互联网金融公司风控发审要点

『壹』 互联网金融风控模型都有哪些

以P2P网贷为例

一、销售环节

了解客户申请意愿和申请信息的真实性，适用于信贷员模式，风控关键点。

风控关键点：不同类型的借款申请调用不同的信用评分规则引擎。

二、贷后存量客户管理环节

存量客户授信调整是存量客户管理中的重要一环

风控关键点：

1、违约情况观察，比如是否发生早期逾期，连续多期不还欠款、联系方式失效等

2、信息关联排查，比如存量客户中是否有与新增的黑名单、灰名单数据匹配

三、贷后逾期客户管理环节

还款意愿差和还款能力不足是客户逾期的主要原因，这个环节主要涉及逾期客户管理与失联客户管理

风控关键点：

1、催收模型、策略优化。

2、失联客户识别与修复失联客户信息。

四、资金流动性管理环节

流动性风险是P2P网贷平台的主要风险，跑路P2P网贷平台的一个重要原因就是发生了挤兑。大数据下的流动性管理其实是实时BI的一个应用。传统BI数据T+1，大数据是实时BI。

风控关键点:

1、资金维度

2、业务维度

『贰』 在金融公司工作的人来说说风控怎么做。

风控并不是个新职业，不过近几年它的发展势头变得越来越好。无论在传统金融还是互联网金融领域，它都成了一个紧俏的职业。这跟近几年金融领域形态的多样化有关，用户对于风险控制变得越来越关注。

总体来说，风控岗位涉及到的工作包括业务审查（业务发生前的审核，通常未通过审核，业务不能执行）、风险监测（业务发生后的持续风险监测，包括预警及应对等）以及业务综合管理（数据的统计分析等）。

一、工作内容（在银行、保险、信托、期货、P2P互联网金融平台内部，风控的工作侧重不尽相同。）

1.银行

相比其他类型的金融机构，银行的风险管理部门更为成熟。“巴塞尔委员会”1988年7月制定的《巴塞尔协议》里为全球商业银行确立了明确的风险管理标准，确定了管理哪几类风险。尤其对怎么管控信用风险、市场风险、操作风险说得非常清晰。

贷款业务是占银行风控日常工作比重最高的一类业务。处于中端的风控部门往往在客户阅读贷款细则时就开始进入风险审核，看贷款对象的个人风险评估是否符合要求，经过风险评估后的业务才会被提交到更高管理处审批—也就是说，风控的工作存在于交易的过程中。

银行风控的这种运作方式也成为许多金融机构风险管理的母本。比如保险行业大多是参照银行的做法。

2.期货、信托、小额贷款、融资租赁企业

从风险管理的角度来说，期货、信托、小额贷款、融资租赁企业都算是比较新兴的类型。它们的风险管理以风险为核心，侧重信用风险、操作风险、市场风险、交易对手风险等等。

这些行业的新兴之处还体现在业务的复杂和创新需求上。比如信托，以房地产作为信托产品和以汽车作为信托产品是不一样的，某种程度上来说每个项目都需要开发一套创新的金融产品。当一个创新产品出来的时候，这个产品是不是能变成一只基金，或者变成某一种产品推到市场上去，它们的风险管理部就要进行审核。这种情况下，风险管理部需要判断这个新产品的风险是否可控？风控敞口有多大？万一出现问题，项目坍塌了，储户或者是投资者来向公司要钱时，刚性兑付的资金压力有多大？有多少可能性这个项目就有多少可能收不回来钱？

风险管理部对于新产品的审批意见非常重要，如果风险管理部或风险管理委员会不批的话，这个新业务真的可能会被否掉。这是一个权力很大的部门。

3.网上个人信贷（P2P）

相对传统金融领域来说，P2P还处于初期阶段，因此风险管理工作可能并不是很完善。有一些企业在做这类金融产品的时候，可能只是从金融企业挖一两个人来就开始管理风险，他们的风险管理主要集中在信用风险审核。

二、岗位要求（论传统金融还是互联网金融，风控都算是一个硬性技能要求比较高的岗位，但根据工作内容的不同，对公司人的要求也有所不同。）

在传统金融领域及P2P中，金融行业相关的知识和经验是很重要的。

对于毕业生来说，尽管大部分金融机构和企业都抱着一种“反正都是白纸，我可以用我们的体系来培养”的观念，但如果是金融专业同时具备一些比如FRM金融风险管理师、CFA特许金融分析师等专业证书会更有竞争力。

