风控这20年，从传统风险到大数据风控 | 人人都是产品经理

银行的风控，经历了从传统模式到智能风控，再到数字化风控的进化过程。不同的风控模式有不同的特点，本文作者对这三大风控模式的特点进行了总结分析，一起来看一下吧。

银行的风控，经历了从传统模式到智能风控，再到数字化风控的进化过程。相对于传统的风控手段，大数据风控体系的数据来源更广、维度更多，决策审批过程自动化程度更高，基于算法构建的模型更客观公正。这些特点既成为了大数据风控的优势，也为大数据风控领域构筑了很高的技术门槛。

通过人工智能、大数据、云计算等新技术，传统金融机构对借贷中各环节进行优化，包括传统风控中的金融数据，以及对借款申请人还款能力和还款意愿的风险特征进行描述。通过大数据，将多个维度的数据，例如消费、社交等进行分析整理，以此达成金融新型风险评估模式。

以此，金融机构可以不单一依赖于传统的金融信贷数据，并且可以对征信白户，即没有任何信用记录的人群进行风险审查，进行定价，进而提供金融产品和服务。

一、传统风控模式

传统风控的做法更多是基于专家经验的人工审批，依赖于审贷官对材料的理解与把握，并给出最终意见。假设有两笔贷款同时审批，那么审贷官会根据经验，基于排序做出相应决策，很快得出结论——甲贷款要优于乙贷款。

如果更进一步，请审贷官详细说明，甲贷款比乙贷款风险低多少，甲、乙两笔贷款的风险分别处于什么水平？审贷官就很难给出精确回答了。这有点类似大脑在处理一些模糊信号的时候，我们虽然能够做出评估排序、对比排序，但是很难做到足够精确。

传统的风控模式包括信贷工厂、IPC技术模式、台州模式以及巴塞尔协议模式等，下面我们简要回顾一下。

1. 信贷工厂模式

信贷工厂模式，是指银行在授信业务管理时，通过设计标准化产品和流程，统一规范不同信贷产品的信贷作业过程，类似于工厂“流水线”，主要强调全流程风险管理。从前期接触客户开始，到调查、审查、审批，贷款发放，贷后维护、管理以及贷款的回收等工作，均采取流水线作业、标准化管理。

这一模式原本起源于新加坡淡马锡模式。淡马锡公司成立于1974年，是由新加坡财政部监管、以私人名义注册的一家控股公司，淡马锡公司在对中小企业授信管理过程中，开发出了一种批量化生产中小企业融资产品的运作方式，被业界称作淡马锡模式、信贷工厂模式。

