林亞臣

2021年10月18日，習(xí)近平總書(shū)記在主持中央政治局第三十四次集體學(xué)習(xí)時(shí)強(qiáng)調(diào)，發(fā)展數(shù)字經(jīng)濟(jì)是把握新一輪科技革命和產(chǎn)業(yè)變革新機(jī)遇的戰(zhàn)略選擇。在數(shù)字經(jīng)濟(jì)、共同富裕等國(guó)家戰(zhàn)略布局下，我國(guó)金融業(yè)正向著高質(zhì)量數(shù)字化轉(zhuǎn)型邁進(jìn)。銀保監(jiān)會(huì)主席郭樹(shù)清指出：“為促進(jìn)經(jīng)濟(jì)金融良性循環(huán)和高質(zhì)量發(fā)展，3億新市民將成為重要的活力源泉?！便y保監(jiān)會(huì)、中國(guó)人民銀行于2022年3月聯(lián)合印發(fā)了《關(guān)于加強(qiáng)新市民金融服務(wù)工作的通知》，明確新市民范圍，鼓勵(lì)引導(dǎo)銀行保險(xiǎn)機(jī)構(gòu)積極做好與現(xiàn)有支持政策的銜接，強(qiáng)化產(chǎn)品和服務(wù)創(chuàng)新，高質(zhì)量擴(kuò)大金融供給，提升金融服務(wù)的均等性和便利度，不斷提升新市民的金融服務(wù)水平。

數(shù)字金融服務(wù)新市民大有可為

幫助新市民在城市落地生根的重要舉措之一，是更好地滿(mǎn)足其金融需求，為其做好金融服務(wù)。這既對(duì)我國(guó)構(gòu)建新發(fā)展格局、實(shí)現(xiàn)高質(zhì)量發(fā)展具有重大意義，也是推進(jìn)金融供給側(cè)結(jié)構(gòu)性改革、促進(jìn)共同富裕的必要舉措。這其中金融機(jī)構(gòu)的作用不言而喻。然而，目前許多傳統(tǒng)金融機(jī)構(gòu)尚無(wú)充足的技術(shù)能力為新市民提供與其需求匹配的金融服務(wù)。例如，金融機(jī)構(gòu)更傾向于為有抵押擔(dān)?；蛴姓餍庞涗浀目蛻?hù)提供信貸服務(wù)，但大量新市民是無(wú)征信記錄的“白戶(hù)”。因此，消費(fèi)金融公司這類(lèi)具備大數(shù)據(jù)風(fēng)控技術(shù)的“能力者”，在幫助新市民獲得高質(zhì)量金融服務(wù)方面的重要性越發(fā)凸顯。

數(shù)字化與數(shù)字金融的異同

基于當(dāng)前科技發(fā)展水平，數(shù)字化主要包括三方面：可度量化（將非結(jié)構(gòu)化數(shù)據(jù)，如語(yǔ)音、視頻、圖畫(huà)、文字等，轉(zhuǎn)化為可測(cè)量和進(jìn)行數(shù)學(xué)計(jì)算的數(shù)據(jù)）、可定量實(shí)施最優(yōu)化、可實(shí)施全自動(dòng)化決策管理?？梢哉f(shuō)，數(shù)字化是指可度量化、可定量的實(shí)施最優(yōu)化決策、可自動(dòng)化執(zhí)行的實(shí)施過(guò)程。

金融的發(fā)展可以用六個(gè)維度進(jìn)行概括：一是業(yè)態(tài)環(huán)境，即金融機(jī)構(gòu)的營(yíng)業(yè)形式（實(shí)體或虛擬）;二是運(yùn)營(yíng)基礎(chǔ)，即如何服務(wù)客戶(hù);三是信息處理，即如何獲取和處理交易信息;四是交互模式，即人人交互、人機(jī)交互、人人與人機(jī)組合交互;五是管理模式，即手工管理、手工與系統(tǒng)結(jié)合管理、系統(tǒng)自動(dòng)管理;六是決策模式，即基于契約模式、信用、法律保障等制定決策規(guī)則。

