不知道從什么時(shí)候開始，金融科技這個(gè)詞突然就在國(guó)內(nèi)火了起來。不管是現(xiàn)金貸公司、消費(fèi)金融公司還是第三方服務(wù)商，紛紛將自己叫做“金融科技公司”。似乎貼上了這四個(gè)字，融資金額就能翻幾番。 

這個(gè)聽起來很高大上的詞其實(shí)是個(gè)舶來語(yǔ)——“FinTech”，也就是Finance（金融）和Technology（科技）的結(jié)合。維基百科對(duì)其的釋義為它是由一群通過科技，讓金融服務(wù)更高效的企業(yè)，構(gòu)成的一個(gè)經(jīng)濟(jì)產(chǎn)業(yè)。 

藍(lán)領(lǐng)、灰領(lǐng)人群征信缺失引發(fā)“大數(shù)據(jù)”熱潮 

金融科技這個(gè)詞雖然出生地不是中國(guó)，但確實(shí)是在國(guó)內(nèi)被發(fā)揚(yáng)光大的。不管是初創(chuàng)公司還是BAT這樣的巨頭，都對(duì)這個(gè)詞一見傾心。阿里巴巴甚至自己創(chuàng)造出了TechFin（科技金融）這個(gè)倒裝的新詞來自我標(biāo)榜。 

聽起來很高大上的金融科技到底是個(gè)什么鬼呢？我瀏覽了幾家自稱為“金融科技公司”的網(wǎng)站，收集了他們的公司簡(jiǎn)介，可以從中看到一點(diǎn)門道。 

雖然幾家公司用詞天花亂墜，但是可以看到金融科技在消費(fèi)金融領(lǐng)域的核心就是“大數(shù)據(jù)風(fēng)控”。 

而大數(shù)據(jù)風(fēng)控在國(guó)內(nèi)受到追捧本質(zhì)是由于國(guó)內(nèi)大量人群征信數(shù)據(jù)的缺失。 

為了避免與銀行等傳統(tǒng)金融機(jī)構(gòu)正面硬懟，大量互聯(lián)網(wǎng)金融公司基本都選擇了藍(lán)領(lǐng)、學(xué)生、農(nóng)民這樣傳統(tǒng)金融機(jī)構(gòu)沒服務(wù)到的客群。 

隨之而來的問題就是這部分客群基本都沒有人行的征信報(bào)告，征信數(shù)據(jù)非常稀薄。 

在缺乏強(qiáng)相關(guān)變量的情況下，金融機(jī)構(gòu)只能通過電商數(shù)據(jù)、社交數(shù)據(jù)、行為數(shù)據(jù)等等一些弱相關(guān)變量來對(duì)這部分人群進(jìn)行信用評(píng)估。 

而對(duì)于擁有人行征信報(bào)告的人群來講，傳統(tǒng)金融機(jī)構(gòu)已經(jīng)能夠?qū)ζ湫庞眠M(jìn)行很好的評(píng)估，其結(jié)果也遠(yuǎn)比利用弱相關(guān)變量的大數(shù)據(jù)風(fēng)控來得精準(zhǔn)。 

所以大數(shù)據(jù)風(fēng)控其實(shí)是金融機(jī)構(gòu)在國(guó)內(nèi)征信體系不健全的背景下，客群不斷下沉的無奈之舉。 

用技術(shù)就能做好風(fēng)控？扯淡 

消費(fèi)金融的風(fēng)控主要防范兩個(gè)方面的風(fēng)險(xiǎn)，信用風(fēng)險(xiǎn)和欺詐風(fēng)險(xiǎn)。 

而風(fēng)險(xiǎn)管理包括風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)監(jiān)控、風(fēng)險(xiǎn)應(yīng)對(duì)四個(gè)模塊。 

信用風(fēng)險(xiǎn)主要指客戶的還款意愿和還款能力，也就是客戶想不想還錢、還不還得起錢。而欺詐風(fēng)險(xiǎn)的情況則更為復(fù)雜，包括身份冒用、黑產(chǎn)攻擊、個(gè)人套現(xiàn)、團(tuán)體騙貸、龐氏騙局等等多種情況。 

曾擔(dān)任百度金融CRO的王勁講過，在美國(guó)欺詐跟信用風(fēng)險(xiǎn)相比，基本上是1：5的概念，但是在中國(guó)完全反過來了。欺詐可以說是中國(guó)特色主義的風(fēng)控問題了。 

除此之外，國(guó)內(nèi)的消費(fèi)金融行業(yè)特別是現(xiàn)金貸行業(yè)還面臨著多頭借貸的問題。這個(gè)用戶可能暫時(shí)還得起從你這里借的1000塊錢，但他在不斷的擼口子，已經(jīng)背負(fù)了十幾萬(wàn)的債務(wù)，實(shí)際上是還不起錢的。 

