金融服务本质上是一个风险经营的行业，不论是以银行为代表的传统机构，或是以网络小贷为代表的新金融机构，都是如此，风控水平决定着从业平台的盈利水平和可持续发展能力。互联网、大数据、人工智能等金融科技的出现不但飞跃性提升着反欺诈、用户画像和风险定价的效率，更毫无疑问强化着前述的风控“地位”。

(网图)

　　风控的作用，简单来说就是“让钱借得出去也收得回来”，然而实现起来却是极度复杂。这其中尤为关键的因素是数据、技术和场景。

　　数据的重要性非常容易理解，或直接、或通过互相分析印证等方式给出结论：这个客户征信情况如何、违约风险多高、还款能力几何等等。互联网社会中，数据种类多样、维度丰富，相对来说，获取不是难事，但合规有效及用户隐私保护却常常被忽视。

　　关于数据收集，有观点认为可以先跑起量，再做数据收集，最后建模。对此，金融科技服务机构中望金服CRO马斌斌表示，这样的顺序极易导致后期收集到的“脏”的数据难以清洗，以此为基础的建模和量化就会受阻甚至被迫返工、需要进行系统重构和数据库重建。这样不但在流程上走了弯路，同时也浪费了一些数据。所以，对量化管理来说，在早期进行数据收集是更高效的做法，当然这对系统的要求也非常高。

　　在数据方面，中望金服在多年行业经验和自有数据沉淀的基础上，在公司成立初期进行风控系统搭建和决策引擎上线等基础设施搭建的同时，即开始与数十家征信公司、第三方数据公司进行对接和评估。数据抓取、外部数据引入、数据存储、数据挖掘、模型应用、精细化管理等，把专业严谨落实在每一步，以确保数据的准确性和模型应用的可靠性。

　　技术是风控的技术设施，但有时却又和它并不是“一条心”。理论上，风控越严越好，这样筛选出来的客户才足够优秀、就能把违约风险降到最低;但这样的话，门槛太高，业务量不够的话平台的盈利和发展也就无从谈起。所以技术的作用就是“掌握平衡”：既要提升业务量，也要把风险控制在合理范围。

　　苏宁金融打造了“伽利略”信用风险模型，从内外部PB规模数据提炼、衍生出2000+的关键特征，结合XGBOOST、随机森林、神经网络等先进的机器学习技术构建了多业务场景的风险模型，实时评估用户的信用风险和欺诈风险，为业务保驾护航。

　　中望金服自主研发的全流程智能风控系统闻名业界。构建多源大数据集市，千维数据融合复杂关系图谱，对借款用户进行全面立体画像，提高产品匹配精准度和反欺诈效率，结合美国Sparkling Logic决策引擎系统，进行全流程多维度风险防控，将风险防控落实在每个环节。

　　在风控系统中，场景的影响意义在于建模。不同场景下的金融业务模式不同，建模的内容也不同，与业务模式相匹配的风控模型才是有意义的，这种有效性不止存在于不同业务模式间，甚至同业中的不同公司也各不相同，从这个角度来讲，风控内功只能自行修炼，无从模仿。

　　在这方面，batj这样的互联网公司优势独特，依托旗下搜索、社交、电商产品的近乎垄断性的地位，坐拥海量数据，继而形成相关场景下得天独厚的风控优势。

　　关于中望金服

　　中望金服2016年成立于北京，公司致力于以科技力量打造新金融新生态，基于大数据风控、决策引擎、智能系统等金融科技优势，为金融机构提供优秀金融解决方案，为金融消费者和小微企业提供普惠金融服务。