縱深來(lái)看，金融的發(fā)展可劃分為三個(gè)階段：傳統(tǒng)金融、數(shù)字金融和智能金融。對(duì)應(yīng)上述六個(gè)維度，傳統(tǒng)金融的特征可以大致描述為：業(yè)態(tài)環(huán)境基于實(shí)體社會(huì)，運(yùn)營(yíng)基礎(chǔ)依靠機(jī)構(gòu)網(wǎng)點(diǎn)，信息處理基于客戶(hù)提供紙制材料，交互模式為人人交互，管理模式以手工干預(yù)的管理為主，決策模式主要為人工參與決策機(jī)制。同樣，數(shù)字金融的六個(gè)維度特征可描述為：業(yè)態(tài)環(huán)境由實(shí)體社會(huì)、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、元宇宙組成，運(yùn)營(yíng)基礎(chǔ)是在業(yè)態(tài)環(huán)境中數(shù)字化全面運(yùn)用，信息處理以數(shù)字化自動(dòng)處理為主，交互模式為數(shù)字化交互，管理模式為系統(tǒng)全自動(dòng)數(shù)字化管理，決策模式為系統(tǒng)全自動(dòng)數(shù)字化決策。

基于此，可對(duì)數(shù)字金融進(jìn)行初步定義，即在現(xiàn)實(shí)環(huán)境（包括現(xiàn)實(shí)物理社會(huì)環(huán)境、互聯(lián)網(wǎng)虛擬社會(huì)環(huán)境、物聯(lián)網(wǎng)環(huán)境、元宇宙）中，以大數(shù)據(jù)為基礎(chǔ)，以數(shù)字化交互、信息處理、決策、管理為主要運(yùn)營(yíng)模式的金融業(yè)態(tài)。

數(shù)字金融與大數(shù)據(jù)風(fēng)控

當(dāng)金融進(jìn)入數(shù)字金融階段，其根本特征就是數(shù)字化。從前述六個(gè)維度來(lái)看，數(shù)字金融在每個(gè)方面都有質(zhì)的飛躍。其一，數(shù)字金融所服務(wù)的業(yè)態(tài)環(huán)境不再局限于實(shí)體社會(huì)，互聯(lián)網(wǎng)、物聯(lián)網(wǎng)及元宇宙等都屬于其服務(wù)的范疇。其二，數(shù)字金融的運(yùn)營(yíng)環(huán)境取代了傳統(tǒng)的實(shí)體環(huán)境，使得金融運(yùn)營(yíng)方式借助數(shù)字化手段產(chǎn)生了更多創(chuàng)新，如通過(guò)數(shù)據(jù)驅(qū)動(dòng)及時(shí)觸達(dá)客戶(hù)的服務(wù)方式，大幅提升了金融服務(wù)質(zhì)效。其三，數(shù)字金融在信息處理上也有質(zhì)的飛躍，從過(guò)去僅限于數(shù)據(jù)擴(kuò)展到文字、語(yǔ)音、圖片等。其四，交互模式方面，數(shù)字金融也從依賴(lài)于人的交互發(fā)展到如今的數(shù)字化交互，使業(yè)務(wù)效率呈指數(shù)增長(zhǎng)。其五，由于各環(huán)節(jié)數(shù)字化的實(shí)現(xiàn)，數(shù)字金融客戶(hù)管理模式能夠順暢地轉(zhuǎn)型至系統(tǒng)全自動(dòng)數(shù)字化管理。其六，決策機(jī)制也逐漸數(shù)字化，金融機(jī)構(gòu)可以采用科學(xué)量化的方法進(jìn)行預(yù)測(cè)和實(shí)施最優(yōu)決策，并及時(shí)追蹤和迭代調(diào)整，真正做到系統(tǒng)全自動(dòng)數(shù)字化決策。

