編輯導語：如今市場變化多端，做好風控對于公司來說是非常重要的。本篇文章中作者結合實際經驗，探討了很多小貸公司風控總搞不好這個問題。希望對你有所幫助，感興趣的小伙伴們快一起來看看吧。

風控本身的邏輯、技巧、心得我已經說了不少了，如果你沒有什么感受，要么是你沒好好看，要么是你接觸的還不夠多，要么是我說的不夠好。最后一個要么發生的概率肯定是極低的。

我們這次聊聊行業內的一些事情。主要是想探討下很多小貸公司風控總搞不好這個問題。

大的消金機構，背靠大廠有海量數據的，用自有的數據建模，模型隨時迭代都行，一般不會有什么問題。當然這些機構也是要用外部數據的，分開用就行。

而幾乎所有的小貸公司，除了在app端搜集一些信息，沒有什么數據可用，只能接入三方數據。

怎么評估一個三方數據的效果呢？

最方便的辦法當然是，圈定一個樣本，一個數據源一個數據源往里面加去計算增益，簡單說就是去算加入一個數據源KS提升了多少。

這個做法本身沒有什么問題。

但事實是，絕大多數小貸公司都會陷入一個困境，就是引入一個新的數據源，測試效果好好的，一上線對通過率、壞賬率一點提升都沒有，甚至常常出現負面影響。

那是什么地方出問題了呢？

這種做法是只知其一不知其二。不得不說，這個領域雖很成熟，但大家都在一成不變地套用經驗和辦法。終局是死局。

01

我們都知道，投資理財有三種策略，保守型、冒險型和組合型，所有人都告訴你組合型的回報是最高的。

大家有沒有想過，這是為什么呢？

如果組合型只是一半保守型+一半冒險型，為什么最終收益不是兩者平均？

因為策略是分兩步走的，一步是資產組合，一步是再平衡。

一定周期后例如半年或一年，要把資產再平衡，重新組合，如此往復，最后才能帶來遠高于單個策略的回報。再平衡背后是低買高賣的行動。

跟組合投資分兩步一樣，上面說的建模過程頂多就是其中一半的工作，而不是全部。

我知道很多小貸公司，為了測試三方數據的效果，就是會去圈定一個樣本，才好明確新增一個數據的價值。

這樣做最大的好處是，計算過程很清楚，數據指標很明確，花這個錢去接入這個數據源的決策是很好給老板匯報的。

但是這是打頭的策略，就這一條你覺得能做好風控？

我們不說模型重要還是策略重要，這兩者都很重要，沒有必要分什么高下。

但如果說模型思維和策略思維呢？一定是策略思維更重要，因為策略是更貼近業務的。

你拿著一個固定的樣本，這個數據測一下，那個數據測一下，這個月測一下，下個月測一下，希望把這個樣本測試效果提升到最優，這就是模型思維。

天天盯著這個樣本集，跟業務一點關系都沒有，不把風控做死才奇了怪了。

線上模型在跑的效果不好，你不去找原因嗎？

怎么找？拆分唄。

背后每個數據源的效果要去看看吧，數據源有子模型就先去看子模型，沒有子模型看重要變量也行啊。

尤其是，現在監管合規原因，三方數據越來越多地只提供評分，不提供底層特征變量了。

這對追求效果來說是不利了，但對排查原因很有利啊，畢竟簡化了。

是每個數據源效果都下降了，還是某個數據源下降了，時間上能不能對得上，空間上這個下降幅度說不說的過去。

其他數據源穩定，就某個數據源KS下降很大，那問題是不是大概率就是它了？

它都有問題了，你還拿原來的樣本，在已用的數據源上，找新的三方數據去提升效果，你說是不是自嗨？

如果數據源效果波動跟最終模型效果波動趨勢都一致，那是不是可能就是你們客群結構變動太大了？

客群都換了，還去優化原來的樣本，前朝的劍還能斬本朝的官？

即使找原因你什么都沒找出來，對小貸公司來說最重要的是什么？

用戶啊，模型上線跑了大半年甚至一兩年了，這些最新的用戶你藏著不用？更別說這個「即使」本身就很小概率。

上面的問題想清楚了之后，你還會采用最開始的做法嗎？

02

市面上可能幾乎所有的小貸公司，都是滿腦子想著做模型的，沒有別的原因，就是不專業。

我提供一個辦法，一個策略思維的辦法。

你肯定選好了幾個數據源，一部分是行業用的多的，起始階段就用了，一部分是你們聽說不錯后來測試有效果接入了的。

假設這些數據源提供的就是評分，以及這些評分效果都沒有問題。

就基于這些數據源，用歷史數據，不斷迭代策略，也就是決策樹，或者劃格子算交叉效果。

當然，模型可以更好。但模型不是重點，迭代才是。

不管你們是什么方案，按我下面的策略來做風控ABtest，最起碼能超過7成的對照組。

戰勝70%對照組的策略思維：

• 在最新n個月的樣本上，計算選用的每個數據源評分的效果；
• 挑選效果最好的，和第二好的評分做交叉（例如各分十檔），得到一個新的決策結果；
• 再和第三好的做交叉，得到另一個結果，以此類推；
• 交叉效果會越來越弱，提升不明顯就可以停了，一般來說4、5個就足夠了。為什么我沒有說所有的做交叉，還不是因為太多了，10^5太大了。但不用擔心，按上面的貪心思想的做法足夠接近最優；
• 每個月甚至每周每日，監控各個數據源評分的效果，和決策流的結果，每三個月甚至每個月，重復步驟1-4更新整個決策流。

就這么簡單。用上最新的樣本，迭代整個策略，如有必要下線有問題的數據源。

說到這里，有些人可能笑話我滿嘴跑火車了，我無法對我提的想法做任何回測，我也知道那毫無意義。

所以我解釋了背后的邏輯，信則有不信則無，救生指南不是對每個人都有用的。

不要跟我說北美的玩法，也不要說國內銀行的玩法，不要說那些常年不變的東西，你們小貸公司做這些是因為變化還是不變呢？

富貴險中求，不變的那些東西是你能掙的錢嗎？

如果你們團隊遇到了此類困境，但你沒法去跟老板提，可以隱晦地讓有決策權的老板看到我這篇文章。不敢說路子一定能走寬，但大概率能解決你們的很多煩惱。

03

每家平臺都說自己是數字科技，說自己可以精準地預測每個人的現金流，說發放的貸款不會有高壞賬。馬云也是這么說的。

這是資本主義的視角。事實是，鼓勵超前消費、奢侈消費，是會系統性地降低未來收入的。

我們不要從資本的角度考慮問題，要看長遠。

本來對于我們這些平民百姓而言，收入增長的速度就未必能趕得上經濟增長的速度。

富人對利率精打細算，傻子才會去負擔超過經濟增速的利率。

哪家小貸公司不是針對窮人的貸款，不是在窮人身上刮油，有哪個小貸平臺敢“明示年化利率”的。

當然了，它們現在必須明示。所以呢，我巴不得高利率的小貸公司批量倒下，消費信貸回歸正統、回歸樸素。

那我是在給小貸公司解決辦法嗎？是也不是，無論我說什么，小貸公司都不會聽，我只是在和底層風控同學探討交流。

資本之外，底層從業者無罪。

本文由@雷帥 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。