金融風控如何評估

A. 供應鏈金融風控系統流程是怎樣的

供應鏈金融風控系統流程是怎樣的呢？依據我們供應鏈金融風控系統的開發經驗，下面來為大家進行介紹。
前期准備
拿到足夠多的數據做支撐
做足夠靈活的分析平台去分析數據
產出風險事件進行阻攔風險
量化風險攔截的價值和不斷分析案例進行策略優化
風控技術評估研究
日誌選擇：以增量日誌方式記錄存儲，hadoop或spark做分析，集群同步到客戶端機器上，做同步策略，不同緯度的數據做統計加工計算。
實時監控：監控在每一個環節的交易量和高風險操作，做閥值報警，以默認的規則做處理。
dns防範：防止http對dns的攔截，手動紀錄中斷被攔截掉的交易流，轉向存儲中心系統做處理給予用戶提示。
報警提醒：在發生重大災難的同時需要有一套完善的體系提醒風控人員近入作戰，以簡訊或電話的形式發起通知給用戶。
數據災難：數據的歷史紀錄應該有完整的備庫紀錄，這種操作不是必須的但是必要的，防止管理員因為誤操作導致的數據災難不容小視，啟東應急方案進行恢復。
日誌選擇：需要在原有基礎上做集群數據分析後，統一有一個入口的分析平台做匯總，對不同維度的計算規則做排重，這里我們可以使用elk的方式把數據清洗完成後，做相關的分析調研，實時讀庫的方式不可取，增量資料庫只保留歷史的數據，可以對時間做相關的約定，查詢的平台統一做相關的調控。
方案的選擇和實施

針對現在的數據規則，需要對現有的各方數據做分析指標，做數據倉庫，從不同的數據中計算對應的需要風控形成各種渠道的報表數據。如何通過查詢海量的歷史數據來支撐規則的運算，從分析的角度來看，又是一個IO密集型的應用；利用OLTP（online transaction processing ）和OLAP（online analytical processing）做相關的維度計算，主要針對用戶、功能、數據片、存儲空間、DB設計來做維度計算和方案的優化調整。

大到用hadoop做數據集群演算法分析，也可以用spark、storm來做。
簡而言之就是分布式框架，那麼什麼是分布式框架？

分布式計算框架實現了什麼？簡而言之，基於分布式計算框架的應用，就是一個分布式的應用；那麼分布式的應用解決了什麼問題？簡而言之，就是將請求處理的業務邏輯和所需資源合理地分布到N台伺服器上，這里就不在過多介紹。
基於C/S模式的原理，從client到server端的應用，採集需要的數據。Server之間通訊是有開銷的，只不過這個開銷是MS級的。系統在定位也是基於百萬級的應用。
以分層的概念，針對每部的風控模塊，需要在特定的時間做調整。緩存的應用：如果是歷史級別的數據，可以採用redis、cache來做，防止減少對於I/O的讀寫操作，減少存儲壓力的開銷。基於款時間的維度對應的風控系統計算，需要我們在處理的同時考慮數據的節點，分批次處理。對於變化多端的數據，建議利用高可用性能存儲設計，基於DB設計即可，數據結構要基於範式(NF)設計，不可有冗餘免得頻繁返工。
數據分離的優先選擇
資料庫讀寫分離機制：在初期，風控系統一般都極為簡單，此時侯一般通過資料庫主從復制/讀寫分離/Sharding（或slave進行）等機制來保證交易系統的資料庫和風控系統數據的同步及讀寫分離。風控系統對所需要的客戶/賬戶數據、交易數據一般都只進行讀操作。

緩存/內存資料庫機制：不管是交易系統還是風控系統，高效的緩存系統是提升性能的大殺器，一般會把頻繁使用的數據存放到Redis等緩存系統中。例如對風控系統，包括諸如風控規則、風控案例庫、中間結果集、黑白名單、預處理結果等數據；對交易系統而言，包括諸如交易參數、計費模板、清結算規則、分潤規則、銀行路由策略等。對一些高頻交易中，基於性能考慮，會採用內存資料庫（一般會結合SSD硬碟）。
RPC/SOA架構：要降低交易系統和風控系統的耦合度，在初期系統服務較少的情況下，一般直接採用RabbitMQ/ActiveMQ之類的消息中間件或RPC方式來實現系統間服務的調用。如果系統服務較多，存在服務治理問題，會採用Dubbo之類的SOA中間件來實現系統服務調用，這個期間我們需要支持用非同步消息完成rabbitMQ的消息的push/pull處理機制來處理違規數據和異常數據提取。

