Login Now 大概两三年前，我开始负责共同基金行业的风险控制系统，一路跌跌撞撞攒下了一些经验。这篇文章，既是对那段工作的一个梳理，也想给刚入行或准备入行的朋友一点参考。篇幅不短，你可以挑感兴趣的部分直接看。
---
为什么要有专门的风控审计系统
2016年我刚入行时，行业还火得很，各种P2P和现金贷平台冒出来的速度，用“雨后春笋”来形容一点不夸张。但没过多久，一批又一批公司因为管理失控倒下去，要么清盘，要么直接暴雷。尤其是2018年六七月份那波雷潮，对整个社会和行业信心的冲击非常大。暴雷的原因能列出一长串，但根子上的问题，大多还是资产端风控没做好。互联网金融再怎么变，本质还是金融，金融的核心就是风险管理。所以，搭建一套能控制资产质量、评估风险水平的系统，就成了绕不开的事。
风控系统到底要达成什么效果
我个人的理解很朴素：通过这套系统，让公司业务产生的收入能够覆盖掉坏账带来的损失，并且还有盈余。听起来简单，可设计起来一点也不轻松。因为风控系统必须跟业务、信审、大数据、财务这些部门来回沟通，一旦把准入门槛拉得太高，资产质量是漂亮了，但进件量会大幅缩水，直接影响公司营收。做风控产品经理那段时间，我经常在“太严了没业务”和“太松了坏账多”之间反复横跳，这种自相矛盾的状态，几乎贯穿了整个设计过程。
进件审核流程怎么搭
我没一上来就放流程图，而是先讲分类，因为这是风控PM必须过的第一关——你得真正钻到业务里去。
1. 先把进件类型搞清楚
按进件渠道分，大致有两类：
- 自营资产：借款人通过公司自己的网站、APP、H5等渠道直接申请。这类进件的风控全流程都要自己把控，风控PM可以根据信用贷、车贷、抵押贷这些不同产品，分别设计模型。需要借款人提供哪些资料、引入哪些第三方征信数据、信用模型怎么建，都得一板一眼地规划。这么做一方面是为了保资产质量，另一方面也是尽可能全面地收集借款人的数据。
- 第三方资产：借款人通过合作机构申请，再由机构把进件推给我们。这类资产的风控，很大一部分依赖合作机构自己的风险管理能力。对接之前，会有专门的同事去审核机构资质，看财务、看风险隔离能力、看资产类别和过往坏账，还会抽查历史进件的真实性。整体看，这类进件对应的风控系统设计会比自营的简单，因为机构已经做过一轮筛选，很多基础信息也由他们采集好了。
按资产类别分，最常见的是信用贷和抵押贷：
- 信用贷：纯靠评估借款人信用来放款，没有抵押物，所以收集的信息维度特别多，审核流程也更复杂。通常会通过评分卡模型，给借款人一个信用评分，再决定额度。收集的信息包括：姓名、身份证、年龄、学历、婚姻、子女这些基本信息；房产、车产、社保、公积金、收入等资产信息；车贷、房贷、信用卡、其他贷款及未偿还情况等债务信息；还有央行征信、芝麻分、手机通讯录、运营商数据甚至活体检测这类特殊信息。
- 抵押贷：依靠对抵押物定价来放款，因为我自己没具体做过这块业务，就不硬展开了。
另外，借款人本身也分不同类型。比如农户，很多人是征信白户，靠常规征信查不出什么，赶上收成不好，即便有还款意愿，也可能没有还款能力。所以针对农户，会更侧重家庭人口、婚姻状况、作物种类这些。公务员群体刚好相反，征信记录和收入都很稳定，如果能提供工作证明，很多机构愿意放款。而普通城市白领，审核力度往往比公务员更严，额度、期限也会更紧。只有充分理解了这些差异，才能设计出不同的风控流程，去匹配不同的业务需求。
2. 风控系统大致流程
下面是简化过的一个流程，藏起了公司真实系统的细节，但保留了必要的元素。借款人注册、绑卡、开户这些前置环节就略过了，我们直接从审核流程看起。
3. 系统各环节的功能
- 前置系统：可以是公司自己的系统，也可以是第三方的。它负责把进件推送到风控系统，接收审核结果并退回，同时提供修改借款人信息的窗口。
