大鱼风控笔记 2：量化风控体系的实现要求_量化风控体系在软硬件上的实现要求

”数字化转型“被宣扬很多年了，但革命尚未成功，如今很多银行正处在数字化转型的档口，只有头部的大行在数字化转型的道路上走在前面。大行体量大，有自己的科技团队，有的甚至成立了自己旗下的金科公司，凭借地理优势，近几年吸引了很多人才，同时有各咨询公司助力，天时地利人和，智能营销、智能风控搞得火热。

招商银行、平安银行，近几年前后启动零售战略转型，不断推进线上业务，很快成为了银行业的零售业务“领头羊”。先富带动后富，有了先驱的成功经验，一些城商行也紧跟其后，开始铆劲儿推动将部分线下业务向线上逐步转型。

基于之前听的 FAL 的课程内容，并结合自己在项目中的实践经验，在此总结归纳一下对银行来说，想实现量化风控体系需要哪些方面的条件，从“硬件”和“软件”两方面来谈谈。

1）硬件：完整的业务系统+数据处理体系

此处所说的”完整的业务系统“是指，线上标准化的业务处理系统，将业务端、风控端和售后端打通，具有重现业务流及标准化前后台操作的能力。

若银行想开发一个新的贷款产品，初期可以先开发业务端系统，因为”拿到数据“是首要关键的一步，业务端系统开发完成后，也就实现了标准化的进件数据线上采集过程。风控端系统涉及审批、指标计算和模型部署，前期业务数据积累量少，可采用人工审批的方式，但需要线上记录审批流程和结果。后续业务规模提升后，可利用积累的数据进行相关指标计算，从而有针对性地对策略做调优。同时构建贷前评分卡模型，部署在风控端系统，从人工审批向自动化审批过渡，中间要经历一段”人工+模型“的过程。售后端系统是最后考虑的，一般包括客服和催收两个模块，这方面还了解尚浅，先不多说了。

”数据处理体系“包括科学的底层数仓表设计和风控场景的标准化ETL流程。大多数城商行目前都已经有了比较科学合理的底层数仓，市面上做这一块实施开发的公司也很多，由于每个银行的原始数据表不同，以及数据开发公司的标准化方案也不同，导致同一场景的底层数据表是不可能做到全国统一的。所以底层数仓设计的好坏，除了存储资源的利用率和计算速度的快慢，还要基于行方业务的实际情况和人员的业务习惯来判定。因此ETL的流程也是不可能标准化的，所以从古至今ETL的活都没有公司愿意干（哭笑）。但之所以这里说是“数据处理体系”，而非“系统”，是因为“万变不离其宗”，梳理一套适用于本行数据存储方式的ETL流程后，大部分步骤是可以平移到多个场景的，因此构建起自有的“体系”十分重要。

目前这块业务的解决方案也是如雨后春笋，随便百度几个关键词“端到端”、”智能风控系统“，就可以看到各个大厂中间夹着几个中厂，都在铺天盖地宣传自己的方案。

 

2）软件：量化风险管理组织架构

这里的“组织架构”是指，完善的风险管理人才架构，对业务、数据及系统有足够使用能力，能够结合数据及新技术对传统风险管理手段进行升级，并挖掘新的科技化风控手段。

因为早期的贷款审批都是线下进行的，所以当时只需要工作人员具备一些业务知识，对数据分析挖掘、编码能力等都是没有要求的。如今要进行风控数字化转型，就需要构建一支配有大数据分析及编码能力的人才。如果要细分的话，一般包括以下几类人才：①审批政策；②计量&模型；③反欺诈；④技术支持；⑤贷后管理。业务团队规模不同的银行，岗位可能有多有少，素质比较高的人员可能同时做审批政策、计量模型和反欺诈，如果同时掌握一些技术能力，那之后就有能力担任项目经理的角色了。

但目前很多银行面临的问题是，有多年经验的信贷业务老员工无法很快掌握大数据分析能力，但近年招聘的具备科技能力的新员工，大都来自计算机专业，对金融业务知识掌握甚少。这也是很多银行正在着力解决的问题，注重培养年轻员工的全面素质，既要具备数据分析挖掘技能，也要深入了解业务知识。同时组织业务部门的年轻员工进行编程学习，一般从SQL入手，有的还要学习用Python做简单的数据处理。

总之，城商行的数字化转型还在路上，”硬件“上的标准化方案已经越来越成熟，但将成熟方案部署到实际场景，还需银行自身的”软件“能力配合，方可相得益彰。

⬇️ 扫描下方二维码关注公众号【小数据研究院】 ⬇️

回复【算法】，获取最全面的机器学习算法网络图：