对于社会招聘来说，风控人才主要来自两个渠道，一个是从其他类似机构找人；另一个则来自于大会计事务所或咨询公司，后者出来的公司人往往有一些金融企业审批或企业风控的外部服务经验。

三、工作状态及挑战

不同类型的金融机构及企业的风控因为其职能的不同，所呈现出的工作状态会有所不同。

通常，一些大型银行的风控部门由于业务稳定，规模较大，人员充足，因此工作负荷不大，属于行业中工作压力较小的部门。不过一些跨国银行的风控职能往往集中在国外总部或区域中心，中国的风控部门更多地扮演执行的角色，个人的能力体现和成长空间都会受到一定的局限。

在一些大型金融机构，风控的工作重点在于如何将领导的风险偏好转化为合理的风控工作指标，凸显自身价值。

一些中小型金融企业，以及非银行金融机构的风控，由于业务类型复杂、创新性高、变化大，原本就不够充沛的风控人员，往往需要承担更大的工作负荷。这类风控人员的职能压力往往来自于不仅要控制风险，同时还要提高工作效率，即：不错杀好项目，不漏杀坏项目，同时也不能延误业务时机。这种时候还有可能受到来自业务部门的压力，如何在业务发展和风险管理之间找到平衡，如何在压力下，坚持风控的专业判断，都是一个好的风控人需要考虑的。相对来说，这类企业的风控人员压力更大，能力的提升也更快。

不管是传统金融还是互联网金融都面临着不断发展和迭代的挑战，这使得风控人员必须保持很强的学习能力和好奇心。

四、职业发展方向

在大部分金融机构里，风控岗位的职业晋升往往通向首席风险官，最终可能成为银行的副行长，或是其他金融机构的副总经理，主要还是偏重风险管理和控制类的工作。

五、薪酬状况

根据统计数据表明，在金融行业各职能部门的薪酬涨幅里，尽管中后台部门仍然没有前台部门的15％高，大约在5%至10%之间，不过风控在中后台其他职能部门中算是涨幅比较高的。

之所以能有这样比较有优势的涨薪，主要有两方面原因。原因之一在于人才贮备不足。过去很多人都没能认识到风控工作的重要性，所以大家不太愿意入行，另一方面这又是一个需要专业技能的工作，因此整体而言从业者不多。原因之二是因为这两年互联网金融发展非常迅速，大大小小的P2P平台的出现催生了风险控制人才的需求。加上银行、保险、期货、信贷、小贷、小微贷、PE、VC这些行业本身也都有很大的风控人才需求，所以使得这类人才出现缺口。这些企业之间的人才竞争也把风控人员的收入拉到了一个比较高的位置。

从具体行业来说，银行业风控的薪资涨幅平均在5%至10%之间；保险业相对平稳，因为保险业圈子狭窄，风控流动率较小，薪资涨幅不大。证券基金业内中资外资风控的薪资涨幅有非常大的差异，所以没法得出一个明确的参考标准。P2P行业的风控人员大多是来自银行或是同行业。在跳槽的过程中，他们的薪资会得到一个比较大的提升，增长幅度可达30%至50%。

从区域上来说，风控人员的需求主要集中在一线城市。二三线城市需求量虽大，但薪酬偏低。

一线城市有5年到10年经验的银行风控人员平均年薪在30万到60万元之间；保险业有10年以上工作经验的风控在外企的薪资约为70万元，在本土企业为60万元；证券基金业有5年至8年工作经验的风控经理在本土企业的年薪一般在30万至80万元之间

『叁』 互联网公司风控流程如何梳理

这个很复杂的，建议您上贷出去、网贷天眼、星火互联网金融研究院看看，尤其是星火钱包的，有一套严格风控体系，有博士级别写的评估报告。

『肆』 互联网金融如何做风控

互联网如何做好风控：

（1）先要了解风控体系的建立是打算以哪种形态存在；线上审核、线下审核还是线上线下结合模式。
不建议纯线上风控审核，基本目前市场还是要以线上评分机制与线下风控结合为主，如果纯线上风控审核，对于风控而言难度还是相当大的，那么真实性、道德风险、合规性等都需要防范的，一旦投资者的资金出现问题，止损难度和费用都会相应增加，纯服务平台，是否承垫付投资人损失，那么对平台会有相当大的预期风险，如果不承诺垫付，那么市场投资者的粘合度、信任度等问题就需要解决，对于互联网金融平台发展势必会受阻，需要承受的是长期的市场适应能力，当然也不排除有些：非结构化产品特殊可行性模式；