站在數(shù)字金融的浪潮之上，金融機(jī)構(gòu)要提升競(jìng)爭(zhēng)力和服務(wù)能力，除了要實(shí)現(xiàn)前四個(gè)維度的數(shù)字化之外，還須具備實(shí)現(xiàn)數(shù)字化管理和數(shù)字化決策的能力。具體到風(fēng)險(xiǎn)管理方面，須實(shí)現(xiàn)全流程風(fēng)險(xiǎn)管理數(shù)字化。因此，在拓寬金融服務(wù)邊界、提升服務(wù)新市民質(zhì)效方面，大數(shù)據(jù)風(fēng)控是大勢(shì)所趨。

憑借扎實(shí)的科技實(shí)力和創(chuàng)新能力，馬上消費(fèi)金融自成立以來(lái)就將自主研發(fā)的智能風(fēng)控、智能獲客、智能營(yíng)銷(xiāo)、智能客服等一系列系統(tǒng)，以多元化產(chǎn)品為依托，通過(guò)零物理網(wǎng)點(diǎn)、線上自動(dòng)化服務(wù)拓展到全國(guó)各地，提升金融服務(wù)的觸達(dá)性和便利性。截至2021年12月末，馬上消費(fèi)金融的服務(wù)已覆蓋全國(guó)31個(gè)?。ㄗ灾螀^(qū)、直轄市），實(shí)現(xiàn)3C數(shù)碼、旅游運(yùn)動(dòng)、生活服務(wù)等全場(chǎng)景覆蓋，累計(jì)服務(wù)縣域用戶(hù)和農(nóng)村用戶(hù)分別達(dá)到3362萬(wàn)人和2778萬(wàn)人。

值得一提的是，消費(fèi)金融服務(wù)的客群與新市民高度重合，而持續(xù)滿(mǎn)足并服務(wù)好3億新市民的金融需求，不僅是金融機(jī)構(gòu)的社會(huì)責(zé)任和發(fā)展機(jī)遇，更關(guān)乎我國(guó)城鎮(zhèn)化發(fā)展、共同富裕戰(zhàn)略的實(shí)施成效，進(jìn)而為數(shù)字金融加速推進(jìn)、經(jīng)濟(jì)高質(zhì)量轉(zhuǎn)型升級(jí)貢獻(xiàn)砥柱之力。

大數(shù)據(jù)風(fēng)控助力解決新市民服務(wù)痛點(diǎn)

大數(shù)據(jù)風(fēng)控實(shí)現(xiàn)了信息的度量化

大數(shù)據(jù)風(fēng)控，可以簡(jiǎn)單理解為全流程風(fēng)險(xiǎn)管理數(shù)字化，即以大數(shù)據(jù)為基礎(chǔ)，以數(shù)據(jù)驅(qū)動(dòng)的方式，系統(tǒng)自動(dòng)化執(zhí)行各環(huán)節(jié)風(fēng)險(xiǎn)管理策略的風(fēng)險(xiǎn)管理機(jī)制。換句話說(shuō)，大數(shù)據(jù)風(fēng)控可以將各種信息度量化，在預(yù)測(cè)和決策中綜合使用這些信息進(jìn)行量化的最優(yōu)決策，并部署在系統(tǒng)平臺(tái)上全自動(dòng)實(shí)施執(zhí)行?，F(xiàn)實(shí)生活中，由于部分新市民工作不穩(wěn)定，缺乏收入及房產(chǎn)等資質(zhì)證明，導(dǎo)致金融機(jī)構(gòu)難以用傳統(tǒng)的風(fēng)控模式衡量其信貸資質(zhì)，造成服務(wù)空白。不僅影響金融機(jī)構(gòu)拓展市場(chǎng)細(xì)分領(lǐng)域，也影響普惠金融的落實(shí)和滲透。而大數(shù)據(jù)風(fēng)控在技術(shù)層面提供了解決之策，使金融機(jī)構(gòu)拓寬服務(wù)客群、提升服務(wù)質(zhì)量有了更多可能。

