PM角度：怎样理解“数据风控”的行业？

点评：数据风控是一个什么样的行业？本文主要分为两个部分，分别是做什么？怎么做？全文整理编辑成大白话，可以快速理解。对于风控小白，可以扫盲一二。

一、数据风控的目的是什么？

可能大家都知道，当我们想去银行办一笔贷款的时候，从客户的角度，大概流程是这样的，

当我们换个角度，从银行的角度来看，流程又是这样的

从上面两张图看起来，这里有这个重要的环节就是，在贷款申请人提交了申请资料之后，银行需要来审核这个人的申请资料，毕竟是银行要先给你钱，银行总要知道你以后是很有可能会还这笔钱，而不是说拿了钱就跑。

拿一笔房贷来说，如果你贷款300万元，年化利率是5%，一共贷30年，那么在这30年中，银行大概是一共可以收你200万多的利息(是不是很多？)，这个钱其实也就是银行赚的钱(如果你知道资金成本这件事，你应该已经不是本文的读者了)。那从合理的角度来说，我一笔可以赚到这么多钱，那么我派好几个人来审核你的贷款，从成本（主要是这几个人的工资）上来说也是划算的。我们再来看看这些小额贷款，如果你贷款2000块，只借一个月，就算在这一个月，我收你10%的利息(年化利率比100%还高，是不是看起来很高？)，那么从金融机构的角度来讲，他只能赚200块，从这个角度来说，如果我再派一个人花好几天的时间来审核你的贷款申请，先不讨论客户体验的问题，仅从银行收入的角度来说（赚的钱还不够发工资的呢，更别说别的成本了），就不是一个合算的买卖。那我们该怎么办呢？

只有一个办法

用机器(主要是电脑)去提高劳动生产率，把成本降低到能让企业赚钱的程度。

但用电脑代替人有一个很重要的前提是

用数字去描述人的各种行为，并且要把这些描述逻辑写成电脑程序，以便电脑可以执行。

所以，简单说来，用电脑代替人来进行贷款审核，会需要如下的四类职位共同的协作来完成（毕竟他们需要的专业知识还是有相当差距的），当然实际情况会比这个复杂的多。

•   业务人员:这类职位主要确定我们的金融产品的相关细节，他会懂得客户的需求和金融相关的知识，一般人说他也是所有需求的发起者。

•   数据分析师:这类职位的主要作用就是把业务需求转化为数学逻辑。

•   IT研发:这类职位就是把数据分析师所得到的数学逻辑写成计算机程序和代码。

•   IT运维:这类职位的主要作用就是保证电脑的正常运行，不要死机。

当然，根据实际情况职位之间也会有相互交叉，同时也会有更多细分的职位。

我们说的大数据风控其实就是我认为就是这里提到的数据分析师和业务人员的结合体，把人对风险的判断转换成电脑可以识别的数学逻辑；更进一步能够通过对数据的分析提供挖掘出等多有利于我们对客户风险的判断。

二、做好数据风控需要掌握什么技能？

为了成为一名合格的数据风控，其实是需要掌握很多技能的，当然除我以外很少有人能掌握，并有过各种相关的实操经验（一个大写的无耻！），下面我们就逐一来介绍这些技能。需要注意的是，有些技能是硬功夫，也就是那种通过短期的突击培训能够相对熟练掌握的技能；有些技能是那种看的见，摸不着，需要时间和项目去不断累积的经验才能掌握的技能。

代码能力。这个简直是作为一个数据风控的基础中的基础，如果一个入门的员工连这个技能都没有的话，在绝大多数急功近利的企业中，是根本不会有任何机会的，如果你的其他能力又不足够吸引人。毕竟像我前前前东家那样愿意培养新人，看潜质给机会且不差钱的良心企业不多，目前国内绝大多数都是那种每个毛孔都留着血和什么肮脏的东西的资本家办的企业。

