如何“謹慎”使用“數據驅動”的風控模型（一）-- 數據篇
人工智能時代來臨，2017年“數據驅動”在整個信貸生態圈熱度陡增，無論是金融機構、助貸機構、徵信機構、大數據廠商等，無不在各大論壇、峯會、沙龍、融資中宣傳各自“數據驅動”的理念。而銀監會的121號文則給大大小小的機構潑了一盆冷水，“謹慎”使用“數據驅動”的風控模型，字字珠璣。小編認爲，監管層的意圖無需過度解讀，但無疑監管層已深刻洞察行業魚龍混雜，充斥着以“數據驅動”爲名、實以高利率覆蓋高壞賬的玩家。小編也在與各大信貸機構的風控從業人員、風控解決方案提供商的交流過程中，發現對“數據驅動”理念一知半解的大有人在，更別談“謹慎”使用了。小編總結認爲至少存在以下誤區：
Ø 對接了外部徵信數據就認爲是“數據驅動”或者是“大數據風控”
Ø 過度依賴大廠或權威資源，例如芝麻分、人行徵信等等，缺乏自主風控能力
Ø 算法至上，認爲風控模型解決一切，KS值多高、壞賬率控制的多低，云云
人工智能的發展離不開數據，作爲未來消費金融行業的重要着力點，如何正確搭建“數據驅動”的風控模型，並“謹慎”使用呢？
首先談理念，這裏需要將討論的範圍從狹義的風控模型擴展到風控體系，限於篇幅，僅介紹小額消費信貸的風控審覈場景，應對欺詐風險及信用風險，不包括操作風險、流動性風險及系統性風險。大額度的消費信貸或小微企業融資，以目前的徵信數據條件人工參與風控是必不可少的，此處不再贅述。數據驅動（風控）的關鍵理念包括：
ü 理解你的客戶，不同的客戶羣體、消費場景、產品設計所面臨的風險點是不同的，沒有一套風控體系（風控模型）可以包打天下；
ü 數據爲先，有用的數據、高質量的數據是成功的關鍵，如同沒有上好的食材，給個米其林三星大廚也沒用；
ü 風控體系搭建非一日之功，數據驅動也非一針見效的靈丹妙藥，需要不斷的迭代、優化，小步快跑，早期建議先進行小範圍、短週期試驗，除非公司不在乎錢；
ü 風控的目的不是杜絕壞賬，而是基於盈利的預期，平衡風險與收益，取得利潤最大化；
ü 緊盯你的數據表現，切勿盲目樂觀，新的風險往往從未知之處悄然而至，如果你的風控體系能越快識別、應對、抵禦這些風險，遭受的損失就會越少。
鋪墊了這麼多，終於可以切入主題了。謹慎使用“數據驅動”的風控體系，需要“數據 + 決策 + 監控”的動態閉環。整個體系需要不斷的演進，通過持續的模擬測試，A/B實驗，不斷髮現新的規律、新的變量，使風控體系越來越健壯。
數據篇
風控數據包括了採集的原始數據與加工的衍生數據，原始數據包括產品採集的用戶基本信息、設備指紋、消費場景相關的交易信息，以及外部徵信數據；衍生數據是按照風控決策的需要，對原始數據加工後的變量。
數據的種類很多，用途也很多。設備指紋數據與反欺詐高度相關，多頭借貸、失信被執行人等數據則與信用風險強相關，性別、年齡、地域、學歷等則是信用風險的弱相關數據，通常組合在一起使用更有效。
在互聯網爆炸的時代，XX盾，XX融，XX查，XX聯等數據供應商鋪天蓋地，企業內部也有動輒成千甚至上萬的數據標籤，大家似乎都不缺數據。然而，數據多不代表數據有用，數據多不代表能夠支撐高頻、實時、複雜、多變的風控決策，錯誤的數據一定會得到錯誤的決策結果。因此，今天小編着重和大家聊聊數據質量管理，如何確保數據能用、有用。
數據質量管理，通常由以下5個關鍵步驟組成：質量問題探查，清洗規則定義，清洗方案測試及部署，實時數據清洗，數據質量監控。
數據剖析：解決問題之前，必須瞭解問題。要解決數據質量，首先要了解數據的現狀，瞭解潛在的問題。舉個栗子，假設我們拿到一批數據，其中有性別這個字段，我們想當然會覺得裏面的值應該是“男”或“女”，但實際觀察裏面的值可能是“男”、“女”、“男性”、“女性”、“F”、“M”，“空”，等等；再比如，×××的字段，有些是18位的，有些是15位的，也可能是12位的，仔細觀察12位的數據，它是截取了前4位或後4位，中間用了*號做掩碼；再比如，電話號碼字段，觀察其中的數據，有固話、手機、帶區號的、不帶區號的，區號分國家代碼的，區號不分國家代碼的，等等。可以想象，數據字段越多，剖析出的問題會非常多。我們有時把數據質量管理等同於數據清洗這個動作，實際上，數據剖析的重要性絲毫不亞於數據清洗的執行，沒有足夠的數據剖析，是無法制定完善的數據清洗方案的。
清洗規則定義：通過數據剖析，瞭解了數據的各項問題之後，就可以針對各數據項的特點，設計清洗的規則。清洗的方法有很多種，包括替換、映射、截取，等等。除了將數據清洗成乾淨有用的數據之外，通常還需要制定規則，將無法清洗的髒數據隔離起來。
清洗方案測試與部署：確定了清洗規則之後，部署之前應經過充分的模擬和測試，可以先用離線數據、歷史數據進行批量清洗，檢查清洗的效果。
實時數據清洗：清洗方案部署到線上系統後，可以自動清洗實時採集的數據，及時將髒數據隔離起來。
數據質量實時監控：數據清洗不是一勞永逸的，一切都在變化之中。是不是出現了新型的髒數據？清洗程序有沒有正常運行？數據源是否出現了質量事故？數據源是否斷了？能不能自動切換主備線或採取其他的備用機制？一句話，數據質量實時監控。
好了，數據篇的主要內容今天就介紹到這裏，近期還會繼續推出：如何“謹慎”使用“數據驅動”的風控模型（二）-- 決策篇，向大家介紹完整的風控決策體系，敬請期待。