目前，馬上消費(fèi)金融通過(guò)運(yùn)用數(shù)字金融技術(shù)已為超過(guò)650萬(wàn)新市民建立了信用記錄，通過(guò)線上線下融合的方式不斷提高普惠金融的服務(wù)效率，與多家銀行及保險(xiǎn)公司合作，借助網(wǎng)點(diǎn)功能實(shí)現(xiàn)線下服務(wù)新市民的金融和消費(fèi)需求。大數(shù)據(jù)概念形成于2010年前后，大數(shù)據(jù)風(fēng)控概念在2013年以后慢慢成形，并自2015年起在信貸市場(chǎng)逐漸落地應(yīng)用。隨著眾多電商金融陸續(xù)推出網(wǎng)絡(luò)信貸產(chǎn)品，民營(yíng)銀行相繼成立并推出多項(xiàng)服務(wù)，以馬上消費(fèi)金融公司為代表的消費(fèi)金融公司先后成立并推出多種信貸產(chǎn)品，我國(guó)大數(shù)據(jù)風(fēng)控市場(chǎng)基本形成。

大數(shù)據(jù)風(fēng)控的數(shù)據(jù)基礎(chǔ)和技術(shù)層次

不同于傳統(tǒng)風(fēng)險(xiǎn)管理，大數(shù)據(jù)風(fēng)控有著完全不同的數(shù)據(jù)基礎(chǔ)和技術(shù)層次。首先，大數(shù)據(jù)具有“4V”特性：一是量大（Volume），達(dá)PB級(jí);二是數(shù)據(jù)類(lèi)型多（Variety）;三是產(chǎn)生速度快（Velocity），以每月大于多個(gè)BP的速度產(chǎn)生，某種程度上也標(biāo)志著新技術(shù)的發(fā)展速度;四是密度小但價(jià)值高（Value）。其次，在大數(shù)據(jù)整合方面，“4V”特性使傳統(tǒng)的數(shù)據(jù)處理技術(shù)很難直接應(yīng)用，因此，新的處理方法——分布式處理方式Hadoop、Spark和Mapreduce等應(yīng)運(yùn)而生。由于大數(shù)據(jù)種類(lèi)多，傳統(tǒng)經(jīng)典分析方法也面臨挑戰(zhàn)，因此機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)等人工智能方法被加速引進(jìn)應(yīng)用。

事實(shí)上，大數(shù)據(jù)風(fēng)控最本質(zhì)的含義在于風(fēng)險(xiǎn)管理策略的有效性在大數(shù)法則下成立，不合理個(gè)案雖可能發(fā)生，但均為小概率事件。同時(shí)，風(fēng)險(xiǎn)管理策略數(shù)字化、數(shù)據(jù)驅(qū)動(dòng)的方式以及自動(dòng)化執(zhí)行包含的內(nèi)容也十分豐富。首先，大數(shù)據(jù)風(fēng)控中的“風(fēng)控”是風(fēng)險(xiǎn)管理的簡(jiǎn)稱(chēng)，是在收益風(fēng)險(xiǎn)中尋求平衡以達(dá)到投資回報(bào)的極大化，而非字面意義上的簡(jiǎn)單風(fēng)險(xiǎn)控制。其次，整合大規(guī)模數(shù)據(jù)需要以結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)作為決策基礎(chǔ)，需要有一個(gè)快速處理和整合數(shù)據(jù)的分布式處理數(shù)據(jù)倉(cāng)庫(kù)作支撐。再次，系統(tǒng)自動(dòng)快速執(zhí)行策略的前提是具備決策變量生成平臺(tái)，用以簡(jiǎn)單、穩(wěn)定且高效地計(jì)算自定義的大規(guī)模決策變量（基于結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)）;此外，風(fēng)險(xiǎn)管理策略的數(shù)字化要求有一個(gè)強(qiáng)大的規(guī)則引擎，可部署機(jī)器學(xué)習(xí)和AI深度學(xué)習(xí)風(fēng)險(xiǎn)模型。最后，數(shù)據(jù)整合處理、決策變量計(jì)算、策略和規(guī)則部署實(shí)施執(zhí)行各部分和賬務(wù)核心系統(tǒng)須無(wú)縫連接，使風(fēng)控策略在數(shù)據(jù)驅(qū)動(dòng)下自動(dòng)運(yùn)轉(zhuǎn)執(zhí)行。

