数据是金融业务的基石，监管集中清查大数据公司，不仅大数据公司人心惶惶，处于下游的金融机构也受池鱼之殃——尤其是那些缺乏自主风控能力的机构，甚至不得不下线或暂停贷款发放。

数据清查终会过去，但很多东西在发生根本性改变，资金方做“甩手掌柜”的好日子不会重现。那些缺乏自主风控能力的金融机构，在未来的行业竞争中，恐无以立足了。

大数据风控，该从何抓起？

银行金融科技转型，方向很多，但最紧要可行的，还是大数据风控。万事开头难，从传统风控到大数据风控，银行做得怎样呢？

大银行相对容易，不缺用户，不缺数据，也不缺人才。传统零售业务足够强势，有足够的空间和时间推新产品、小步快跑做实验，模型先跑起来，慢慢完善，自主风控能力就算有了。

难的是小银行，尤其是偏居低线城市的农商行、城商行，没数据、没人才，存量用户也缺乏互联网属性，线下迁线上都难，更何论做新业务的试验田。这类银行的科技转型往往陷入两个误区：

一是做助贷和联合贷款的资金方，虽独立决策却无力决策，至多花钱请人搭一套模型做做样子，缺乏数据输入，也没有模型迭代，只为满足合规要求；

二是被风控外包厂商的一站式方案吸引，“三天对接、一周上线”，上线后却不管不问，做了甩手掌柜。

一旦陷入这两个误区，无论转型多少年，银行的自主风控能力仍等于零。是助贷和联合贷款害了这些银行吗？非也，助贷平台提供初步风控审查，降低了金融机构二次风控压力，可若金融机构因此不再做二次风控，却也怨不得别人，要从自己身上找原因。

一些银行缺乏转型意愿，管理层只想在任期内靠助贷做做业绩，不计长远，那也只能这样了，装睡的人，不妨继续睡吧；如果还愿意为长期发展着急，当务之急，就是行动起来，迈出第一步。

大数据风控，说到底就两项，一是数据，一是风控模型。

（1）数据

数据分为内部数据、外部数据；也可分为历史数据和实时数据，后者包括用户设备信息、位置信息、业务交互信息等。

对小银行而言，随着数据环境趋严，全面拓展外部数据源的必要性愈发有限，一则是信息隐私踩雷风险，二则是业务量有限，盲目撒网在经济上吃不消，按需索求更为现实。

小银行要做的，是激活内部数据，用好实时数据。激活内部数据，涉及到打破部门壁垒，构建数据中台，形成统一的用户视图；而用好实时数据，要靠专业人才，把这些数据融入到业务流程和风控模型中去。

这两项工作，考验的不是财力，而是决心和执行力。

（2）风控模型

大数据风控不仅仅指信用评分、反欺诈等贷前审查环节，而是一套流程体系，涵盖从用户入口端的精准营销到贷后回款或催收管理的全流程。

一般来讲，只要夯实了内部数据基础，再结合外部黑灰名单和各类信用评分数据，要防范信用风险并不难，真正的难点在欺诈风险。

欺诈风险多为团伙作案，在攻防对抗中，实力虽弱于一线巨头，但面对小型银行未必处于下风。加上欺诈团伙多从业务漏洞着手，一朝得手，往往金额很大，令金融机构防不胜防。从实践中看，无论是行业巨头还是中小银行，在反欺诈方面均需借助第三方公司的辅助支持。

应把握的几个原则

在建设自主风控能力的过程中，中小银行还应注意几个原则。

（1）因地制宜，构建差异化能力，不求大求全

在新的行业环境和监管环境下，无差异化大干快上的时代已经过去。中小银行在战略层面必须聚焦差异化，业务差异化，必然要求风控能力差异化。

业务层面，要聚焦场景金融，关注消费用途；相应地，在风控层面，要夯实场景风控。从过往教育分期、租房分期等场景贷风波看，场景方的欺诈、乱收费、跑路往往是乱象之源。

在场景贷业务中，金融机构的惯常做法是与场景方合作获客，却又疏于准入管理和贷后规范，致使风险不断。其实场景方多集中在线下，具有较强的区域色彩，区域银行深耕区域场景，只要愿意做，还是有优势的。

用户层面，本地客户先行；在数据获取上，可重点发力本地社保、公积金、个税、房产、车产等信息，在区域市场建立数据优势，不必求大求全。

（2）急用先行，重视反欺诈能力建设

业务上线后，信用风控模型可以慢慢迭代优化，反欺诈能却等不得，一开始就要用最好的，否则根本吃不消。这个时候，就必须借助第三方反欺诈公司的力量，融合到自主风控的建设能力中。

据业务安全公司顶象发布的《“关联网络+反团伙欺诈”白皮书》总结，信贷欺诈主要包括中介包装、资金用途挪用、信用卡养卡套现、伪冒骗贷和团伙骗贷等几种，其中团伙欺诈尤其难缠。数据显示，国内网络欺诈从业者超过200万，每年造成经济损失近千亿，其中仅针对金融机构的欺诈团伙就有3万多个。

反欺诈手段，大致分为三类，一是通过活体识别、设备指纹、位置核验等核验身份、比对认证；二是对接黑灰名单及运营商、房产、车产、征信等外部数据核验；三是技术层面反欺诈，包括构建基于用户行为和业务流程的风险特征库，以及利用关联网络技术进行异常侦测。其中，关联网络最考验综合实力。

以顶象关联网络为例。基于金融机构自身的数据积累，结合内部数据和业务场景、业务逻辑、产品流程、客群特征等做定制化设计，构建可视化和交互式监控平台，帮助金融机构搭建自主可控的风控体系。

由于与金融机构内部数据关联，这样建设好的风控体系不仅可用于营销反欺诈、申请反欺诈、交易反欺诈、账户安全和数据反爬等纵深防御能力，本身也是实用的客户关系画像体系，在精准营销、交叉营销等方面也有用武之地。

（3）构建敏捷组织，打破部门银行藩篱

建设风控模型，可归为风控部门的事，但激活内部数据，则是全行的事，需打破部门壁垒，确保战略落地。这背后，涉及到部门利益协调、考核体系梳理、组织惰性激活、包容文化构建等一系列大问题。

这些问题，哪个都不易解决，但都不得不解决，否则不仅科技转型没有着落，即便仅仅是大数据风控建设，也会很快遇到瓶颈。

除上述几个原则外，在大数据风控能力建设过程中，银行还会持续面临来自流程重组、团队建设、成本投入、监管合规等方面的挑战，需持续予以关注。

新环境、新挑战

作为一句口号，大数据风控已经喊了很多年。“狼来了”喊久了，危机感也就淡了，人们开始把它视作某种“重要而不紧急的事情”，不断给一些短期事务让路，一拖再拖、原地踏步。

“一鼓作气，再而竭，三而衰”，当一件事持续几年缺乏重要进展时，大家也就疲了，这个时候，除非有大刺激，否则这事基本也就这样了。

所幸，这种大刺激不远了。

数据环境生变还只是前菜，后续，随着牌照监管收紧、合规阀门扎紧，大量的中小放贷机构会退出市场，多头借贷群体资金链断裂，逾期率会趋势性抬头。届时，助贷机构既兜不了底、也不敢再兜底，相应地，那些缺乏独立风控能力的资金方，做不了业务、也不敢做业务。

中小银行要意识到，“搭助贷风控便车、做甩手资金方”的好日子正在远去，一去不回。再没有点紧迫性，真的来不及了。