分享什么是风控产品。

最近将风控数据业务各家公司的风控产品资料整理出来分享给有需要的朋友，希望对从事风控数据业务公司的风控产品有个大致的认识，以后工作中在选择使用哪家公司的哪个产品时能提供一点参考。

由于公司是做金融业务的，产品处于冷启动阶段，没有足够的数据样本，公司自身也没有资源去搭建属于自己的风控平台，所以需要对接一个第三方风控系统。

我呢，就在网上了解从事风控数据业务的各家公司，去了解他们的产品是否符合我们业务场景，所含的风控数据是否足够丰富，风控模型和算法大致是怎么样的？

最近将自己了解的这块内容，整理出来分享给有用的朋友，希望对从事风控数据业务公司的风控产品有个大致的认识，以后工作中在选择使用哪家公司的哪个产品时能提供一点参考。

一、了解风控

首先风险控制是指风险管理者采取各种措施和方法，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件发生时造成的损失。在实际业务中主要是控制业务流程中作弊和欺诈行为的发生。

目前主要的风控方式有3种：

1. 线下风控：就是靠人工面对面确定身份、居所和工作单位等；
2. 线上风控：银行卡实名认证、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。。。。主要是各种自己获取的数据和第三方数据交叉验证，训练自己的风控模型；
3. 线上和线下结合风控：部分高风险业务，可以投入人力审核，但要注意ROI。

如果是线上风控，核心3要点有：

1. 数据
2. 模型
3. 规则

其中，最重要的是数据，因为核心数据资源是稀缺的。

二、风控公司分类

根据线上风控的核心要素，我们可以将目前做线上风控产品的公司大致分成2类：

1. 专注模型和规则：这类公司没有基本的风控数据，数据来源其他数据公司，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。
2. 有模型、规则，还有数据：这类公司自己就拥有丰富的大数据，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司，比如业内的“同盾科技”。

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

无论大公司还是小公司，最终都是通过数据输出内容，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、以及在信贷机构、消费金融等方面是否出现过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：信贷风控服务（各家公司对产品的命名可能不一样），即通过贷前审核、贷中复查、贷后监控3个不同的阶段来进行风险控制。再结合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。例如：在P2P借贷产品中，可能会更加考察用户偿还能力和偿还意愿；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贷前准入的审核，审核这个用户的真实有效，信用情况等。

1. 反欺诈：主要就是通过客户信息和行为信息通过规则+名单+欺诈模型，排除欺诈，伪冒，造假，团伙风险；
2. 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一个简单的分值，分值越高表明这个用户的信用越高，逾期风险越低
3. 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/贷后监控

贷中监控复查主要通过授信模型智能输出对用户的授信额度。

贷后监控主要是对借款人贷款后的行为或风险进行控制，比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。通过监控，一旦出现异常情况，及时预警。

3. 其他产品

当然，公司越大，研发的产品也会比较多，让客户又更多的选择，比如：

1. 需求挖掘：通过多方数据建立预测模型综合评估客户价值，对客户进行综合评判和分级，筛选出信贷需求高意向客户，优先进行营销触达。对中、低意向客户持续进行跟踪，当其转化成高意向客户时及时触发营销手段，形成一个良性循环。
2. 逾期管家：实现智能催收。

四、数据来源

数据来源按种类分一般有：

1. 失信历史：在全国省、市、地、县法院有过涉案，失信以及被执行的信息；
2. 特殊名单：在银行、小贷、P2P和消费金融机构的不良记录，包括短时逾期、不良、欺诈、拒绝和失联等；
3. 犯罪记录：这部分数据主要来自公安；
4. 社交数据：用户画像、社交行为、位置信息等；
5. 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；

数据来源越多，核心数据拥有得越多，数据越庞大，量化成的数据信息也就越有价值。

不知道大家看完后，有没有对不同的风控公司有了解。区别主要在技术能力（即建模分析能力）和数据丰富程度上；大公司有强大的技术能力，数据分析能力，建模精准，能够更好的洞察风险；数据丰富，海量且多维。

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