














【建设银行的无人银行】

从这些大型机构的举手投足之间都可以看到，银行往数字化银行转型迈进的动力与努力。随着金融机构往数字化的转型迈进，未来各大金融机构的大趋势一定是数字自动化风控。

但目前自动化也带来些问题，即是自动化审批因为完全依赖于数据，由于数据存在多次使用，造成了数据污染，这样数据再次使用就容易变坏，从而跟整个系统带来消极反馈，效果想必也会越来越差。

但走向数字化一定是趋势所在，目前阶段控制自动化与人工的比例，是实现自动化与人工各自优劣的互补，是目前最好的方式。

从目前来讲，数字化转型是必然，与其被动转型，不如主动迎接改变。抓住大数据机会，完成金融机构内部风控的全面合理转型，才能在职业道路上越走越宽。

那如何更好地在这波的数字化中抓住机会呢？在战略上我们需要以迎接转型的心态把握当下，战术上则要求我们一一将数字化风控中的难点以及疑点，一一攻破。

如文中提到到策略模块问题就需要结合权重分以及流程策略综合考虑解决。另外本文中所涉及的一套完整、可迭代的风控决策流程的设计，以及整套决策流程中模块之间的摆放及优化，甚至里面的具体的调优点，都是做策略的同学需要关注的相关内容。以上内容，一般都需要大家能在项目中实操多年才能get到相关的策略精髓所在。




~原创文章

...

end