风控是门艺术 AI抢不走从业者的饭碗

很多人认为，风控工程师们只需要精通数学和技术，就能搭建起完美的风控系统。而由于计算机精于计算，编程语言更是计算机原生的沟通语言，因此他们认为风控一职会很快被AI取代。

但在我看来，风控是一门技术，更是一门艺术。未来很长时间内，风控这一职业只能由人类主导。下面我分几个方面讲。

一、前瞻性是风控的试金石

在计算机出现之后的一段时间，我们习惯于利用计算机来处理数据，生成模型、策略，这对风控的前瞻性原则产生了冲击。

但风控本质是保障业务在合规的情况下能可持续发展。这要求风控必须向前看，也要求风控在很长的时间内保持稳定。而现阶段的AI强在海量数据的分析整合归纳。需要明确的是，一切数据都是采集于已发生的历史事件，这导致机器学习很难以预见未来。

要打造具有前瞻性的风控系统，很大程度上依靠工程师的经验与脑洞，但也有一些套路：

1.明确业务目标，风控最终目的是为了业务正常开展，因此在构建风控策略和模型之前，首先要明确的是我们要达到什么目标，解决一个什么业务问题。目标决定了如何验证风控系统的有效性，也决定了我们要在什么人，哪些时间段去选择数据。

2.尽量使用有以下三大要素的数据：

1）代表性：大多数的风控模型都是用在获客环节，那我们在建模事所用的数据需要针对接下来几个月，从特定渠道的获客人群的特征。例如从客户端和从支付宝获取的用户，特征是完全不同的；

2）稳定性：特征数据所指向的特征一旦发生改变，风控也就随之失效。为了让系统能在长时间内保持有效，必须保证数据指向的稳定性。

3）可使用性：这一点常被忽略。举个例子，在Capital One的时候，我们在一次数据分析后，发现一些和电话号码相关的信息在风控当中非常的有用。但在事后发现，依据这一数据搭建的策略在真实环境中完全不能用。原因在于，我们在获客阶段不会获取用户的手机号，这导致策略输出的结果全都是missing。

3.在搭建风控系统时，很多数据可能是缺失的。这个时候，我们要有测试的概念。具体的过程是谨慎设计测试方案，在保证风险可控的情况下做小流量的测试，快速迭代模型直至系统稳定。

二、全局观必不可少

许多机构可能认为风控只在获客环节产生影响，但实际上，风控牵一发而动全身。你一旦将坏的用户引入到产品，可能会影响资金安全，影响催收，反过来口碑的下降又会影响获客。

为了实现全局观，我们可以从以下三个要素进行考虑：

1.客户群。

在新的业务或新的产品上线之前，应该先考虑用户群的特征，我们的产品是针对B端还是C端，受众的画像、偏好、属性都是什么？