那么科技到底在風(fēng)控里起了什么作用呢？我們就拿最火的機(jī)器學(xué)習(xí)和人臉識(shí)別來舉例吧。 

機(jī)器學(xué)習(xí)work的使用前提：數(shù)據(jù)需要足夠多，足夠厚 

在傳統(tǒng)的信用卡申請(qǐng)流程中，銀行會(huì)根據(jù)用戶收入穩(wěn)定性和償債能力審核打分，最常見的用于信用評(píng)分的模型就是邏輯回歸。 

但前文也說到，在強(qiáng)相關(guān)變量缺失的情況下，互金機(jī)構(gòu)不得不引入大量的弱相關(guān)變量來對(duì)用戶打分。 

在數(shù)據(jù)量過多的情況下，基于機(jī)器學(xué)習(xí)的模型優(yōu)勢(shì)就凸顯出來了。相比傳統(tǒng)模型只能通過若干個(gè)變量進(jìn)行建模，機(jī)器學(xué)習(xí)模型可以引入成千上萬(wàn)的變量。 

但從原理上來講，機(jī)器學(xué)習(xí)和傳統(tǒng)的邏輯回歸模型并無本質(zhì)區(qū)別。 

像BAT這樣數(shù)據(jù)量足夠大數(shù)據(jù)足夠厚的公司，用機(jī)器學(xué)習(xí)來做模型才是靠譜的。而本身連數(shù)據(jù)都少的可憐、尚且處在需要外部數(shù)據(jù)支持的創(chuàng)業(yè)小公司，又談何機(jī)器學(xué)習(xí)模型呢？ 

而且雖然在變量過多的情況下，機(jī)器學(xué)習(xí)模型在一些指標(biāo)上的表現(xiàn)可能比傳統(tǒng)風(fēng)控模型更好，迭代速度更快，但同時(shí)也存在它的弊端。 

比如在穩(wěn)定性、可解釋性上機(jī)器學(xué)習(xí)都不如傳統(tǒng)的風(fēng)控模型。 

人臉識(shí)別：只能解決單點(diǎn)效率問題 

另一項(xiàng)大熱的人臉識(shí)別技術(shù)則一般應(yīng)用于貸前反欺詐驗(yàn)真環(huán)節(jié)，通過人臉識(shí)別能夠快速有效的判斷用戶是否為本人。 

這種工作其實(shí)人工也可以做，相信看過最強(qiáng)大腦的都記得那群比百度人工智能識(shí)別人臉還要精準(zhǔn)快速的“天才”們。而機(jī)器的優(yōu)勢(shì)就在于效率。 

但是風(fēng)險(xiǎn)管理面臨的問題是非常復(fù)雜而多樣的。就拿身份欺詐來講，不少辦分期甚至是現(xiàn)金貸的用戶是被中介騙來的，因此他的身份信息都是真的，但借款意愿是假的。這種情況下人臉識(shí)別顯然就沒什么用了。 

所以人臉識(shí)別只能解決“單點(diǎn)效率”問題，在這一個(gè)環(huán)節(jié)上降本增效。 

這也是絕大多數(shù)科技手段的問題。這些科技手段有用嗎？當(dāng)然有用。 

在風(fēng)控的某些環(huán)節(jié)中，技術(shù)手段無疑可以有效地降低成本提升效率。但想依靠技術(shù)手段就做好風(fēng)控那是不可能的。 

就算拋開大數(shù)據(jù)的相關(guān)性和穩(wěn)定性來說，它也只是一個(gè)風(fēng)險(xiǎn)評(píng)估而已，只是風(fēng)險(xiǎn)管理的一小塊。 

而做好消費(fèi)金融風(fēng)控需要全面的風(fēng)險(xiǎn)管理體系，技術(shù)能做到的只是解決其中某個(gè)環(huán)節(jié)的效率問題。 

現(xiàn)金貸轉(zhuǎn)型技術(shù)輸出？收智商稅 

去年年底，針對(duì)現(xiàn)金貸的監(jiān)管政策在行業(yè)里引起了軒然大波。大批現(xiàn)金貸公司做不下去了，就開始轉(zhuǎn)型做技術(shù)輸出，搖身一變也成了金融科技公司，還打出了“消費(fèi)金融一站式解決方案”這樣的廣告語(yǔ)。 

事實(shí)上，這些公司都是收智商稅的。他們基本就是販賣兩種東西——系統(tǒng)和風(fēng)控技術(shù)，但這兩種東西其實(shí)都沒什么價(jià)值可言。 

已經(jīng)失效的系統(tǒng) 