B. 在金融公司工作的人來說說風控怎麼做。

風控並不是個新職業，不過近幾年它的發展勢頭變得越來越好。無論在傳統金融還是互聯網金融領域，它都成了一個緊俏的職業。這跟近幾年金融領域形態的多樣化有關，用戶對於風險控制變得越來越關注。

總體來說，風控崗位涉及到的工作包括業務審查（業務發生前的審核，通常未通過審核，業務不能執行）、風險監測（業務發生後的持續風險監測，包括預警及應對等）以及業務綜合管理（數據的統計分析等）。

一、工作內容（在銀行、保險、信託、期貨、P2P互聯網金融平台內部，風控的工作側重不盡相同。）

1.銀行

相比其他類型的金融機構，銀行的風險管理部門更為成熟。「巴塞爾委員會」1988年7月制定的《巴塞爾協議》里為全球商業銀行確立了明確的風險管理標准，確定了管理哪幾類風險。尤其對怎麼管控信用風險、市場風險、操作風險說得非常清晰。

貸款業務是占銀行風控日常工作比重最高的一類業務。處於中端的風控部門往往在客戶閱讀貸款細則時就開始進入風險審核，看貸款對象的個人風險評估是否符合要求，經過風險評估後的業務才會被提交到更高管理處審批—也就是說，風控的工作存在於交易的過程中。

銀行風控的這種運作方式也成為許多金融機構風險管理的母本。比如保險行業大多是參照銀行的做法。

2.期貨、信託、小額貸款、融資租賃企業

從風險管理的角度來說，期貨、信託、小額貸款、融資租賃企業都算是比較新興的類型。它們的風險管理以風險為核心，側重信用風險、操作風險、市場風險、交易對手風險等等。

這些行業的新興之處還體現在業務的復雜和創新需求上。比如信託，以房地產作為信託產品和以汽車作為信託產品是不一樣的，某種程度上來說每個項目都需要開發一套創新的金融產品。當一個創新產品出來的時候，這個產品是不是能變成一隻基金，或者變成某一種產品推到市場上去，它們的風險管理部就要進行審核。這種情況下，風險管理部需要判斷這個新產品的風險是否可控？風控敞口有多大？萬一出現問題，項目坍塌了，儲戶或者是投資者來向公司要錢時，剛性兌付的資金壓力有多大？有多少可能性這個項目就有多少可能收不回來錢？

風險管理部對於新產品的審批意見非常重要，如果風險管理部或風險管理委員會不批的話，這個新業務真的可能會被否掉。這是一個權力很大的部門。

3.網上個人信貸（P2P）

相對傳統金融領域來說，P2P還處於初期階段，因此風險管理工作可能並不是很完善。有一些企業在做這類金融產品的時候，可能只是從金融企業挖一兩個人來就開始管理風險，他們的風險管理主要集中在信用風險審核。

二、崗位要求（論傳統金融還是互聯網金融，風控都算是一個硬性技能要求比較高的崗位，但根據工作內容的不同，對公司人的要求也有所不同。）

在傳統金融領域及P2P中，金融行業相關的知識和經驗是很重要的。

對於畢業生來說，盡管大部分金融機構和企業都抱著一種「反正都是白紙，我可以用我們的體系來培養」的觀念，但如果是金融專業同時具備一些比如FRM金融風險管理師、CFA特許金融分析師等專業證書會更有競爭力。

對於社會招聘來說，風控人才主要來自兩個渠道，一個是從其他類似機構找人；另一個則來自於大會計事務所或咨詢公司，後者出來的公司人往往有一些金融企業審批或企業風控的外部服務經驗。

三、工作狀態及挑戰

不同類型的金融機構及企業的風控因為其職能的不同，所呈現出的工作狀態會有所不同。

通常，一些大型銀行的風控部門由於業務穩定，規模較大，人員充足，因此工作負荷不大，屬於行業中工作壓力較小的部門。不過一些跨國銀行的風控職能往往集中在國外總部或區域中心，中國的風控部門更多地扮演執行的角色，個人的能力體現和成長空間都會受到一定的局限。