该模式的出现，主要是为了解决中小企业的融资问题，信贷工厂模式适用于批量化作业的各类信用贷款领域，从个人消费到小微企业经营均可使用，应用空间比较广阔。

信贷工厂模式的优点如下：

1）责任落实到位

在信贷工厂模式下，作业被切割成最小单元，每个参与人员都能熟练从事岗位职责内工作，责任可以落实到个人。

2）规模效应凸显

由于个人负责的工作领域极度细分，使得工作效率大幅度提高，规模化效应得以显现，从而提高利润率。

3）“四眼”交叉验证

在贷款办理过程中，客户经理、审批人员和贷后管理人员分工明确、各司其职，对于同一笔业务，可以从不同角度进行交叉验证，有效遵循四眼原则。

4）提升工作效率

客户信息被录入信贷系统后，自动评分、自动审批；客户经理也可以根据评分卡结果，筛选符合本行风险偏好的优质客户，既节省时间，也可以避免做无用功。

5）迅速抢占市场

对于异地客户，也可以做到依靠系统自动审批处理，审批时间快，客户体验好，有利于迅速拓展客户并抢占市场。

信贷工厂模式的缺点如下：

1）资金投入多

银行开展信贷工厂模式，前期需要投入大量成本，包括平台搭建、客户评分模型开发或者其他针对性的研发。

2）人员成本高

该模式需要的岗位较多，在实际管理上难度很高，相应的人力成本也很高。

3）风控要求严

该模式不能做到对每位客户精细审查，对整体风险监控能力以及坏账的处理要求都比较高。

2. IPC技术模式

理调查走访、信息交叉验证等方面进行培训，提升客户经理辨别虚假信息能力和编制财务报表的技能，防范信用风险。

核心主要为三方面，一是考察借款人的偿债能力；二是衡量借款人的偿贷意愿；三是公司内部操作风险的控制。IPC模式的创新之处在于，银行风险把控的侧重点，是关注借款人的还款意愿、企业的经营情况以及现金流，而不是根据客户资产价值评估等因素决定。

IPC技术模式的优点如下：

专注业务：银行能够专注于贷款业务本身，微贷额度较少，资金挪用可能性较小。
管理精细：客户经理对每户贷款都可以做到逐笔调查，精细化管理。
信息对称：客户经理从贷前决策到贷后管理全程参与，信息对称程度高。
风险定价：该模式能够做到根据客户不同资质进行风险定价，利润回报率较高。
方便快捷：该模式的贷款方式较为灵活，适合不同的企业选择。

IPC技术模式的缺点如下：

1）人员数量多

采用单户调查和分析的方式，依赖大量人才支持，银行必须不断做好信贷人员招聘与培训工作，充实一线队伍。

2）服务单一化

该模式无法为客户提供全面金融服务，市场竞争能力较弱，不利于锁定客户。

3）工作效率低

该模式逐笔操作业务，在走访客户时有需要大量时间，放款周期长，跟踪效率低下，规模增速较慢。

5）道德风险大

决策过于依赖客户经理自身判断，很容易产生道德风险。

3. 台州模式

小微贷款、普惠金融等市场领域，台州作为我国小微金融发展的标杆地区，在长期发展过程中取得了重要成就，逐步形成了颇具特色的台州模式，在国内外金融市场的冲击下其发展也面临着巨大的压力和挑战。

台州模式的特点如下：

泰隆银行：形成了以“三品、三表、三三制”为特色的小企业金融服务模式。
台州银行：探索出“三看三不看”的风控技术和“下户调查、眼见为实、自编报表、交叉检验”的信贷经验。
民泰银行：形成了“看品行、算实账、同商量”的风控“九字诀”特色做法。

台州模式面临的挑战如下：

1）个性服务供给偏少

面向小微企业信贷产品虽然众多，但产品功能单一，地方性、区域性特色小微金融服务产品创新较少。

2）技术赋能有待提升

小微金融机构亟需科技赋能，打造线上融资产品体系，提高服务效率和降低运营成本。

3）复合人才集聚不足

台州金融人才结构不合理，单一专业人才偏多，跨专业复合型人才少，尤其是对国内小微金融市场和业务熟悉的人更是偏少。

4. 巴塞尔协议模式

传统银行以巴塞尔协议为基础开展相关风控工作，可称之为“巴塞尔模式”。从1988年的巴塞尔协议Ⅰ到2001年的巴塞尔协议Ⅱ，直到2010年推出的巴塞尔协议Ⅲ，最终要求银行进一步明确资本定义，扩大风险覆盖范围并加强交易对手信用风险管理。

在巴塞尔协议模式中，信用风险主要以PD（Probability of Default，违约率）、LGD（Loss Given Default，违约损失率）、EAD（Exposure At Default，违约风险敞口）、期限、相关性等计量方法为核心来计量。

巴塞尔协议模式的优点如下：

全面风险管理
涵盖信贷业务等各类风险
具有可实施的风控计量体系和方法

巴塞尔协议模式的不足如下：

实施巴塞尔协议需要监管机构审批
虽然内部计量模型依靠银行自身数据，但是其局限性极易导致估计偏差
对于金融创新监管没有实时更新和统一的方法

二、智能风控模式

从线下到线上，从因特网到移动互联网，随着时代的不断发展，银行风控体系也在不断演变。起初，银行人工审核办理信贷业务，后来逐渐引入系统辅助，完成了从人工审批到自动审批的进化。

