什么是风控？什么是风控？

一、什么是风控？什么是风控？

风控（Risk Control）是指针对金融、商业及其他行业服务的风险，提供有效的控制和管理方法，以减少潜在损失的策略和措施。

它的目的是通过预测和识别风险，为企业避免或减小可能造成的损失。

风控的主要任务是制定一套完整的风险管理方案，包括对不良风险的识别、评估、监测和控制等，有效控制风险，提高管理效率和经营效益。在金融行业，风控通常包括信用风险、流动性风险、市场风险、操作风险等。风控的重要性越来越被人们所重视，因为它是保证企业稳健经营和可持续发展不可缺少的环节。

二、风控岗位？

风控：现代经济管理学中指控制企业财务损失风险的一种职称风控专员（对客户）职位职能: 风险控制。

负责贷款客户信息的管理工作（贷前、贷中、贷后）。

负责客户投诉的处理及回访工作。

负责对公司担保业务的风险控制、监测与管理工作。

负责组织对公司不良担保贷款的处置工作。

三、企业风控部门

企业风控部门是一个负责公司风险管理和控制的重要部门。无论是大型企业还是小型公司，都要设立一个专门的团队来处理风险和保护企业利益。企业风控部门担负着制定风险管理策略、识别潜在风险、监测公司业务活动等关键任务。

1. 企业风控部门的作用

企业风控部门的作用非常重要，它在企业发展中发挥着关键的保护作用。下面是企业风控部门的一些主要职责：

• 制定公司风险管理政策和流程，确保公司在合规和法规方面符合要求。
• 识别和评估潜在风险，制定相应的控制措施，以降低风险造成的损失。
• 监测公司各个业务部门的风险情况，及时进行风险预警并采取必要的措施。
• 制定危机管理方案，应对突发事件和危机情况，保障企业的稳定和发展。
• 制定风险管理培训课程，提高员工对风险管理的认识和能力。
• 定期向高层管理层和董事会报告风险管理情况，提供决策支持。

2. 设立企业风控部门的重要性

为什么企业需要设立专门的风险控制部门呢？以下是几个重要的原因：

• 风险防范：企业风控部门的设立可以帮助企业预防潜在的风险和危机，避免损失的发生。
• 合规要求：随着法律和监管的不断加强，企业需要符合各项合规要求，否则将面临罚款和声誉风险。风控部门负责确保企业符合相关法规和规定。
• 保护企业利益：企业面临的风险多种多样，包括市场风险、信用风险、运营风险等。风控部门的职责是通过有效的风险管理措施，保护企业的利益。
• 提高决策水平：企业风控部门定期向高级管理者提供风险管理情况的报告，这有助于高级管理层制定战略和决策。
• 信息安全：风控部门负责确保公司的信息安全，包括数据泄露的预防和应对。

3. 企业风控部门的组成

企业风控部门的组成通常根据公司规模和业务特点而有所不同。一般来说，一个完整的企业风控部门应包含以下几个重要职位：

• 风险经理：负责制定风险管理策略和流程，并监测和评估公司的风险状况。
• 合规专员：负责确保公司的经营行为符合法规和合规要求。
• 内部控制经理：负责监督和管理公司内部控制体系，确保公司的业务活动合规和有效。
• 业务风险分析师：负责对公司各业务部门的风险进行分析和评估，提供风险预警建议。
• 危机管理专员：负责制定危机管理预案，并在危机事件发生时协助应对和处理。
• 信息安全专员：负责公司信息安全的保护和管理。

4. 企业风控部门的挑战

虽然企业风控部门在保护企业利益方面发挥着重要作用，但也面临着一些挑战：

• 快速变化的风险环境：随着社会和经济的发展，风险环境也在不断变化。风控部门需要及时应对新出现的风险，并制定相应的应对措施。
• 信息技术安全问题：随着信息技术的普及和发展，信息安全问题变得更加复杂和严峻。企业风控部门需要保障公司的信息安全，防范数据泄露和黑客攻击。
• 复杂的法规和合规要求：企业面临的法规和合规要求越来越多，要求企业在各个领域都符合相应规定。风控部门需要密切关注法规的变化，并确保公司的经营行为合规。
• 组织文化和风险意识：风控部门需要与公司的其他部门密切合作，但有时会面临组织文化的差异和风险意识不足的挑战。