- 准入规则：这是第一道筛子，通过一些基础校验规则，把明显不符合基本要求的进件直接挡掉，减少后面的审核成本和系统压力。常见的规则包括年龄限制、地域限制、特定行业或职业的判断、收入下限等。
- 反欺诈模型：如果一套风控系统没有反欺诈模型，在我个人看来，就不能算真正的风控系统。它其实是一堆风控规则的集合体，通过分支、优先级、权重等组合方式，把各种规则串起来。模型会接入大量数据，可以根据不同业务场景和产品类型去设计，对进件的风险判断起着非常核心的辅助作用。反欺诈模型的数据通常来自几个方面：公司自己积累的逾期或还款不佳的黑名单；从法院失信被执行人、其他公司公开黑名单等爬取的数据；以及第三方数据商提供的个人基本信息、历史贷款记录、运营商数据、公检法不良记录等。在设计时，一般会遵循几个原则：绝对规则，命中就直接拒绝，流程终止，比如命中了公司内部黑名单，或者有未结清的涉案记录；相对规则，没那么严重，不会直接指向必然逾期，命中后流程继续，但会转人工审核。成本原则上，自有数据优先于外部数据，免费或低收费的数据优先于高收费的。效率原则，把高耗时的规则往后放，比如需要爬取外部网站再做二次处理的。便捷原则，模型里的规则要能随时开关、能按不同进件类型组合配置，参数也要灵活可调。另外，新规则上线或调整参数后，哪怕已经在测试环境验过，投到生产环境时也最好先打上标记，让人工介入一段时间，跑稳了再放开。
- 评分模型：它和反欺诈模型的区别在于，反欺诈模型更多是给出“过”或“拒”的直接结果，而评分模型是给每个借款人打一个更细的信用分数，用这个分数去衡量信用状况，判断按时还款的可能性。分数不仅能决定最终通过还是拒绝，还能用来核定审批金额，甚至支持循环授信。具体处理上，分数高于某个阈值，说明信用极好，逾期概率极低，可以直接通过，不需要信审人员介入，当然能达到这个分数的借款人占比通常很小；分数落在中间某个区间，统一转人工审核；分数低于某个底线，直接拒绝，也不用人工再看了。
- 人工信审：信审团队一般分几个角色：普通信审员做初审，处理大量进件；信审组长负责复审，并对初审通过的件进行复核；信审主管统筹安排，制定信审政策，并裁定有争议的结果；还有审核员，对已完成的进件做抽查，揪出问题件。他们主要的工作包括：审核命中了相对规则或新标记规则的进件；审核评分模型落在需人工区间的进件；对借款人进行电话核实；以及在必要时联系借款人补充材料。
几个值得一提的细节
上面是大框架，实际设计里还有不少琐碎但关键的细节，挑三个说说。
- 进件开关：风控系统刚上线时，不能直接把上游的进件全放进来，得有个进件池兜着。上游推送的进件先存在池子里，等系统启动后再逐步放开推送。一开始可以推少量，生产环境验收通过后，再全量打开。进件池最好支持按类型推送，比如某个类型的反欺诈模型和审核页面刚调好，就只放这一种类型进来验收，其他类型暂缓，确认无误后再全部放开，这样风险更可控。
- 模型重启：系统调用模型时，偶尔会因为网络抖动、性能瓶颈或者超时导致调用失败。如果流程因此卡死就麻烦了，所以必须设计重启机制。可以设定一个等待时间，没收到模型返回的，就自动触发重启，或者提供手动重启的入口，保证流程能走下去。
- 缺省值处理：模型跑的时候，有些数据可能查不到，或者第三方没返回结果。这时候不能把字段空着，要提前设置好缺省值，并给出对应的分数或处理结果。否则评分模型算到一半报错，整个审核链条就断了。
总结一下
说到底，风控系统本质上是把各种渠道的数据用起来，去评估一个借款人的信用。然后针对不同产品类型设计模型，再拿大量进件去跑、去验证效果，不断迭代优化。上面这些，只是基于我自己的理解，讨论了一些基础的设计思路，具体落地时，一定得跟实际使用场景紧紧绑在一起。希望能给正在看这篇文章的你，提供一点实在的参考。