（2）互联网金融也是一种传统模式的颠覆，传统的金融模式：投资者、服务平台（P2P）、融资者，对于一端的投资来分析，互联网金融公司，是一个快捷有效的一个投资方式，操作的安全性、可控性、稳定性比较重要了；对于另一端借款分析，是否会有信用风险和道德风险出现，对于一个金融企业来说就至关重要，还是一个‘风控点’的问题。

（3）互联网金融公司应考虑进入市场方向、目标客户群体，打算以金融产品为市场导向，再去考虑风控掌握方向，先要把战略目标确定了，才能去确定有效的风控体系建立、市场推广方向等，现在就有很多家互联网背景的公司，他们的风控方向，目标人群是明确的，当然他们的互联网背景，也为他们带来了很多的优势，就是多年的用户和商户的数据累计，可以明确的进行数据分析、轨迹消费习惯测算，O2O供应链环节把控、产业链上下游控制等等的防范措施，这就是他们的风控把握明确方向。
扩展阅读：

风险管理：是指如何在项目或者企业在一定的风险的环境里，把风险减至最低的管理过程。它的基本程序包括风险识别、风险估测、风险评价、风险控制和风险管理效果评价等环节。

风险控制：是指风险管理者采取各种措施和方法,消灭或减少风险事件发生的各种可能性,或者减少风险事件发生时造成的损失。所以其实风险控制是风险管理中的一个环节。

『伍』 互联网金融做什么的

互联网金融（ITFIN）是指传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。

互联网金融不是互联网和金融业的简单结合，而是在实现安全、移动等网络技术水平上，被用户熟悉接受后（尤其是对电子商务的接受），自然而然为适应新的需求而产生的新模式及新业务。

互联网金融（ITFIN）就是互联网技术和金融功能的有机结合，依托大数据和云计算在开放的互联网平台上形成的功能化金融业态及其服务体系。

包括基于网络平台的金融市场体系、金融服务体系、金融组织体系、金融产品体系以及互联网金融监管体系等，并具有普惠金融、平台金融、信息金融和碎片金融等相异于传统金融的金融模式。

(5)互联网金融公司风控发审要点扩展阅读

互联网金融行业要持续、健康、稳定的发展，建立严格、完善的风控体系，形成贷前、贷中、贷后流程管理和决策系统是关键。国内互联网金融公司的风控水平与欧美发达国家相比还有一定的差距。

互联网金融的新拐点既是挑战也是机遇。无论是从业者还是监管者，都已经意识到了这样一个问题：互联网金融行业亟需革新，而提升风控能力，成为了推动互联网金融革新，加速国内互联网金融行业健康、有序发展的关键步骤。

随着中国互联网金融不断向纵深发展，P2P行业在本土化运营过程中出现诸多水土不服的现象。这在很大程度上与政府的介入和监管不足，相关法律法规出现缺位有关。所以在互联网金融的风控上，政府以及监管机构首当其冲，必须通过制定相关政策法规为行业树立标准。

『陆』 互联网金融风控模型，需要多大的数据

1、基于某类特定目标人群、特定行业、商圈等做风控

由于针对特定人员、行业、商圈等垂直目标做深耕，较为容易建立对应的风险点及风控策略。
例如：
针对大学生的消费贷，主要针对大学生人群的特征
针对农业机具行业的融资担保。
针对批发市场商圈的信贷。

2、基于自有平台身份数据、历史交易数据、支付数据、信用数据、行为数据、黑名单/白名单等数据做风控

身份数据：实名认证信息（姓名、身份证号、手机号、银行卡、单位、职位）、行业、家庭住址、单位地址、关系圈等等。
交易数据/支付数据：例如B2C/B2B/C2C电商平台的交易数据，P2P平台的借款、投资的交易数据等。
信用数据：例如P2P平台借款、还款等行为累积形成的信用数据，电商平台根据交易行为形成的信用数据及信用分（京东白条、支付宝花呗），SNS平台的信用数据。
行为数据：例如电商的购买行为、互动行为、实名认证行为（例如类似新浪微博单位认证及好友认证）、修改资料（例如修改家庭及单位住址，通过更换频率来确认职业稳定性）。
黑名单/白名单：信用卡黑名单、账户白名单等。

3、基于第三方平台服务及数据做风控

互联网征信平台（非人行征信）、行业联盟共享数据（例如小贷联盟、P2P联盟） FICO服务
Retail Decisions(ReD)、Maxmind服务
IP地址库、代理服务器、盗卡/伪卡数据库、恶意网址库等
舆情监控及趋势、口碑服务。诸如宏观政策、行业趋势及个体案例的分析等等

