专家观点丨数据驱动业务决策，助力银行风控

神州信息金融研究院风控专家 辛园

如果要真正做到数据驱动，可能要有四个关键理念。

第一、从数据本身出发，要确保与自己合作的数据源合法合规。

第二、不同的机构有不同的偏好，同时银行的规模、发展阶段以及考核指标等的不同，导致银行在风控方面对数据及模型的要求也是不同的，因此需要基于本行的数据、风险偏好确定风险尺度。这不是简单地直接套用市面上比较好的数据、模型和策略，而是要结合业务偏好，客群特点等自身情况进行具体分析。

第三、搭建数据驱动的风控体系，需要匹配自身的时间、数据和成本等要求。每个银行自身的情况，如技术人员和基础设施等，都需要结合目前条件进行盘点、准备，才能为实现数据驱动打牢基础。

最后一个就是风险的自控，风险和业务的平衡就是一个点，我们尽可能地抓到这个平衡点，通过数据识别风险，驱动业务，把这条路走得更长远，这才是数据驱动的真正目的。

具体来讲，搭建数据驱动的风控体系，分三步走。

首先，引入外部三方公司合作。能提供丰富解决方案的三方公司，可以帮助项目高效落地，很大程度上减少前期启动的时间成本。但是在这之前一定要了解公司的存量数据，可以结合自身业务偏好，数据质量等，从某一个点做切入，通过数据清洗、加工及挖掘，找出这些数据里面可用的价值点，明确未来数据应用的布局和方向，这之后再结合外部三方公司的成熟经验和解决方案进行体系搭建。

其次，在数据驱动风控体系中，架构设计要做到不同的产品、场景搭配不同的数据、模型、规则及策略。这绝对不是简单地将一个场景、一个模型应用到所有业务中，而是要将数据、风控技术和业务场景进行匹配。

最后，线上化。大数据具有的高维属性，依赖线上环境来进行处理、计算，同时，线上化流程可以减少过程中主观因素的影响或其他环境风险，提高效率。并且通过实时线上化数据分析，可以时刻关注数据表现，根据数据监控的反馈结果及时有效地进行模型或策略迭代。这其中需要注意的一点是，线上化推进过程中，在准备没有做好之前不建议全产品线上化，而是要以阶梯式地完成。

另外，搭建大数据风控体系还有最重要的一点就是风险胃口和组合管理，风险胃口决定我们的策略标准，要把风控匹配在不同的模块和业务场景中，并进行组合式的管理，对KPI、KRI要做好监控及预案要知道可能会面对什么样的问题，出现问题来的时候，要有相应的解决方案。