z6com·尊龙凯时金融研究院风控专家 辛园

如果要真正做到数据驱动，，
，，可能要有四个关键理念
。。。

第一、
、
、、从数据本身出发，，
，要确保与自己合作的数据源合法合规。。。

第二
、
、
、
、不同的机构有不同的偏好，，
，同时银行的规模
、、、
、发展阶段以及考核指标等的不同
，，，导致银行在风控方面对数据及模型的要求也是不同的，
，因此需要基于本行的数据、、、风险偏好确定风险尺度
。
。。
。这不是简单地直接套用市面上比较好的数据、、
、、模型和策略，
，而是要结合业务偏好，
，客群特点等自身情况进行具体分析。
。。。

第三、、、、搭建数据驱动的风控体系
，
，，需要匹配自身的时间
、、数据和成本等要求。。每个银行自身的情况，
，，如技术人员和基础设施等，，，，都需要结合目前条件进行盘点
、、、准备，
，，，才能为实现数据驱动打牢基础。。。。

最后一个就是风险的自控，，风险和业务的平衡就是一个点，，
，，我们尽可能地抓到这个平衡点
，
，
，，通过数据识别风险，
，，，驱动业务，，，把这条路走得更长远，，
，
，这才是数据驱动的真正目的。。
。

具体来讲，
，，，搭建数据驱动的风控体系，，，，分三步走。。

首先，
，，引入外部三方公司合作。。。能提供丰富解决方案的三方公司，
，，可以帮助项目高效落地，，很大程度上减少前期启动的时间成本。。但是在这之前一定要了解公司的存量数据，，，，可以结合自身业务偏好，
，，数据质量等，，从某一个点做切入，，，通过数据清洗、、
、、加工及挖掘
，，找出这些数据里面可用的价值点，
，，明确未来数据应用的布局和方向
，，
，这之后再结合外部三方公司的成熟经验和解决方案进行体系搭建。。。
。

其次，，，在数据驱动风控体系中
，，
，，架构设计要做到不同的产品、、场景搭配不同的数据
、、、模型
、、规则及策略。。这绝对不是简单地将一个场景、
、、一个模型应用到所有业务中，，而是要将数据、、、、风控技术和业务场景进行匹配。。

最后
，，线上化
。
。。大数据具有的高维属性，，
，，依赖线上环境来进行处理
、、、、计算，
，同时，
，，线上化流程可以减少过程中主观因素的影响或其他环境风险，，，
，提高效率。。。并且通过实时线上化数据分析，，可以时刻关注数据表现，，根据数据监控的反馈结果及时有效地进行模型或策略迭代。
。
。。这其中需要注意的一点是，，线上化推进过程中，，在准备没有做好之前不建议全产品线上化，，而是要以阶梯式地完成。
。。

另外，
，，，搭建大数据风控体系还有最重要的一点就是风险胃口和组合管理，，风险胃口决定我们的策略标准，
，，要把风控匹配在不同的模块和业务场景中，，并进行组合式的管理，
，，对KPI、、、KRI要做好监控及预案要知道可能会面对什么样的问题，，，，出现问题来的时候
，
，要有相应的解决方案。。。。