首先要对风控体系做个简单的定义：指可以达成风险管理量化目标、边界清晰、结构清晰、动态可持续的风险管理体系。
目标清晰：逾期率、坏账率可控是基本要求，检验风控体系有效性需要几个完整的信贷周期，结合公司盈利目标确定逾期率、坏账率的合理区间。
边界清晰：所有伴随显著风险产生的流程及环节原则上需要纳入风控体系内进行量化动态监管，风控体系的边界就是风险产生的范围。
结构清晰：为量化管理各类风险（欺诈风险、信用风险、操作风险、市场风险等）需要基于流程进行合理的结构涉及，一般风控体系涉及电审系统、催收系统、风险决策引擎、黑名单库、敏感词库、数据监测中心等结构模块。
动态可持续：当系统出现偏差时通过人工和算法可以实现负反馈，保证体系不奔溃，长期完成风控目标。
下图为风控体系一般架构：
风险决策引擎——实现风险决策的核心模块，要为后期迭代留下空间，早期建议设置三层结构：元素（风险因子）、规则（执行阈值及执行动作）、事件（规则归类组合）。落实到最底层的参数，元素可以新增埋点进行数据采集，规则可以进行增减及阈值调整。规则的执行顺序和组合方式可以自己配置优化，后期拥有周期性数据后可以基于算法评分决策，前期没有训练数据情况下需要依赖风控专家经验。后期在风控参数足够丰富情况下还可以开发中小模型协助电审及催收进行科学决策。早期的简易模型可以对通过的规则不做记录、对灰色风险属性做电审标签提示，在电审系统内命中规则多条呈现。
电审系统——针对黑名单、白名单之外的边界状态，进行适当的人工介入，随着数据化决策的推进，电审比例在下降。当然电审也可以包含其他交易过程中的异常行为（异常交易拦截等）风险控制，不仅仅指贷前电审。一般电审系统用户信息、认证情况、关联信息网络关系图、网查信息、订单情况、电审记录等，每个平台可以根据自己的情况进行差异化设计。其中关联信息网络关系图有助于电审专员进行团伙识别，可以通过邮箱、手机号、身份证号等多维度关联，举例如下：
数据监测——其已成为风险研究、风险识别的必须手段，也是跟进金融财务盈利情况的必须工具，涵盖以下子版块：
1、风控规则命中分布：对风险决策引擎系统的执行情况进行统计归类分析，可以清晰的了解近期及历史客户风险特点分布，可能涉及数百条风控规则命中情况；
2、金融交易数据：涉及申请量、电审量、通过量、取现额度、取现订单量、分期金额、分期订单数量、期限分布、贷款余额等，涉及资产属性分析；
3、信用状况信息：涉及信用管理核心字段，显示用户整体信用状况，跟进用户授权的信息进行核心归类，主要有信用额度、信用评级、资产状况、逾期情况、负债情况等；
4、金融财务信息：涉及利息、本金、服务费、违约金、罚息、外部数据调用费等模块，可以实现对盈利能力及流动性风险的量化评估；
5、外部数据监测：当前大数据风控方向下，涉及大量的外部第三方数据（身份认证、电子签名、互联网反欺诈、运营商解析、信用卡解析、央行征信报告解析、电商账户解析等）调用，需要对调用量、有效性、成本、稳定性等进行持续监控，需要对数据质量进行动态管理，具体统计口径要根据具体场景进行设计；
6、资产转让信息：对涉及外部资金的平台，需要对资产转让数据进行统计及管理，涉及受让方、金额、订单量、债权类型、期限、折扣、结算方式、保证金比例等等，具体要根据合作交易条件来进行统计。
风险库：风险库可以进行风险标签积累，黑名单库可以基于身份证号、手机号、邮箱、用户名、固定电话等多维度进行积累及关联，使用黑名单过滤直接风险，使用外部黑名单命中是要及时存储黑名单数据。敏感词库可以基于大量的文本挖掘来完成，早期的行业经验可以完成部分积累，敏感词库在通讯录分析、运营商数据解析、自媒体内容解析等环节有使用
催收系统：涉及不良资产的处置，涵盖短信提醒、电催、上门催收、法院诉讼、网络仲裁等众多环节，还涉及资产分配、线下还款、催收记录、借款人信息、逾期费用核算等众多功能需求。
相关知识阅读
联系客服