主流的需要掌握的技能，基础是SQL，R，Python，SAS中的任意一样，不过其中的SAS在国内目前用的人有越来越少的趋势。如果能同时掌握个2~3样，还有一个精通，就是加分哦。

SQL，个人觉得不要求水平很高，像partitionby之类的不会也罢，但基础的select\join\order\group总要会把，而且这个是属于那种突击一周都能掌握的技能。

R，不是特熟，不装了。

Python，主要是pandas,numpy,statsmodels,sklearn这四个包。

SAS，主要是数据部和summary,freq,means,reg,logistic等过程，另外如果能熟练掌握宏和excel的输出技能，就完美了。

数学基础。这里的数据基础主要是概率论和数理统计中的主要内容，包括均值、方差、假设检验、回归分析等内容，另外为了跟上目前机器学习这个热点，最好还要学习一些相关的决策树算法、离散数学、运筹学、最优化等方面的内容。具体要学什么、一句两句也说不清楚，请持续关注我的微信公众号或知乎专栏就好。

数学建模能力。这个既可以很简单，也可很复杂。往简单来说，就是按照行业已有的套路把模型做出来，一般来说主要跟着做一两个项目，虽然很多地方不知道为什么，但只要按照规矩来走，出不了大茬子；往复杂去说，其实数据风控就是将业务问题转化为一个个的数学问题，去求解和分析。虽然说行业中能够可能碰到的问题也就那十几种，但能在不同的机构把这些事情都实打实，不应付的做一遍，而且有自己的思考和发挥，这种机会不是天天有的。

银行业的基础知识。同样，如果简单的话，只要搞清楚你们家的房贷，利息到底是怎么算出来的，在各种情况下的违约金是怎么算的，每个月的还款金额是怎么算出来的，到底有几种还款方式；往复杂里说，目前主流的个人信贷产品的产品特征、费用构成、主要客群等信息，像《货币银行学》、《宏观经济学》、《微观经济学》还有近些年特别时髦的行为经济学的相关书籍、包括我们国家跟银行业、征信业相关的监管机构、职能及法律法规，跟风控相关的上下游产业，比较主流的黑产等也要大概了解一下吧。

数据知识。数据是数据风控的原材料，没有这些原材料一切的无从谈起。那么我们国家目前针对不同等级的个人信贷产品，能够在业务流程中获取到的数据都有哪些、每种数据不同的数据来源是哪里、都有哪些数据的供应商、数据的主要获取方式、当前的主流价格、每种数据在使用中会涉及到优点和问题。

行业和业务经验。这个东西就很玄乎了，就拿做风险策略这个东西来说，很多事情就像一层窗户纸一样，原理很简单，但别人不跟你说就是搞不明白。另外这些经验主要包括，在不同场景下常用的风险策略、在突发情况发生时常用的应对方法、风险策略的决策机制、如何与IT部门沟通风控需求、怎么写各种文档等。

就连陈浩南也是从小弟做起的，这个行业跟其他行业也没有什么大不同，都是从别人告诉你怎么做，到自己搞明白怎么做，再到告诉别人怎么做这么一个曲折上升的过程，但唯一不变的就是变化，尤其我们这个行业的相关知识迭代的速度可能相对于其他行业更快，逆水行舟，不进则退，与君共勉！

以上内容，原文出自张岩，数据风控和模型从业者，点评+整理自饭团“策略产品经理研习社”，点击这里可关注：https://fantuan.guokr.net/groups/149349010586624?utm_source=kuahao （如果遇到支付问题，请先关注饭团的官方微信服务号“fantuan-app”）

---------------------

整理者：凤城狂客，目前是AI方向的高级策略产品经理，知乎认证专栏作家、人人都是产品经理专栏作家。曾服务过金山、魅族、唯品会、太平洋等知名互联网公司，微信公众号/知乎/简书ID“凤城狂客”。

饭团“策略产品经理研习社”，分享产品策略类案例、前沿科技的干货。其中策略类产品涉及几个方向：商业化、个性化推荐、用户增长、搜索排序、AI等