5. 企业风控部门的发展趋势

企业风控部门在不断变化的商业环境中也在发展壮大。以下是企业风控部门的一些发展趋势：

• 数字化转型：随着数字化时代的到来，企业风控部门需要应对新型风险，比如网络安全风险和数据隐私风险。数字化转型可以帮助企业风控部门更好地识别、评估和管理风险。
• 大数据分析：企业风控部门可以利用大数据分析的技术来处理庞大的数据量，帮助发现隐藏在数据中的风险和机会。
• 人工智能应用：人工智能技术可以帮助企业风控部门自动化风险监测和预警，提高效率和准确性。
• 全球化视野：随着企业的国际化和全球化发展，风控部门需要具备全球化视野，关注不同国家和地区的风险和法规。
• 跨部门合作：企业风控部门需要与各个业务部门和高级管理层保持沟通和合作，形成整体的风险管理体系。

总结：企业风控部门在企业中扮演着重要的角色，负责保护企业利益和管理风险。随着商业环境的不断变化，企业风控部门也面临各种挑战和发展机遇。通过合理的组织架构、技术应用和全球化视野，企业风控部门能够更好地管理风险并为企业的发展提供保障。

四、公司风控有那几方面？

一般来说，企业风险主要有一下几个方面

①战略风险

②财务风险

③运营风险

④市场风险

⑤法律风险

五、求推荐风控类的书籍？

作为一个从小就不会读书的人，这是我唯一能看的进去的一个系列。首先附上知乎大佬求是汪在路上和风控猎人的书单有些书是在他们的文章中看到才去读的。如果有更多推荐的书单，欢迎留言或者私信。作为风控新人，个人的描述和理解或许偏颇，如果有不同看法，请务必相信您是对的，因为我真的是菜鸡新人。

1. 数据化风控

这本书我个人非常喜欢。虽然周围同事和网上评价都不好，认为太过粗糙；但是，我个人觉得：

（1）优点：框架感非常好，简单直接，快速告诉我信用评分建模怎么做。在入门阶段，真的是非常友好，如果上来就是大而全、信息过于饱满，反而让人不容易吸收。对于模型入门同学、风控策略、商务、解决方案、管理人员和其他非风控技术人员，实用性强，不涉及推导和公式，可以在几个小四快速知道建模是怎么回事。

（2）缺点：忽略了很多知识点，对你的工作落地不会有直接帮助。这里借鉴求是汪的说法，看完这本书后，想要深入了解，还需要思考以下问题：①技术上，逻辑回归的基础原理，PSI和KS等指标的原理，变量筛选的依据，模型校准的原理，模型上线部署的流程和注意事项，机器学习算法如何与传统评分卡融合，模型架构合计该考虑哪些因素，模型优化该从哪些方面入手，分群变量如何产生，需要做哪些分析等；②业务上，Pre-A、A卡、B卡、C卡的业务场景，贷前额度策略和利率定价应该怎么做，贷中调额和贷后催收，模型交付时模型的开发和评估文档怎么写，模型使用说明文档和模型监控报告等。

2.智能风控：Pyhton金融风险管理与评分卡建模

这本书是建模专家梅子行老师的第二本风控书，主要讲了使用python进行评分卡建模，书中的内容很基础，但是对于刚入行的童鞋而言，里面提供的大部分代码可以直接使用，比如利用toad建评分卡的代码，可以帮助你一下午建立人生中第一个评分卡。

3.智能风控：原理、算法与工程实践

这本小白书是梅子行老师的第一本书，但是实际上是小黑书的下册或者说进阶版。书中有介绍一些前沿的算法，提供了源码。网上有一套梅子行老师的视频课程《金融风控实战》，这本书相当于是课程的plus版本。其实，我个人的工作主要还是lr、xgb和lgb为主，感受是书中很多算法并没有涉及到，所以对我工作中的可操作性不是很强，但是书是值得去研读和学习的。因为给提供了一个方向，这些新技术迟早是要落到风控领域，当银行和消金逐渐接受集成学习的时候，可解释性的要求依然慢慢降低。

另外，作者梅子行老师常年活跃于各个风控微信群，有关书籍的问题可以直接找本人解答，也算是一个福利。

4.Python金融大数据风控建模实战 基于机器学习

这本书算是很用心了，但同样是蛮多的机器学习内容，实际风控建模中不会使用支持向量机建模，使用神经网络建模的场景也是比较小的。所谓风控，策略先行，模型为辅。如果我可以用简单的逻辑回归建立满足效果的模型，何必使用深度学习呢？在带来少量增益的同时，也会带来不稳定、没有解释性等诸多问题。目前来说，风控领域内，深度学习应用在特征工程的空间大一点，真正大批量使用nn建模还有一段路要走。扯远了，哈哈哈....