4、基于传统行业数据做风控

人行征信、工商、税务、房管、法院、公安、金融机构、车管所、电信、公共事业（水电煤）等传统行业数据。

5、线下实地尽职调查数据

包括自建风控团队做线下尽职调查模式以及与小贷公司、典当、第三方信用管理公司等传统线下企业合作做风控的模式。
虽然貌似与大数据无关，但线下风控数据也是大数据风控的重要数据来源和手段。

『柒』 银行风控与互联网金融风控区别在哪里

红象金融CEO林士强认为，银行的风控模型的出发点主要是测量借款方的还款能力，即借得起多少钱和还得起多少钱，也就是对借款方做个评级。一般来讲，模型都包含了两部分的评判，即客观性的和主观性的。客观性的主要是数据类型，能量化的。如公司的年度审计财务报告，银行流水，缴税金额等，这些数据放在已设定好的模型里就能给出个分数或等级，做为参考。但光靠客观数据还不够，比如说这公司所在的行业是淘汰落后的行业（如钢铁、水泥等），那么评级可能需要有些降级，再比如说公司的管理人在该行业的经验年限的长短，都会影响到这家公司的风险，所以这部分就得靠人为主观的去做些调整。
互联网金融风控主要分为三类：第一类也是较普遍的，大多数都还是参照银行或金融机构的风控标准，再结合自己的数据基础及模型做些调整，但大体上还是偏传统方式的；第二类即是利用大数据的，目前这类都算是在尝试阶段，并只能做些贷款金额较小的业务，基本上都不敢大规模的放开来做；第三类是以互联网思维来做风控，比如说有不少做大学生消费信贷的平台，利用了借款人的强关系网络，作为风控的一个重要评判标准之一。当然这在一定的小金额范围内是能起到作用的，一般人也不希望借个几千元不还然后被所有朋友、家长、老师等都知道，这个违约成本也太高了。但对选择大学生市场的平台来说，本身就选择了一个没有主动收入来源和还款能力较低的群体，所以肯定会有一定的坏账率的。现在整个市场也还没经历过一个完整的贷款周期，这种风控手段的有效性也还无法正确评估。

『捌』 常用的互联网金融大数据风控方式有哪些

1：验证借款人信息
验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。企业可以通过借助银联数据来验证银行卡号和姓名。
其他的验证客户的方式包括让客户出示其他银行的信用卡及刷卡记录，或者验证客户的学历证书和身份认证。

2：大数据分析提交的信息
大部分的贷款申请都从线下移到了线上，特别是在互联网金融领域，消费贷一般都是以线上申请为主的。
线上申请时，申请人会按照贷款公司的要求填写多维度信息例如户籍地址，居住地址，工作单位，单位电话，单位名称等。如果是欺诈用户，其填写的信息往往会出现一些规律，企业可根据异常填写记录来识别欺诈。例如填写不同城市居住小区名字相同、填写的不同城市，不同单位的电话相同、不同单位的地址街道相同、单位名称相同、甚至居住的楼层和号码都相同。
3：分析客户的消费信息
从客户的电商消费记录、旅游消费记录、以及加油消费记录都可以作为评估其信用的依据。有的互联金融公司专门从事个人电商消费数据分析，只要客户授权其登陆电商网站，其可以借助于工具将客户历史消费数据全部抓取并进行汇总和评分。
4：参考客户的社会属性和行为进行评估
参考过去互联网金融风控的经验发现，拥有伴侣和子女的借款人，其贷款违约率较低；年龄大的人比年龄低的人贷款违约率要高。经常不交公共事业费和物业费的人，其贷款违约率较高。经常换工作，收入不稳定的人贷款违约率较高。经常参加社会公益活动的人，成为各种组织会员的人，其贷款违约率低。经常更换手机号码的人贷款违约率比一直使用一个电话号码的人高很多。

5：调查客户是否进入黑名单
市场上有近百家的公司从事个人征信相关工作，其主要的商业模式是反欺诈识别，灰名单识别，以及客户征信评分。反欺诈识别中，重要的一个参考就是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单，大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑名单在两百万左右。
涉毒涉赌以及涉嫌治安处罚的人，其信用情况不是太好，特别是涉赌和涉毒人员，这些人是高风险人群，一旦获得贷款，其贷款用途不可控，贷款有可能不会得到偿还。