在一些大型金融機構，風控的工作重點在於如何將領導的風險偏好轉化為合理的風控工作指標，凸顯自身價值。

一些中小型金融企業，以及非銀行金融機構的風控，由於業務類型復雜、創新性高、變化大，原本就不夠充沛的風控人員，往往需要承擔更大的工作負荷。這類風控人員的職能壓力往往來自於不僅要控制風險，同時還要提高工作效率，即：不錯殺好項目，不漏殺壞項目，同時也不能延誤業務時機。這種時候還有可能受到來自業務部門的壓力，如何在業務發展和風險管理之間找到平衡，如何在壓力下，堅持風控的專業判斷，都是一個好的風控人需要考慮的。相對來說，這類企業的風控人員壓力更大，能力的提升也更快。

不管是傳統金融還是互聯網金融都面臨著不斷發展和迭代的挑戰，這使得風控人員必須保持很強的學習能力和好奇心。

四、職業發展方向

在大部分金融機構里，風控崗位的職業晉升往往通向首席風險官，最終可能成為銀行的副行長，或是其他金融機構的副總經理，主要還是偏重風險管理和控制類的工作。

五、薪酬狀況

根據統計數據表明，在金融行業各職能部門的薪酬漲幅里，盡管中後台部門仍然沒有前台部門的15％高，大約在5%至10%之間，不過風控在中後台其他職能部門中算是漲幅比較高的。

之所以能有這樣比較有優勢的漲薪，主要有兩方面原因。原因之一在於人才貯備不足。過去很多人都沒能認識到風控工作的重要性，所以大家不太願意入行，另一方面這又是一個需要專業技能的工作，因此整體而言從業者不多。原因之二是因為這兩年互聯網金融發展非常迅速，大大小小的P2P平台的出現催生了風險控制人才的需求。加上銀行、保險、期貨、信貸、小貸、小微貸、PE、VC這些行業本身也都有很大的風控人才需求，所以使得這類人才出現缺口。這些企業之間的人才競爭也把風控人員的收入拉到了一個比較高的位置。

從具體行業來說，銀行業風控的薪資漲幅平均在5%至10%之間；保險業相對平穩，因為保險業圈子狹窄，風控流動率較小，薪資漲幅不大。證券基金業內中資外資風控的薪資漲幅有非常大的差異，所以沒法得出一個明確的參考標准。P2P行業的風控人員大多是來自銀行或是同行業。在跳槽的過程中，他們的薪資會得到一個比較大的提升，增長幅度可達30%至50%。

從區域上來說，風控人員的需求主要集中在一線城市。二三線城市需求量雖大，但薪酬偏低。

一線城市有5年到10年經驗的銀行風控人員平均年薪在30萬到60萬元之間；保險業有10年以上工作經驗的風控在外企的薪資約為70萬元，在本土企業為60萬元；證券基金業有5年至8年工作經驗的風控經理在本土企業的年薪一般在30萬至80萬元之間

C. 互聯網金融如何做風控

互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用於借款人風險評估，借款人的信用風險就被揭示的更充分，信用評分就會更加客觀，接近借款人實際風險。比如愛財集團擁有業內領先的「人工智慧專家」系統和全流程自動風控信審系統。

D. 風控專家的結果指標的衡量標準是什麼

風控專家的結果只是指標的衡量標準是什麼我可以給你問一下風控的研究生他應該知道這個處理的方法。

E. 金融業務的大數據風控如何識別貸前風險

金融業務的大數據風控如何識別貸前風險？
一、網貸大數據無法消除，只能利用時間慢慢恢復自己的網貸數據信用。

二、一般來說大夥兒應用人行徵信紀錄都是留有查看印痕，這對借款盆友而言是較為不好的，並且絕大多數網路貸款全是沒有個人徵信記錄的，因此個人徵信也查不到實際的網路貸款信息，可是如今依然也可以根據微信小程序「藍冰數據」掌握到自身的本人數據，及其技術專業的評估講解和誠懇的提升提議。另外也可以掌握到大量的網貸信息、申請辦理紀錄、失信黑名單信息、網貸黑名單等信息。

三、使用者可查詢自己的大數據和信用狀況，可獲得各種指標，可查詢自己的個人信用狀況，網黑指數分，黑名單情況，網貸申請記錄，申請平台類型，是否逾期，逾期金額，信用卡和網貸授信額度等重要數據信息。

F. 常用的互聯網金融大數據風控方式有哪些

1：驗證借款人信息
驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭地址。企業可以通過藉助銀聯數據來驗證銀行卡號和姓名。
其他的驗證客戶的方式包括讓客戶出示其他銀行的信用卡及刷卡記錄，或者驗證客戶的學歷證書和身份認證。

