4月28日，爱钱进如期举办了第三期“Fin-Tech"沙龙。本期沙龙邀请到的主讲嘉宾是来自爱钱进母公司普惠金融集团的刘羿先生。刘羿是普惠信贷高级总监，毕业于芝加哥大学MBA学院，曾就职于花旗银行、阿里巴巴和京东，在投资金融、金融咨询、市场分析、宏观经济以及风控研究方面都有着很深的造诣。

 
    董祺：分享本身会带来价值

    会议开场，普惠金融及爱钱进创始合伙人董祺对大家到来表示热烈欢迎，董祺表示：在现下的互联网金融行业，信息分享本身不会构成竞争优势，竞争优势来自于获取信息后的处理方法，基于信息建立起自身在效率运作或者风控方面的优势，这才算得上是竞争优势。董祺认为，在互金行业里，分享能够提升出更高的价值。此外，在监管收紧、行业逐渐合规的现状下，通过发起与业内交流分享的方式互相学习已经很有必要，保持创新、学习、不断前进的姿态也是爱钱进和普惠金融集团举办“Fin-Tech”沙龙的初衷。

 

    风控内部分工恰似一个厨房运作

    当我们谈到风控时，我们都在谈什么？风控本身晦涩难懂，刘羿有趣的比喻让风控本身更加“亲民”。风控分工包含：策略组、模型组、数据组、法律及内部监控、风险预测、大数据、反欺诈和催收。策略组是最前端这一部分，用一个形象的东西去比喻，这个人就是一个厨师，他去烹调这个菜；模型组就是给厨师做厨刀，厨刀快不快完全决定菜的质量；数据组给提供厨房需要的食材，今天是买鱼、肉还是菜？法律恰似烟雾报警器一样，火大了烟飞上去了，就要给厨师发出警报。而大数据反欺诈就是在先期避免你一些不必要的损失，最后催收就相当于是一个善后处理的过程，如果是有一些不尽如人意情况发生，他们会负责把这些不好的情况的损失降到最低。

    为风险划线，界定好风险分水岭和基本原则

    风险从低到高包含了不同的划分等级，这形成了不同的风险分水岭，不同的风险分水岭又对应不同的基本原则。针对到每个借贷个体，对其本身的风险测评结果不是一成不变的，而是动态调整的。 

    从风险分布来看，分布越偏中间证明越集中，两边越窄说明它在整个风险中的方差越小，那么这部分资产就会在整个资产中占比较高，会成为你整个资产的基石，受风险波动会小一点且它会把整个资产的坏账率拉低。这揭示了一个潜在意义是：不同风险的资产在你整个资产中的配比对你很重要。

    同时，接入消费场景有助于完善风控模型。就贷款的目的和消费场景来看，这也是一个风险的分水岭。就消费目的来看，借了一笔钱拿它去还以前的贷款，这是风险最低的一种，说明借款人已经意识到要控制自身的债务。另外，如果你不知道你的借款人拿这笔钱去干了什么，但是你能抓住他的消费场景，可以通过消费场景的接入知道借款人的消费目的，这样也可以在贷中进行风险预测并反馈到贷后，并应用到其他模型分析。

    未来风控趋势： 根据数据和判断维度进行机器学习向线上决策变化

    我们现在来看整个未来风控会形成什么样的趋势呢？

    现在数据和判断纬度进行机器学习向线上决策变化这是其中一个趋势。针对一些模糊的无法判定其客观风险的概念，机器学习一些纬度上的分析能够突然发现这些你描述不出来的纬度，通过机器学习就会觉得这个人可能是因为他的年龄或者他个人信息是不太真实的，由此给出了较高的风险评估结果。通过诸如此上的机器学习就可以把本来线下很模糊的概念解释清楚并作为新的维度加入线上的决策分析。

    同时未来人们通过算法进行输入信息帮助你决策，这是另一个趋势，相当于在审核过程本来需要核实十几个材料，现在整个信息所有东西都精简成为两个材料，在数据上节省了很多的人力和无力，有效提高了企业的效率，降低了运营成本。另外还有一些数据收集领域会发展更快，未来我们有更多的收集更多纬度个人信息用于精准用户画像。

    比如说有很多个人数据，实际上在美国有很多私营数据供应商，他可以用各种各样的手段，不光是我们现在仅停留的征信方面，未来可能我们会有越来越多维度数据收集起来。未来那些需要大量清洗工作数据量会大大减少，取而代之的是更多高质量、更精准、标准化的数据，毕竟，未来的竞争将在于数据质量的竞争。

 

    “互联网金融市场合久必分，分久必合，竞争和合作是同时存在的，我们是希望利用分享契机跟我们不管同业还是上下游供应企业有一个良性的互动，假如说我们都是那些不靠风就能飞起来的企业，我希望我们能够一起飞的更高更远。”刘羿表示。我们风控不想做哈利波特那样的高大全，就想做一个背后默默守护公司会黑魔法的一个人，和逾期、数据、风险去对抗，打败伏地魔，我们正是一群在幕后做黑魔法的人。