『玖』 优秀的互联网金融公司，都是怎么玩大数据风控的

现在一提起互联网金融行业、Fintech领域，人工智能、大数据风控的热度就直线飙升。许多交易规模比较大的互联网金融公司都在努力发展大数据风控技术，以构建提供普惠金融服务的能力。
那么，这些优秀的互联网金融公司，都是怎么玩大数据风控的呢?
陆金所：KYC 2.0系统
精准判断投资者的风险承受能力
陆金所自成立起就引进国际领先的第四代风险管理系统，借鉴平安集团经验，形成了成熟的风险管理数据模型。其近日又推出了KYC 2.0系统，力求通过大数据技术、机器学习以及金融工程等方法，建立完整的互联网财富管理平台投资者适当性管理体系，在资金端对投资者进行“精准画像”，并提供智能推荐服务。
据了解，KYC2.0系统在原有的保守、稳健、平衡、成长、进取五大类型基础上对投资者风险承受力评估结果进行量化，每位用户都会获得专属的风险承受能力分值，又称“坚果财智分”，对投资者风险承受能力的判断更精准。
点评：量化数据信息，进行大数据建模。
风控最好的数据还是金融数据，例如年龄、收入、职业、学历、资产、负债等信用数据，这些数据同信用相关度高，可以反映用户的还款能力和还款意愿，这些数据因子在风控模型中必不可少，权重也很高，是风险评估最好的数据。
所以，陆金所以平安集团经验为基础运用到的大数据风控，使用的是围绕用户周围的信用数据，这些数据的特点是和用户的信用情况高度相关，可以作为一个重要因子进行录入，对其个人进行打分，再对其进行个体分析，最终得到一个综合评分，这就对用户进行了一个精准的风险承受能力评判。
民贷天下：拓宽数据维度
实现纯线上智能化服务
民贷天下基于稳健、安全、规范的风控理念，其风控部门确定了“风控从严”原则，设定了借款审查、贷中管理、贷后跟踪等风控流程。目前，民贷天下正全力推进全智能化建设，构造一个完整的、从资产端到平台端的全链路大数据风控系统，通过对人工智能、大数据分析、知识图谱、区块链等技术的运用，为平台运营及业务发展提供强大动力。
在传统数据之外，民贷天下还不断拓展数据维度，如在用户授权下，对用户社交数据、访问时间、相关认证、通讯记录等数据整合分析，并且与蚂蚁金服、芝麻信用、前海征信、同盾等第三方机构紧密合作，进一步丰富对用户的数据画像，使民贷天下的大数据风控系统更加精准，从而实现从客户申请、受理、审核、授信、放款到贷中贷后管理等纯线上智能化服务。
点评：拓宽数据维度，是对传统风控的补充。
传统风控模型已经不能适应复杂的现代风险管理环境，特别在数据信息录入维度上，影响用户信用评分的信息较多，很多都没有引入到风险评估流程。而大数据风控可以提供全面的数据(数据的广度)，强相关数据(数据的深度)，实效性数据(数据的鲜活度)。
民贷天下利用这样的大数据风控，通过与第三方合作等方式，将内部数据以及原有数据打通和整合之后，就会影响风险评估结果，提升信用风险管理水平，客观地反映用户风险水平。这些多维度、全面的信息正是大数据风控的优势所在，同时也是对传统风控一个很好的补充，进一步实现智能化服务。
真融宝：以数据介质为主
构建数据和模型算法的核心技术
真融宝以数据介质为主，利用分布式计算处理数据，以公众互联网的全网为平台，以全网收集的数据来补充内部网集成的数据。并且在用户数据方面，对每个新进用户建立一份电子档案，对每名用户投资需求进行了解登记，并对每一笔资金进行多重备份，形成动态的用户资金数据。
除此之外，真融宝还利用大数据进行决策，将金融活动转化为智能数据处理活动，降低人为因素的干扰，提高风险评估、分析和预警能力，大数据提供的信息使得真融宝的决策更加科学智能化，对于风控的精准度控制起到非常大的帮助作用。
点评：数据和模型算法，可建立实时风险管理视图。
大数据的数据采集和计算能力，可以帮助企业建立实时的风险管理视图。借助于全面多纬度的数据、自我学习能力的风控模型、实时计算结果、坏种子数据，真融宝可以通过大量的数据累积，能够产生出非常有效的识别客户的能力，提升量化风险评估能力。
数据、技术、模型、分析将成为信用风险评估的四个关键元素，其背后的力量就是大数据的技术和分析能力。真融宝利用大数据的风控能力，实时输出风险因子信息，提高了风险管理的及时性。
一直以来，风控都是金融机构的生命线。从陆金所、民贷天下、真融宝这三家互联网金融公司为例，预计在未来，可能每家做借贷类的互联网金融公司都会发展出属于自己的一套大数据风控体系，并且随着互联创业公司的业务数据越来越大，数据基础会逐渐扎实。