什么是风控产品？（风控产品的4大简介）

最近将风控数据业务各家(jia)公司的什风风控产品资料整理出来分享给有需要的朋友，希望对从(cong)事(shi)风控数据(ju)业务公(gong)司的控产控产风控产品有个大致的认识，以后工(gong)作中在选择使用哪家公司的(de)品风(feng)品哪个产品时能提供一点参考。

由于(yu)公司是大简做金融业务的，产品处于(yu)冷启动阶段，什风没有足够的控产控产数据样本，公司自身(shen)也没有资(zi)源去搭建属于自己的品风品风(feng)控平台，所以需要对接一个第三方风控系统(tong)。大简

我呢，什风就在网上了解从事风控数据业务的控产控产各家公司，去了解(jie)他们的品风(feng)品产品是否符合我们业务场景，所含的大简风控数(shu)据是否足够丰富，风控模型和算法大致是什风怎么(me)样的？

最近将自己了(le)解的这块内(nei)容，整理出来分享给有用(yong)的控产控产朋友，希望对(dui)从事风控数据业务公司的品风品风控产品有个大致的认识(shi)，以后工作中在选择使用哪家公司的哪个产品时(shi)能提供一点参考。

一、了解风(feng)控

首先风险控制是指风险管理者(zhe)采取各(ge)种措施和方法，消灭或减少风险事件发生的各种可能性，或风险控制者减少风险事(shi)件发生时造成的损失。在实际业(ye)务中主要是控制业(ye)务流程(cheng)中(zhong)作弊和欺诈行为的发生。

线下风控：就(jiu)是靠人工面对面(mian)确定身份、居所和工作单位等；线上风控：银行卡实名认证(zheng)、手机号实名认证、央行征信、第三方征信、其他黑名单数据、自己黑名单、防伪冒欺数据。。。。主要是各(ge)种自(zi)己获取的(de)数据和第三方数(shu)据交(jiao)叉验证，训练自己的风控模型；线(xian)上(shang)和线下结合风控：部分高风险业务，可以投入人力审核，但要注意ROI。

如果是线上风(feng)控，核心(xin)3要(yao)点(dian)有：

数据模型规则

其中，最重要的是数据，因为核心数据资源是稀缺的。

二(er)、风控公(gong)司分类

根据线上风控的核心(xin)要(yao)素，我们可以将目前做(zuo)线上风控产品的公(gong)司大致分成2类：

专(zhuan)注模型和规则：这类公司没有基本的风控数据(ju)，数据(ju)来源其他数据公司，他们拿到这部分数据后，通过自己的算法、风控模型、规则等，产出一系列风险控制的产品。他们的业务重心在风控模型和规则上。这种类型(xing)的公司一般偏小公司，与这类公司合作，实际上购买的是公司的建模解决方案。有模型、规则，还有数据：这类公司自己就拥有丰富的大(da)数据，并且有成熟的风控模型和规则。这种类型的公司一般是大公(gong)司，比如(ru)业内的“同盾科技”。

总结：小(xiao)点的第三方风控公司主要是业务在建(jian)模、输出内容，数据来源其他机构；大点的第三方(fang)风控公司也有(you)对接其他权威机构的数据，但是自己有很大一部分的(de)数据积累，通过这(zhe)些数据也是建模、输出内容。

无论大公司还是(shi)小(xiao)公司，最终都是通过数(shu)据输出内容，产品都大同小异；都会从用户的基本个人信息、消费、互联网服务使用情况、以及在(zai)信贷机构、消(xiao)费金融等方(fang)面是否出现过(guo)不良信用记录来综合考察的；只是每家公司在输出结果的计算上使用的模型、算法、规则上有一定的区别。

三、一般风控产品介绍

互联网金融产品中，比较普遍的风控产品都是：信贷风(feng)控服务(wu)（各家公司对产品的命名可能不一样），即通过贷前审核、贷中(zhong)复查、贷后监控3个不同的阶段来进行风险控制。再结合(he)具体的金融业务场景，风险控制模型中使用到算法、规则不一样(yang)。例如：在P2P借贷产品中，可能会更加考察用户偿还能力和(he)偿还意(yi)愿；而在电商场景中，还会加入对用户收入和消费能力等维度的考察。

还是(shi)那句话，应用场景不一样，建模、规则就不一样，但是基本的风控阶段大致都是通过(guo)贷前、贷后、贷中去监控的。

1. 贷前审核

主要通过反欺诈、信用评分、审核报告等去做一个(ge)贷前准入的审核，审核这个(ge)用户的(de)真实有(you)效，信用情况等。

反欺诈：主要就是通过客户信息和(he)行为信息通过规则+名单+欺诈模型，排除欺诈，伪冒，造假，团(tuan)伙风险；信用评分：就是通过不同产品的使用场景，根据不同的维度对借款人输出(chu)一个简单的分值(zhi)，分值越(yue)高表明这个用(yong)户的信用越高，逾期风险越低审核报告：结合多维度数据与反欺诈技术，扫描借款人各类贷前风险；输出一份报告。2. 贷中/贷后(hou)监控

贷中监控复查主要通(tong)过授信模型智能输出对用户的授信额度。

贷后监控主要是(shi)对借款人贷款后的行为或风险进行控制，比(bi)如是否有新增的贷款申请、新增的逾期记录、新增的法律纠纷、新增的高风险行为，以及借款人常用地址活跃度的情况等(deng)。通过监控，一旦出现异常情况，及时预警。

3. 其他产品

当(dang)然(ran)，公司越大，研发的(de)产品也会比较多，让客户又更多的选择，比如：

需求挖掘：通过多方数(shu)据建立预测模型(xing)综合评估客户价值，对客户进行综合评判和分级，筛选出信贷需求高意向客户，优先进(jin)行营销触达(da)。对中、低意向客户持续进行(xing)跟踪，当其转化成(cheng)高意向(xiang)客户时及时触发(fa)营销手段，形成一个良性循环。逾期管(guan)家：实现(xian)智能催收。四、数(shu)据来源

数据来源按种类分一般有：

失信历史：在全(quan)国(guo)省、市、地、县法院有过涉案，失信以及被执行的信息；特殊名单：在银行、小(xiao)贷、P2P和消费金融机构的不良记录，包括短时逾期、不(bu)良、欺诈、拒绝和失联等；犯罪记录：这部分数据主要来自公安；社交数(shu)据：用户画像、社(she)交行为、位置信息等；自有数据：包括本公司自己的高风险数据名单，或者是可共享的数据联盟里的高风险、黑名单数据(ju)；

数据来源越多，核心数据拥有得(de)越多，数据越庞大，量化成(cheng)的数据信息也就越(yue)有价值。

当然，我们要选择更适合我(wo)们业务(wu)和场景的风控产品，这些风控产品的模型和规则以及参考的数(shu)据(ju)维度更贴合我们业务上对用户的考察才是最好的。