先來說說系統(tǒng)，之前在現(xiàn)金貸最火的時(shí)候賣現(xiàn)金貸系統(tǒng)的也發(fā)了一筆財(cái)?，F(xiàn)金貸的系統(tǒng)是專門為線上現(xiàn)金貸開發(fā)的，而且本身并沒有什么核心競(jìng)爭(zhēng)力，你能開發(fā)我也能開發(fā)，買系統(tǒng)只是為了省時(shí)省力。 

現(xiàn)在政策下來了，沒人敢再做線上小額現(xiàn)金貸了，這套系統(tǒng)自然也沒什么用了。 

毫無價(jià)值的風(fēng)控 

而絕大多數(shù)的現(xiàn)金貸公司更想要轉(zhuǎn)型做風(fēng)控技術(shù)輸出，這就更加扯淡了。 

首先現(xiàn)金貸這個(gè)業(yè)務(wù)本身就不太需要風(fēng)控。在利率高達(dá)200%的情況下，你的壞賬降低五個(gè)點(diǎn)或是十個(gè)點(diǎn)對(duì)盈利幾乎沒有什么實(shí)質(zhì)影響。 

而且現(xiàn)金貸所針對(duì)的人群可以說是質(zhì)量非常差的一批客群，你想想誰(shuí)會(huì)在網(wǎng)上以那么高的利率借幾百塊錢呢？絕大多數(shù)借現(xiàn)金貸的人并非用于應(yīng)急，而是用來消費(fèi)甚至是以貸養(yǎng)貸。 

在政策下來之前，現(xiàn)金貸的獲客成本就在不斷上漲。你好不容易用一兩百塊錢得到了一個(gè)客戶，他卻不符合你的風(fēng)控規(guī)則，你放款還是不放呢？答案自然是咬著牙放。因此絕大多數(shù)現(xiàn)金貸公司的風(fēng)控都形同虛設(shè)。 

而現(xiàn)在他們轉(zhuǎn)行技術(shù)輸出，其實(shí)就是賣上文提到的機(jī)器學(xué)習(xí)風(fēng)控模型。但問題在于機(jī)器學(xué)習(xí)模型本身就是通過過去的統(tǒng)計(jì)樣本來對(duì)未來做出預(yù)測(cè)。 

因此只有在樣本量非常大的情況下，模型才有用。也就是說除了幾家已經(jīng)擁有大量用戶的頭部現(xiàn)金貸玩家外，剛?cè)雸?chǎng)的小玩家用模型的效果可能還不如隨機(jī)放。 

其次，風(fēng)控模型并不是通用的?，F(xiàn)金貸的風(fēng)控是針對(duì)網(wǎng)上那批質(zhì)量較差的客群，模型可能存在過擬合問題，在其他場(chǎng)景之下面對(duì)完全不一樣的客群就失效了。 

事實(shí)上，沒有什么風(fēng)控模型能夠一招鮮吃遍天下，在不同場(chǎng)景之下消費(fèi)金融業(yè)務(wù)面臨著完全不同的風(fēng)險(xiǎn)。 

例如在線下3C場(chǎng)景之下，公司面臨的最大風(fēng)險(xiǎn)是欺詐風(fēng)險(xiǎn)，中介套現(xiàn)的現(xiàn)象非常嚴(yán)重。這條套現(xiàn)產(chǎn)業(yè)鏈甚至和消費(fèi)返利結(jié)合發(fā)展成了龐氏騙局。 

線下手機(jī)門店、分期業(yè)務(wù)員和套現(xiàn)中介勾結(jié)，利用“0元購(gòu)手機(jī)”等虛假活動(dòng)吸引不知情的消費(fèi)者來辦理分期業(yè)務(wù)，之后每個(gè)月給消費(fèi)者返利來還款。 

之前就有新聞爆出河南駐馬店400多位消費(fèi)者都陷入了這樣的騙局，捷信、佰仟等知名的3c分期公司也都未能幸免。在這種欺詐里，消費(fèi)者的身份資料都是真實(shí)的，人也是白戶，甚至前期的還款表現(xiàn)也都非常好。只有在返利平臺(tái)崩掉時(shí)，壞賬才會(huì)大規(guī)模爆發(fā)。 

顯然，如果把現(xiàn)金貸的風(fēng)控模型用于3c分期業(yè)務(wù)，靠它來識(shí)別欺詐是根本不可能的。 

現(xiàn)金貸業(yè)務(wù)本身面臨的最大風(fēng)險(xiǎn)是系統(tǒng)性風(fēng)險(xiǎn)，這和某一家現(xiàn)金貸平臺(tái)風(fēng)控做得好不好沒有關(guān)系。 