随着大数据的发展，更多弱变量加入风控体系，替代了原先的单一强变量风险评估，完成了自动化到大数据的进化。在互联网与移动互联网时代，新型欺诈手段层出不穷，人工智能技术催生大数据向智能化的演变。

智能风控技术是银行在自动化、大数据、云计算、人工智能、区块链等金融科技应用的基础上，逐渐发展而来的。与传统风控相比，在以下方面具有鲜明特点。

智能风控的优势如下：

大数据平台是基础：为数据模型与风控策略提供高质量数据保障。
决策引擎是媒介：为数据模型与风控策略提供高效部署能力。
智能模型是大脑：将原始数据提炼为规则集，实时预测风险水平。

智能风控的不足如下：

与传统业务匹配度低，业务人员难以理解和应用。
传统风控制度，与智能风控方式仍存在一定矛盾。
经验驱动的传统风控，与数据驱动的智能风控难以相互融合。

三、智能风控与传统风控

与传统风控模式侧重专拣经验不同，智能风控更多的是以量化模型和基于数据分析的策略为主，不仅能够对每个申请的好坏进行对比和排序，还能进一步说明每一笔申请的风险在什么水平、PD是什么水平、LGD是什么水平。在这个基础上我们就不仅能做审批，还能够做精确的风险定价等更多的工作。

具体而言，两种风控模式在以下3个方面有所区别，如表所示：

四、数字化风控

我们永远不要忘记，银行的本质是风控，无论传统模式还是智能模式，最终目的都是要做好风险管理。数字化风控堪称传统风控与智能风控的集大成者，既吸取了两种模式的优点，也在最大程度上避免了两种模式的缺点。

数字化时代，传统风控的短板显而易见，而智能风控从银行实际情况来看，应用领域有限且处于探索阶段。大部分银行最需要实现的是风控的标准化与数字化，其中最关键的是信用风险决策的底层逻辑及量化过程。

数字化风控的表现形式主要有以下3个方面。

1. 数字化风控流程

数字化流程是数字化风控的基础，贯穿信贷业务贷前、贷中、贷后等将部分或全部环节。例如在贷后环节，信贷资金真实流向、客户还款记录、客户回访信息及客户其他风险信息，需要通过流程来获取并保存。

数字化流程以优化客户体验、提高决策效率、降低操作成本为目标，其最重要的意义，在于风控的标准化与稳定性。流程标准化才能产生有价值数据。

2. 数字化风险信息

在传统模式中，银行信贷决策依据的信息有文字的、数字的；有行内采集的、外部数据源提供的；有原始材料和加工后的信息。这些信息首先都需要电子化，形成数字和标签，然后通过特定数据逻辑，将信息归纳后呈现出来，用于风险决策的信息依据。

此外，为了支持应用层面的数据需求，往往需要对系统内部的数据资源进行“治理”。从数据治理到数据呈现，是信息由里到外进行数字化的完整过程。

3. 数字化风险决策

风险决策自动化是数字化风控的高级表现形式，目前在信用卡审批和小金额的消费金融领域，已经完全实现决策的自动化。

风险决策的自动化往往涉及数据和风险决策模型。数据涉及内部数据和外部数据的连接和管理。涉及模型就需要根据信贷产品的结构、流程、数据资源和客户情况，形成风险逻辑并量化。量化的风险决策模型，能避免人员的主观性和道德风险。

数字化时代，土地等不动产要素价值会不断降低，企业创造价值的方式也在发生改变，越来越多的企业不再依赖土地、厂房、设备来创造价值。银行未来的客户，其业务模式迥异于传统，如果还坚持无担保、无抵押不能放款，将面临客户大量流失、业务严重萎缩的极端不利局面，在新的经济生态系统中无法立足。选择数字化风控升级，是银行必然选择。

银行要基于传统信贷、IPC模式、信贷工厂以及巴塞尔协议的成功经验，结合最新智能风控技术，构建全面数字化风控体系，如图所示：