金融機(jī)構(gòu)如何實(shí)施大數(shù)據(jù)風(fēng)控

在現(xiàn)階段，大數(shù)據(jù)風(fēng)控的實(shí)施方式豐富多元。以信貸業(yè)務(wù)為例，在客戶(hù)觸達(dá)、核身、計(jì)算評(píng)分、授信等環(huán)節(jié)，部署的方式和重點(diǎn)各有不同。

如何觸達(dá)客戶(hù)

客戶(hù)觸達(dá)即授信機(jī)構(gòu)和流量渠道的交互。如今流量可以發(fā)生在多種渠道，如電商消費(fèi)場(chǎng)景，租車(chē)、自媒體、專(zhuān)業(yè)會(huì)員等細(xì)分市場(chǎng)領(lǐng)域，搜索、支付、朋友圈等互聯(lián)網(wǎng)應(yīng)用基礎(chǔ)平臺(tái)，蘋(píng)果、安卓等手機(jī)應(yīng)用市場(chǎng)，BAT第三方平臺(tái)等。

對(duì)于風(fēng)險(xiǎn)管理而言，客戶(hù)觸達(dá)是大數(shù)據(jù)整合、基本模型和評(píng)分計(jì)算的環(huán)節(jié)。無(wú)論哪種觸達(dá)模式都包含兩個(gè)步驟：一是與流量通道建立聯(lián)系，這是第一步，可登錄公司網(wǎng)頁(yè)或下載公司App進(jìn)行簡(jiǎn)單注冊(cè)，使用電話號(hào)碼即可完成;二是與賬務(wù)系統(tǒng)建立聯(lián)系，這是獲得授信的必備條件。

如何核身

經(jīng)過(guò)觸達(dá)環(huán)節(jié)，大數(shù)據(jù)風(fēng)控有了基礎(chǔ)數(shù)據(jù)，并將這些數(shù)據(jù)進(jìn)行整理關(guān)聯(lián)后變?yōu)樾畔ⅲ乱徊阶钪匾氖桥袆e信息的主體資格，核身是第一關(guān)。因此，在觸達(dá)環(huán)節(jié)收集足夠的核身相關(guān)要素就變得尤為重要。埋點(diǎn)的設(shè)計(jì)要全面和完整，考慮各種可能情況，覆蓋觸達(dá)的各個(gè)節(jié)點(diǎn)。

在線上信貸業(yè)務(wù)中，申請(qǐng)環(huán)節(jié)的身份信息最小集是“四要素”，即姓名、身份證號(hào)、電話號(hào)碼、銀行卡號(hào);除系統(tǒng)性“四要素”鑒權(quán)外，通常還需做人臉識(shí)別，以確認(rèn)客戶(hù)真實(shí)存在且為申請(qǐng)者本人，而且不存在身份被盜用、團(tuán)伙使用等情況。核身步驟要求極高的嚴(yán)謹(jǐn)性，這是為后續(xù)環(huán)節(jié)構(gòu)建的基礎(chǔ)防線。

如何計(jì)算模型評(píng)分

在觸達(dá)客戶(hù)并核身后，要用評(píng)分技術(shù)構(gòu)建模型估測(cè)客戶(hù)預(yù)期損失概率。根據(jù)客戶(hù)觸達(dá)的不同形式所產(chǎn)生的不同信息（即產(chǎn)生不同的數(shù)據(jù)流和變量），進(jìn)行不同精度的估計(jì)。由于數(shù)據(jù)的豐富程度不同，預(yù)先計(jì)算精度或存在出入;新信息接入后，預(yù)測(cè)變量將被進(jìn)一步更新，精度將會(huì)提升，進(jìn)而有助于提高授信準(zhǔn)確率。

