在交易场景和技术应用日新月异的今天，有人将风控领域的从业者称为“背锅侠”（甚至有资深风控从业人员如此自嘲）。成日与行业黑产、违法违规行为打交道，纵使风控从业者已经用知识和经验把自己武装到了牙齿，却依然难免百密一疏，让黑产们钻了规则的漏洞。

幸好，风控从业者们的手中还有“大数据风控”这件抗风险利器。只是问题在于：数据源和规则集还未实现“无界流通”，各家金融机构又该如何“打磨”这件利器？

谁能自建 谁需共建？

基于国家监管的要求和大多数企业和机构的实际情况，风控体系的部署往往需要由企业自建部分和第三方风控模块的补充部分，其中后者所起到的丰富数据维度、辅助风控决策的作用将在一定程度上帮助企业打破“数据孤岛”，进一步健全风控体系。

大型企业尚且如此，中小规模的城商行、农商行和消费金融企业就更需要外部力量的“加持”。据《2018年中国大数据风控调研报告》数据显示，2017年我国的大数据风控已达到140亿元的市场规模，其中深耕于金融垂直领域的大数据风控创新公司占据了相当部分的市场份额。

但借助“外力”的辅助同样可能存在不可控的因素。例如，第三方风控模型在未经“磨合”的情况下，可能会出现“水土不服”的情况，同时系统费用和更新迭代的周期也成为其与企业风控需求融合的障碍所在。因此，数据（源）和规则便成为具有决定性影响的两大要素。

首先从数据方面而言，绝大多数企业的内部数据已不足以支撑起一套完整全面的风控体系，而近来外部数据的应用又在一定程度上被收窄。大数据应用的合规化自有其阵痛期，但挑战的同时也意味着机遇，在监管和市场的推动下，良币正在驱逐劣币，广阔的市场空间正在向合规的数据分析公司打开。

数据的价值，需要通过发掘其内在的规则和信息才能得以体现，这就需要所谓的“规则”（包括规则集、特征提取以及模型开发）。制定怎样的规则，才能在最大限度剔除风险因素的同时尽可能减少“误伤”，背后往往是一套极为复杂的逻辑体系和规律。或许正是因此，不少建模师和风控经理将“把事实提取成特征”的过程比喻为“数据科学的艺术化创造”。

而华策数科“数据科学艺术家”的定位，也恰好契合了这一比喻。

目前，华策数科基于企业成立12年以来积累的数字建模经验和华策风控规则集词典，推出了大数据风控模型Smart Score，已被广发银行、平安银行、国美金控等大型银行、消金公司采用为风控体系补充应用，而更多中小银行、消金公司更将其作为企业风控的重要构成。据悉，有头部消金公司借助这一产品，在整体贷款通过率提升10%以上的同时，坏账率也有所下降；而另一家大型商业银行则凭借该模型实现更大范围、更精准的存量客户分群，理财产品的特选名单转化率最高提升超过20倍。

一款优秀风控模型的“力量”可见一斑。

风控 不止于控制 更应讲“体验”

如今的风控体系，除了对效率（即风险和收益间的平衡）提出越来越高的要求，更强调对用户的服务属性：让风险评估“无感”地发生在客户体验产品的过程中，让审批流程尽可能得到压缩，让拒绝进入不再那么“冰冷绝情”……

当阿里推出“芝麻信用”之时，也是首次将风控评分以如此直观（且有趣）的形式展现在普通用户面前，以至于引发一阵“攀比”信用分的热潮，也让阿里收获大量真实有效的消费行为数据。

在此之后，蚂蚁金服更是基于AI和大数据，搭建起“蚁盾风控大脑”，并在其中注入更加复杂、精确的风控规则。在用户端看来，这个风控体系带来的是更有科技感、更友好的体验界面。或许正是自那时起，将风控流程整合进企业服务逐渐成为时下的“流行”。

而传统商业银行也在紧跟步伐。此前，招商银行在发布的企业资讯中介绍了其零售智能风控平台“天秤系统”，并表示这款系统已能够达到“30毫秒级”的交易风险决策的响应速度，并在招商银行APP、掌上生活等应用内实现“无缝”、“无感”。

不过，对于更多中小规模的金融机构而言，引入第三方风控公司补充自有体系显然是更加现实可行的选择。华策数科所打造的“智能决策引擎”，凭借业内首创的极简操作界面和友好的用户体验，实现风控决策的全流程线上自动化，并配以多视觉数据覆盖和精准多元的规则库，在中小规模企业的风控过程中，同样能够实现“快速决策”和“无感体验”。

据悉，华策数科已为逾百家商业银行、保险、消金信贷等金融机构提供数据分析服务，场景建模超过430个。其智能风控平台日输出风控决策近20万次，累计已超过6千万个核批……借助华策数科的力量，更多的企业在金融科技高速发展的今天，也能够搭上“大数据风控”这趟便捷的“快车”。