技术和风控是线上信贷业务的两大支柱。技术是底层的支撑，风险是上层的建筑，之前的文章小编已经和大家探讨了大数据架构等问题，今天就和大家探讨一下风控架构体系。

下图是一个基本的风控框架体系，小编给大家一一讲解。

01 准入门槛

准入门槛一般涉及目标客群的年龄、职业范围和地区范围等内容，每家机构可以根据自己的业务特点进行选择。例如线上小额现金贷的人群为蓝领、小白领和私营业主等人群，借款人群的年龄集中在25-40之间。

02 用户申请

借款用户可通过微信、APP和PC进行申请，填写借款机构所需的信息，例如个人身份信息、职业信息和联系人信息等，完善身份认证，人脸识别和活体识别，绑定手机号码和银行卡等。为提升客户体验多采用OCR等技术获取数据，目的在于确保基础信息的真实性，防止伪冒申请。

03 反欺诈策略

反欺诈模块主要包含人脸+活体识别、风险名单检测、法院数据（失信人/执行人）、多头申请规则、设备数据反欺诈策略和其他征信数据等。

规则运行机制：命中高危规则：拒绝；命中暗点规则：标识暗点分和风险标签，暗点分累计达到**分（例如：X分）：拒绝；暗点分累计达到**分（例如：Y分）进行人工审核，识别欺诈风险。

该环节主要用于识别个人信息冒用、外部高危客户和中介代办申请等欺诈风险。

04 授信策略

通过反欺诈模块的用户进入授信给额模块，该模块含模型打分和授信给额规则，综合考核模型分和反欺诈模块的结果给予用户审批结果，审批通过的用户获取授信额度。

给额环节暗点分过高的用户拒绝处理，暗点分较低的用户给予降低额度，模型分评分过低的高危客户给予拒绝处理，模型打分越高且欺诈暗点分越低给予的额度越高。

05 贷后环节

放款成功后进入贷后环节，广义的贷后环节包括额度管理、风险指标监控和资产回收等。额度管理环节包含额度有效期管理、额度冻结、降额和提额等；风险指标监控包含业务数据类（例如：成交量、通过率、审核时效等），风险策略运行监控类和风险表现数据类等。

针对用户的逾期情况，机构可以采取资产回收模型和策略进行资产回收，涉及的环节包含电话回访、信函告知和外包回收等。

06 策略优化与模型迭代

由于借款人群的特征时常变化，风险策略和信用模型需每3个月进行一次迭代以适应人群的变化。除常规迭代和优化外，针对突发的欺诈事件和新进流量人群，也会进行策略的优化以适应业务的突变。

为保证业务正常进行，建议制定风险应急方案，包括但不限于接入备用底层数据源；备用网络通道，备用服务器，防止因服务器原因造成的业务瘫痪。

大数据风控通常有以下几个特征：

1.高对抗性：当前市场黑产体量庞大，薅羊毛、黑中介、黄牛、冒名申请等时刻都在发生，防不胜防。

2.灵活性：黑产群体不断变化特征和行为，风控策略需及时更新，必须要保证风控策略的灵活性。

3.准确性：风控策略首先需保证准确性，在保证准确性的同时提高查得率及召回率(Recall Rate,也叫查全率)。

大数据风控对模型的挑战：

1.模型的泛化能力：某些金融机构上线的普通模型，上线时可能效果很好，但上线后命中量基本处于直线下降状态，但在黑产群体的轮番攻击下，一周后命中量可能接近为零。因此简单模型对金融机构的意义不大，黑产群体几天甚至几个小时就可以尝试出来并规避。拍拍信的特征工程和深度学习以及海量鲜活样本测算可有效增强模型的泛化能力。

2.模型的可回溯性：风控模型识别出来的数据需做相应的处理，任何机器识别处理都不可能完全避免失误，因此模型一定要了解业务特征，使得任何处理我们都有理有据。

3.模型的更新速度：在高对抗性场景下，金融机构使用模型快速更新是关键。

本期对风控流程的分享就到这里啦，咱们下期见，欢迎大家联系探讨。

（欢迎点赞转发，小编先谢过各位老板啦✿◡‿◡ ）

本文为拍拍信原创，未经许可，禁止转载，侵权必究。

感谢您对拍拍信的认可与支持

我们一直在路上