為盡可能準(zhǔn)確估計(jì)預(yù)期損失概率，除結(jié)合平臺(tái)本身的信息之外，金融機(jī)構(gòu)通常還會(huì)借助征信或增信數(shù)據(jù)進(jìn)行優(yōu)化。通常情況下，個(gè)人客戶(hù)在網(wǎng)上申請(qǐng)授信時(shí)，金融機(jī)構(gòu)能夠獲得該客戶(hù)的個(gè)人基本信息、在平臺(tái)的行為信息、經(jīng)授權(quán)的App信息及其他相關(guān)信息，如征信、銀行卡使用、手機(jī)運(yùn)營(yíng)商、多頭借貸等信息。

如何授信

首先，需要建設(shè)可靠的大數(shù)據(jù)處理IT系統(tǒng)。在關(guān)聯(lián)所有可以依法合規(guī)獲得的數(shù)據(jù)后，進(jìn)行整合、實(shí)時(shí)計(jì)算評(píng)分變量和評(píng)分，進(jìn)而準(zhǔn)備好所有決策變量運(yùn)行策略。此過(guò)程須在一兩秒鐘內(nèi)完成。其次，運(yùn)用機(jī)器學(xué)習(xí)構(gòu)建預(yù)期損失概率估計(jì)。大數(shù)據(jù)風(fēng)控更多采取機(jī)器學(xué)習(xí)的算法來(lái)構(gòu)建模型評(píng)分，目前大多采用GBDT及其改良的Xgboost算法。構(gòu)建模型的方法主要有分段式、分層式、綜合式、模型校驗(yàn)四種。

大數(shù)據(jù)風(fēng)控中的授信決策基本為系統(tǒng)全自動(dòng)決策，大數(shù)據(jù)的作用在于，通過(guò)分析客戶(hù)的歷史行為、資信狀態(tài)等數(shù)據(jù)，盡可能全面準(zhǔn)確地了解客戶(hù)的還款能力和還款意愿，并將此與歷史損失數(shù)據(jù)相關(guān)聯(lián)，從而預(yù)估損失概率。由此得出對(duì)客戶(hù)還款能力的近似判斷，結(jié)合同類(lèi)客戶(hù)的歷史信貸表現(xiàn)數(shù)據(jù)，利用聚類(lèi)或有監(jiān)督的分類(lèi)辦法、復(fù)雜網(wǎng)絡(luò)等聚類(lèi)方法作出進(jìn)一步判斷。根據(jù)這些判斷設(shè)計(jì)決策規(guī)則，如是否授信、授信額度及期限等，實(shí)現(xiàn)風(fēng)險(xiǎn)可控且回報(bào)率最大化。

大數(shù)據(jù)風(fēng)控的“十大矛盾”與“十大原則”

“十大矛盾”

目前，我國(guó)金融業(yè)在信息處理方面仍然面臨以下“十大矛盾”：一是壟斷和競(jìng)爭(zhēng)的矛盾;二是目標(biāo)不一致的矛盾;三是“困欄”造成的矛盾;四是平臺(tái)轉(zhuǎn)化率極大化和共債風(fēng)險(xiǎn)的矛盾;五是因融資渠道單一的矛盾;六是“普”和“惠”的矛盾;七是多頭監(jiān)管之間的矛盾;八是數(shù)據(jù)碎片化和信息不充分的矛盾;九是關(guān)鍵信息缺失和有效數(shù)據(jù)閑置的矛盾;十是降價(jià)引發(fā)的矛盾。

事實(shí)上，這“十大矛盾”對(duì)尚處于商業(yè)化落地進(jìn)程中的大數(shù)據(jù)風(fēng)控也造成了不少挑戰(zhàn)。例如，由于缺乏系統(tǒng)性征信數(shù)據(jù)，傳統(tǒng)的平衡卡等信用評(píng)級(jí)方法難以發(fā)揮作用，必須借助結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行信用風(fēng)險(xiǎn)判斷。但目前我國(guó)政府?dāng)?shù)據(jù)開(kāi)放性欠佳、碎片化嚴(yán)重，數(shù)據(jù)整合能力也存在短板，因此數(shù)據(jù)的合規(guī)性和來(lái)源可靠性也需仔細(xì)甄別。同時(shí)，大數(shù)據(jù)風(fēng)控還面臨技術(shù)層面的挑戰(zhàn)。例如，決策平臺(tái)方面，經(jīng)典規(guī)則引擎局限性，機(jī)器學(xué)習(xí)、復(fù)雜網(wǎng)絡(luò)、深度學(xué)習(xí)部署問(wèn)題，環(huán)境操作風(fēng)險(xiǎn)問(wèn)題，都仍待解決;算法方面，構(gòu)造變量、算法細(xì)節(jié)分解等也都存在短板。

