问答 | 如何学习风控？我的知识架构

写这篇文章是因为一直以来都有一些朋友问我，怎么学风控。

“最近刚开始学习下风控方面的知识，但是对其中的一些原理不是特别懂，请问有什么好的建议？”

“我是商科背景的，想转行做数据风控，想咨询一些入行经验？”

“我是运营岗，一直想转去做大数据风控，但是找那些资料看总不知道到底在干嘛，无法入门怎么办？”

这种问题每次都让我敲字无力，不知道怎么回答。

我知道我写的这些文章从来不是为了风控入门服务的，想入门风控的朋友最需要的是现成的工具，是标准化的流程和代码，我都没有展开写。

我的目标从来不是写一些东西，供读者朋友们 ctrl+c、ctrl+v，而是希望有人阅读的过程中发现自己在思考，哪怕就那么一会儿。

我觉得学习最有效的阶段是，建立了基础认知之后，往知识架构里添砖加瓦查漏补缺的时候。从 0 到 1 太难了，从 1 到 10 没那么难。

对风控感兴趣，想从 0 开始学的人，我的经验文章可能并没有什么用，那我试试写一篇基础逻辑，看看能不能让这些朋友们看到骨架。

1.风控的范围很大

只要有交易就有风险。想想别人找你借钱时你的心路历程吧，可太怕了。人都不喜欢和自己不了解的人交朋友，更不喜欢和不知道的人做交易。

“有内鬼，终止交易”。内部人尚且如此，陌生人不能不防。

互联网业务中你从来不知道你服务的对象是什么人，它天然就需要做风控。ToB 的业务如果是大客户，你可能还会线下有过往来接触，ToC 的根本就不可能。

可以说互联网的业务有多大，风控的范围就有多大。

以我在的互联网金融业务为例，业务上肯定希望吸引更多的用户，给更多的人授信，提供更高的额度，最后又能有更低的逾期，从而有最大的收益。但规模要大，就要下沉，额度高的，风险又更高。风控就是要在各个环节上，例如，市场营销—>申请审批—>账户管理—>催收处置等，把高风险用户识别出来特殊对待。

不仅信贷，营销活动要拦截“羊毛党”，刷单控评的行为要拦截，黄牛党也要防控，垃圾注册刷访问、关注的要防控，就现在这篇文章，也要被检测看看符不符合原创，有没有涉政、涉黑、涉黄。无所不包。

2.个体不重要，群体才重要

做风控的目标不是为了 0 风险。你不能把所有存在风险的客户都拒绝掉，你也做不到这一点，因为每个人每笔交易都存在风险，程度问题。

你不能说一个芝麻分 600 分的人，比一个 800 分的人差，个体符合测不准原理。但是你可以说，六百多分的这群人没有八百多分的那群人好，这是对的，群体是测得准的。

风控不关注个体，1w 个人申请，你通过了 3k 人，不是说这 3k 里的每个人都是会准时还款的。实际上是，你把这 1w 人按风险排序分成 10 组，每个群组里计算收益率，风险排序足够好的话，这 10 组的收益率是单调的，收益率为 0 作为分界线，你取出了其中前 3 组。实操中，不必真的算收益率，逾期率好算的多，也不必用 0 作为分界线，取一个业务上合理的阈值就可以了。

你从来没有关注过个体，而这却是对的。

所以你常常会见过，风控把一些正常行为拦截了，例如反复让你校验验证码、刷脸失败、交易被拒绝、投保被拒等。

3.最重要的是数据

主流银行贷款是需要提供很多很多信息的，在哪工作、收入、学历、家庭情况、征信记录等等，银行对你的了解比你的亲朋好友还多得多。如果你有贷款买房经历就知道了。

移动互联网改变了世界。你的客户是不是人你都说不准，你的客户就是数据。y=f(x)，你只有 x，没有 y。

那么你需要什么数据呢？你想知道一个人会不会还钱，显然需要知道他想不想还钱，需要知道他有没有能力还钱。

离这些信息越近的数据越有效。而几乎所有的数据都是有效的，有一个程度问题。收入高不高、学历怎么样、安装了哪些 app、跟什么人通话，等等，几乎一切都有用。

我们不需要 y 标识每个人，我们不是用 X 来预测用户的身份证号，我们只需要评估一个人会不会还钱。

4.因果关系很难，但相关关系很容易

上面随意列出的数据，你都不敢说因为怎么样所以怎么样。这个人收入很高，所以不会逾期，这个逻辑如果是对的，那高收的人都要通过，低收的人都要拒绝。只是收入高的这群人，整体风险偏低。

前者说的是因果关系，后者是相关关系。我们从来不能很好地解释，这群人逾期的原因是什么。我们擅长计算，这群人具备这些特性，他们的逾期水平比较高。

用数据去定义一个人，尤其是移动互联网时代，用海量的数据去定义一个人，我们找的是相关关系。数据维度非常多，数据分布非常稀疏，但因为你找的是一个相关关系，问题就变得可解，或者说容易解。

1000 个相关变量找出来的风险度量，就很可靠，不容易被攻击。而不是捏造一个高收数据，就可以获得一笔贷款。

世界上不是所有有道理的事情都是因果关系的。

5.策略模型的工作其实很简单

选择一批样本，也就是历史用户，定义出他们的好坏标签，也就是打上 label，关联到他们的数据信息，也就是匹配特征，选用一个成熟的算法，也就是 xgb，训练一个模型，输出一个概率对用户进行排序。建模工作就完成了。

图像分类的经典问题猫狗识别，是识别一张图片是猫是狗，我们也是用一个人的数据信息，识别一些东西。当然，我们不是识别是人非人，而是识别是不是一个“好人”。

应用时，获取用户申请时的那些数据信息，用训练得到的模型，计算出用户的风险概率，参考历史用户的风险水平，做出拒绝还是通过的决策。这就是策略应用了。

模型开发时我们总在关心模型效果，但当模型开发完后，最重要的是稳定性。没有策略会盯着模型分的变动反复调整阈值的。有问题的信息千万不要用。监控一切容易，响应一切难。

简而言之，言而简之，风控就是用你能拿到的信息综合计算出一个风险度量。

所以风控的这些工作，无非是去拿信息、去加工信息、去计算风险、去找到一个尽可能优的方程式。

最好情况是到这儿时，你发现风控就是这么回事了，然后你会去想：

• y 需要怎么定义呢
• 能接入哪些数据呢
• 风控模型怎么建呢
• 有哪些模型要建呢
• 策略又怎么制定呢
• 什么时候做风控呢

等等。而这些，其实，我都已经写过了。

知识体系的构建，就跟盖房子是一样的，框架形成后，往里面填充必备的组件，忽然就变得容易又可控。

希望上面的一些逻辑思考，能给一些朋友一点启发。当然了，我自己也是小白，认知不可能全面，互相学习而已。