5.消费金融真经

这本书比较薄，全书没有一个公式，侧重于风险管理思维。可以帮助了解一些基本概念，增加一些可沉淀的知识。整体来说，是从美国的经验来讲，从产品规划，信用评分设计，获客，账户管理，催收，利润规划，职能规划，不同场景下的消费信贷管理就行了框架式的介绍和阐述，可以对消费信贷全流程业务进行了解，是一本可供入门读者了解行业基本框架和方法的书。建议适用对象也是入门的小白，所发生的作用就是：引进门。其次修行就全靠自己了。 核心知识点：知道了信贷利润怎么计算； 结合现有工作账户经营里还有诸多可待挖掘之处；很多名词。

6.信用评分模型技术与应用

此书2005年刚出版时国内此类书籍较少，当然现在看来内容过于浅显。虽然浅，但难得方向正确，在使用的时候主要看框架，分析部分可以战略性略过。在工作中的话，如果建模没有直接参考意义，但是写报告的话还是可以借鉴一下的...

7.消费信用模型：定价、利润与组合

从这本书开始，就到了重头戏了。西南财经大学的李志勇教授翻译了三本风控书籍，江湖人称红宝书、绿宝书和蓝宝书。这本蓝宝书非常有趣，侧重于概率描述和博弈论。主要思路以计量模型展开，通过概率客户整体的损益平衡点，使用反应函数等构建均衡博弈，作者对传统经济学是有一定积淀的。整体来说的推导其实比较适合对定价进行深入的理解，不过业界未必用的这么深入。

可以说是银行信用卡业务集大成者的一本书，覆盖面相当广，而且其中的公式推理也相对通俗易懂，没有从天而降的式子，让人看着蒙逼的感觉。不过，感觉是囫囵的看完，应该还得再多翻几遍，里面有些点其实还没太吸收好。

最后要说，这本书的翻译者李志勇教授是真的牛，翻译水平是真的高。这里举个例子：

“申请评分就像是在申请时给消费者照一张相，然后与借款后一段时间的另一张照片对比。它只是将申请者的静态特征与未来固定时期后的静态状态的好坏标签进行比较，所以只是一个分类问题。而行为评分则是对消费者刚过去的一段时间的动态表现录像，然后与其在未来时间的一些状态照片对比。”

8.信用评分应用（第二版）

鼎鼎大名的绿宝书，按照求是汪和风控猎人的建议，和《消费信用模型：定价、利润与组合》同一作者，数学公式同样很多。有选择性地挑选一些章节阅读即可。这本书，我也没有读完...

9.信用评分工具：自动化信用管理的理论与实践

业内第一书，红宝书，信贷领域的百科全书，没有别的就是牛逼。作者把30多年的风险管理从业经验娓娓道来，整理教训和总结心得，让读者对风控领域有更深入的了解。读起来比较费力，书中不乏各类公式，比较枯燥乏味。

坦白说，我是没有完全读完的，更多是当字典用。比如之前在困惑，坏样本最少有多少，才可以建模。这本就很明确的给出了答案，好坏样本各有1500.

有时间的话，真的可以从头到尾读一遍。

六、如何判断直播账号风控还是设备风控？

结论：无法单一判断直播账号风控还是设备风控原因：直播平台的风控策略是涉及多个方面的，包括但不限于用户账号、设备信息等。账号风控是根据用户的个人信息、行为、历史记录等来判断风险等级，如恶意关注、评论等行为；而设备风控则是针对设备的独有信息，如IMEI/MEID、IP地址、操作系统等。因此，不能单一判断直播账号风控还是设备风控，需要综合分析。延伸：建议用户在使用直播平台时，遵守平台规则，不参与违法违规活动，不恶意攻击他人，保护好个人账户和设备信息，减少被判断为风险账户或设备的概率。同时，如果出现账户或设备被风控的情况，可以向平台客服咨询并提供相应的证明材料。

七、风控体系标准？

一般来说，这是不同界定观点，有六级，也有五级界定。具体包含以下内容：在产品引进、产品评审、产品发行、主动管理的项目设计等方面，实施六级风控措施。具体包括：第一级：优选合作的金融机构--（业务排名、过往业绩、综合实力、成立年限等）；第二级：从优选机构中，精选优质产品；第三级：定量进行产品优选；第四级：投研中心进行项目内审--（行业状况、财务指标、收益率、综合评定）；第五级：风控委员根据项目资料，进行项目评估；第六级：风控合规委员会终审会进行项目表决。

八、风控引擎原理？

风控的特点要求规则引擎具有快速迭代的功能。可以尝试使用下明策智能决策引擎，编辑灵活 、发布迅速，还具有一定的机器学习功能。

九、风控工作职责？

认真贯彻落实公司制定的风控制度，加强风控管理建设。建立集团公司风险防范体系，进行法务合同，审计和风险控制的管理。负责对业务操作中可能出现的风险点进行风险提示等。

十、风控入门知识？

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，逾期率好算得多，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，又一个程度问题。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。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。

顶一下

(0)

0%

踩一下

(0)

0%