愛借線上小額現(xiàn)金貸的就是戒賭吧那幾千萬(wàn)老哥，過多的現(xiàn)金貸公司入場(chǎng)讓壓在這批人身上的杠桿越來越高。最后崩盤時(shí)，沒有哪家現(xiàn)金貸公司能夠獨(dú)善其身。 

說到底，風(fēng)險(xiǎn)管理是一個(gè)系統(tǒng)的工程。無論是機(jī)器學(xué)習(xí)模型、還是人臉識(shí)別技術(shù)都只是一個(gè)工具而已，如何使用這些工具才是關(guān)鍵。 

不同場(chǎng)景之下，風(fēng)控面臨著各式各樣細(xì)致而特殊的問題。就拿線下3c分期來舉例，現(xiàn)在有一批專門的“養(yǎng)卡人”，他們?nèi)ゾ€下分期買手機(jī)只是為了獲得后續(xù)的二次現(xiàn)金貸。因此他們辦理3c業(yè)務(wù)之后還款也很良好，但拿到大額現(xiàn)金貸后立馬就停止還款了。 

面對(duì)這種情況，客戶的信息資料都是真實(shí)的，甚至還款表現(xiàn)也非常好。而風(fēng)控就要從多個(gè)維度來進(jìn)行防范了，例如在審核時(shí)檢測(cè)這批客戶是否相互勾結(jié)[別寫“抱團(tuán)“這個(gè)詞，太”買單俠“了]，在貸后對(duì)客戶進(jìn)行持續(xù)的監(jiān)控。一般來講，“養(yǎng)卡人”的貸后表現(xiàn)較常規(guī)用戶會(huì)出現(xiàn)一些異常，比如從同一家門店來的幾個(gè)客戶都從不查賬單，貸款完成后都集中在一個(gè)地方，有的甚至是異地，用同一個(gè)賬戶代還款，這就很有可能發(fā)生了養(yǎng)卡的現(xiàn)象。 

因此風(fēng)控其實(shí)是個(gè)細(xì)致活兒，科技手段只能在風(fēng)控的某個(gè)節(jié)點(diǎn)上發(fā)揮作用，遠(yuǎn)不能成為整個(gè)消費(fèi)金融業(yè)務(wù)風(fēng)控流程的解決方案。 

金融科技是金融業(yè)務(wù)管理不缺位情況下的“奢侈品” 

“金融科技”這個(gè)詞本身是沒什么問題的，但是行業(yè)對(duì)科技的盲目追捧卻是在舍本逐末。無論多么牛逼的技術(shù)手段，都是依附于你的業(yè)務(wù)本身的。大量草根玩家連業(yè)務(wù)邏輯都還存在巨大的漏洞，就別再妄談什么科技手段了。 

想做好消費(fèi)金融風(fēng)控，首先要做好場(chǎng)景的把控，確保消費(fèi)場(chǎng)景的真實(shí)和客戶消費(fèi)意愿的真實(shí)。通過真實(shí)的消費(fèi)場(chǎng)景獲得的客戶是“好人”的概率要大得多，本身就能夠盡可能地規(guī)避風(fēng)險(xiǎn)。 

其次，公司需要根據(jù)業(yè)務(wù)流程搭建一套完備的審核流?，F(xiàn)在互金行業(yè)的審核系統(tǒng)，先不談技術(shù)，連完備都沒能達(dá)到，大量職能都還處在缺位的狀態(tài)之下。 

一套完備的風(fēng)控審核機(jī)制，不是簡(jiǎn)單地通過模型來判別這個(gè)客戶能不能貸，而是有多個(gè)控制點(diǎn)，包括業(yè)務(wù)流程的精準(zhǔn)控制，是一個(gè)多層次的防控系統(tǒng)。 

從效果上： 

數(shù)據(jù)的作用>技術(shù)的作用 

獲客重要性>風(fēng)控本身 

所以可以解釋： 

1 BAT（JM）牛逼，甚至比銀行牛逼，因?yàn)樗麄冇袛?shù)據(jù)。對(duì)他們來說談科技已經(jīng)是水到渠成的事情了。 

他們的戰(zhàn)略優(yōu)先級(jí)1級(jí)重要性是接著鋪基礎(chǔ)建設(shè)，拓展數(shù)據(jù)采集。2級(jí)重要性是基于大數(shù)據(jù)的技術(shù)升級(jí)、挖掘升級(jí)，認(rèn)知升級(jí)。 

環(huán)環(huán)相扣，沒有第一層去學(xué)第二層，無異于邯鄲學(xué)步。 

2 Payday loan牛逼，因?yàn)檫@種牛逼的盈利獲客方式，強(qiáng)大到不需要風(fēng)控。 

3 以征信名義做大數(shù)據(jù)的公司最牛逼，數(shù)據(jù)是一切變現(xiàn)的價(jià)值源泉。

【來源：森林學(xué)苑】