2：大數據分析提交的信息
大部分的貸款申請都從線下移到了線上，特別是在互聯網金融領域，消費貸一般都是以線上申請為主的。
線上申請時，申請人會按照貸款公司的要求填寫多維度信息例如戶籍地址，居住地址，工作單位，單位電話，單位名稱等。如果是欺詐用戶，其填寫的信息往往會出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、填寫的不同城市，不同單位的電話相同、不同單位的地址街道相同、單位名稱相同、甚至居住的樓層和號碼都相同。
3：分析客戶的消費信息
從客戶的電商消費記錄、旅遊消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，其可以藉助於工具將客戶歷史消費數據全部抓取並進行匯總和評分。
4：參考客戶的社會屬性和行為進行評估
參考過去互聯網金融風控的經驗發現，擁有伴侶和子女的借款人，其貸款違約率較低；年齡大的人比年齡低的人貸款違約率要高。經常不交公共事業費和物業費的人，其貸款違約率較高。經常換工作，收入不穩定的人貸款違約率較高。經常參加社會公益活動的人，成為各種組織會員的人，其貸款違約率低。經常更換手機號碼的人貸款違約率比一直使用一個電話號碼的人高很多。

5：調查客戶是否進入黑名單
市場上有近百家的公司從事個人徵信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶徵信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單在兩百萬左右。
涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。

G. 金融風控如何做到嚴謹

1、風險政策制度框架體系：所有交易對手和產品引入都制定了明晰的風險政策指引，所有業務必須在制度框架內運行。
（說白了就是自己風控業務流程，對於投資人者以及融資用戶進行風險等級劃分）
2、信用評級：交易對手和產品進行主體評級及債項評級。(對於投資人者、融資用戶、產品進行風險等級劃分)
3、信息披露：針對每一個不同的產品，將其內部評級、底層資產、主要風險、還款來源、保障措施。
（就目前風險披露數據只是按照國家要求進行風險披露，但是並沒有標的產品進行風險披露，沒有融資企業進行風險披露，這個披露系統可以做成風險評估報告，後期也可以利用，企業供應鏈關系庫一定會用到）
4、投後預警監控：所有在售資產至少每三個月進行一次檢視。
(對於融資周期過長的企業可以每三個月進行企業經營狀況的上報，重點在於資金用途，回款方式以及周期；如果企業夠強大的話，可以利用大數據徵信對於那些未按時回款融資企業用戶的企業進入黑名單系統)
5、風險管理系統：陸金所的風險管理系統覆蓋全產品線、整個產品生命周期，實現風控的標准化、智能化、模型化，大幅提升陸金所風險管理工作的效率和效果。(這些東西都太虛了)
6、風險評價體系：不同的風險程度給予業務部門不同的業績評價。
7、資產、資金的精準匹配：投資者進行風險分類，產品與投資者風險適配系統，確保投資者都能買到適合其投資風格與風險偏好的產品。

H. 汽車金融風控應該怎麼做

對於汽車融資租賃公司來說風控最重要的是能夠通過軟硬體結合實現智能的「反欺詐」。

1、車貸徵信風控：車貸徵信風控分為對人的徵信和對車的徵信，對人的徵信除了弓|用央行徵信數據以外，還需收集個人職業、收入、住所、資產以及親屬等數據維度，從而生成極具參考性的個人信用評估報告，在此基礎上判定貸款人是都具備貸款資格，預防因個人徵信不足，貸款者無還款誠信，所造成的車貸風險；對車的徵信則需引用和建立車輛黑白名單資料庫，在此基礎上決定車輛是否具備貸款資格，預防黑名單車輛抵押、一車多貸等風險。

I. 互聯網金融的風控是什麼要如何去觀察一個公司的風控體系是否安全

互聯網金融領域本質上還是金融，風險控制仍是互聯網金融發展的核心。目前我國互聯網金融理財平台的幾種風控模式。
一、擔保機制
二、大數據構建風控模型
三、風險准備金模式
四、分散模式
主要看公司的網貸風控人員是否專業，風控體系是否健全和透明。合理的投資是以安全為前提，注意考察平台的風控體系. 一個平台的風控是核心，歸根結底就是安全第一，只有安全得到保障才能再考慮收益和標的期限，也就是資金的流動性