“十大原則”

挑戰(zhàn)當(dāng)前，大數(shù)據(jù)風(fēng)控重任在肩。作為一直在此領(lǐng)域耕耘的金融機(jī)構(gòu)，馬上消費(fèi)金融結(jié)合自身經(jīng)驗(yàn)，總結(jié)了實(shí)施大數(shù)據(jù)風(fēng)控的“十大原則”：一是數(shù)據(jù)的收集和使用必須嚴(yán)格遵循《數(shù)據(jù)安全法》等法律法規(guī)，這是開(kāi)展業(yè)務(wù)的紅線，不能有絲毫松懈。二是必須保障核身的可靠性。數(shù)字金融時(shí)代，金融機(jī)構(gòu)與客戶(hù)的人人交互頻率降低，作為風(fēng)險(xiǎn)控制的基礎(chǔ)防線，核身環(huán)節(jié)必須嚴(yán)謹(jǐn)有效。三是必須保障在線實(shí)時(shí)信息傳輸?shù)暮弦?guī)性和安全性，這是從業(yè)機(jī)構(gòu)共同的責(zé)任。四是所有用于決策的信息必須不能也不應(yīng)有任何民族、性別方面的歧視，且需取得客戶(hù)授權(quán)。五是整合多種數(shù)據(jù)、構(gòu)造預(yù)測(cè)模型和評(píng)分是大數(shù)據(jù)風(fēng)控的基礎(chǔ)，但須在非開(kāi)發(fā)樣本上得到可靠驗(yàn)證后才能部署實(shí)施。六是利用模型、評(píng)分、變量等所設(shè)計(jì)的策略，需要在足夠大的驗(yàn)證數(shù)據(jù)集進(jìn)行模擬，以檢驗(yàn)策略目標(biāo)指標(biāo)的合理性和可行性。七是大數(shù)據(jù)風(fēng)控是全流程風(fēng)險(xiǎn)管理數(shù)字化，必須具備完善的回顧機(jī)制，這需要各環(huán)節(jié)運(yùn)行細(xì)節(jié)具備可追蹤機(jī)制。八是大數(shù)據(jù)風(fēng)控所用的方法以機(jī)器學(xué)習(xí)為主，機(jī)器學(xué)習(xí)在理論上尚無(wú)法確保模型的穩(wěn)健性，因此要求模型或評(píng)分必須及時(shí)回顧和迭代。九是必須保障在線自動(dòng)運(yùn)行時(shí)各環(huán)節(jié)實(shí)時(shí)監(jiān)控和預(yù)警，預(yù)防造成較大業(yè)務(wù)損失。十是必須保障在線自動(dòng)運(yùn)行觸發(fā)預(yù)警時(shí)，可以及時(shí)有效干預(yù)。

最后需要強(qiáng)調(diào)的是，我國(guó)金融數(shù)字化工作在部分市場(chǎng)、業(yè)務(wù)種類(lèi)和業(yè)務(wù)環(huán)節(jié)中，人工干預(yù)仍必不可少，切不能“為了數(shù)字化而數(shù)字化”。數(shù)字金融發(fā)展是一個(gè)長(zhǎng)期的過(guò)程，只要我們認(rèn)清方向并且堅(jiān)定不移的走下去，定將水到渠成。

（作者系馬上消費(fèi)金融公司副總經(jīng)理）

責(zé)任編輯：劉 彪

ChinaBanker@vip.163.com