消费金融和银行之类的差异有点儿大，说起来有一部门事情有点儿像金融衍生品，只是有点儿哈。海内的消费金融的风控分两个板块，一个是信审、一个是模型。

因为消费金融的放款额度往往比力小，所以要求业务量大才气赚钱，这就意味着不能再风控上花太多人力。所以消费金融的风控把大部门风控措施都放在网络数据收罗和风控模型的建设上，做到让系统自动审核，而人工治理的，主要是一些系统无法区分的信息，另有部门身份识此外事情（以及确认客户业务的真实性，制止被针对性的骗贷）这种情况下，卖力信审的岗位往往就是个简朴的识别事情，识别人脸（现在有人在搞人脸自动识别，效果嘛不太清楚），识别条约的真实性，核对一些文字化的信息等等。

给的人为也比力低，我观察的在深圳的几千块钱一个月，在北京的有才给4000的。另一端是做风控模型，另外模型建好了，得有数据啊，有些是直接和一些征信公司对接的，听说现在还没收费，但征信信息收费预计也快了。

也有自己和政府机关、电信等对接，自己扒数据的，这个难度有点儿高。因为这端的风控一般是一个懂风控系统的人带着一堆法式员和数据分析的人在做，所以有些公司把这个叫“计谋”，而非风控，不外我以为还是该算风控吧。

这个部门的人为比力高，在北京和深圳，高的两三万，低的一万多。上海的消费金融公司我没去观察过，不知道他们的人为水平，但预计也和北京深圳差不多。固然，这个高只是和公司内的人相比，看知乎上的法式员，预计法式员在其他新兴公司应该都能到达这个水平吧。

谁人风控主管就欠好说了， 在成都能做出一个风控体系来，带出一个风控部门来的人，人为应该在年薪20万以上，但相应的岗位很少，北上深至少应该在40万以上，同等职位，北京深圳的人为或许在成都2~3倍的样子。但同样的，纵然在北京深圳，风控主管的岗位也很少，能意识到这个岗位价值的老板，一般都是银行出来的，但一般都市带着兄弟出来创业，不缺这么个岗位。反过来，给不懂行的老板做风控，比力苦逼，你给他说做不得，他以为是小case，没问题。风控最高级此外就是大银行的总部风控了，似乎是中行吧，原来花80万聘了一个华尔街出来的老外当风控总监，厥后银行系统降薪，人家就走了，走了后网上另有一群人骂，说给80万给高了。

所以风控岗位的天花板挺低的，担的责任却不低。而且风控的底层业务，和风控总监级此外管的谁人风控系统，专业思路完全纷歧样，从一般的风控员，跳到风控总监，不仅仅是缺少岗位的问题，自身所需要掌握的知识和技术也差异很大。至于说消费金融的风控，想转券商或基金，不是说不行能，而是你在消费金融学的风控相关内容在券商和基金用不上，和你直接进券商、基金的难度差不多，这个跳槽就显得多余了。除开学历光环不思量，如果想去基金的话，如果是投资工业的基金，建议你先从中小企业贷款做起；如果是纯做资本运作的基金，建议你先从银行的资金业务做起，或者从资管公司做起。

直接去基金的意义也不是很大，我见过名校结业直接进基金的，如果没有家庭配景可以依靠，很容易就毁了，人做的很飘，但却总是接触不到资金端口，又看不懂企业运作，设计生意业务结构的时候只能帮助做做算数，整理一下文字，做来做去都是打杂的。------------------------------------------------------------------------------------------------------------------------------关于风控建模的问题先说数学模型吧，许多做数学建模的，都是直接去拟合数据，我比力阻挡这种做法。

应该是先对专业领域有一定的相识，再凭据逻辑来做模型，最后通过数据来验证、调整参数，但模型自己是先就设立好了的。许多相关的书籍内里喜欢用数据拟合，因为这种方式教学起来容易。

但现实里经常泛起两种情况，一种是数据少，不够做拟合，另一种是基础没现成的数据，需要凭据你假设的模型去收集需要的数据。纵然是有足够的数据的情况下，凭据数据去设计模型，也经常泛起盘算庞大，甚至做模型的人自己都无法解释为什么会泛起某些项的情况。

所以以前我读大学时，做模型都是不到迫不得已，不会直接用数据拟合。2006年全国大学生数学建模竞赛，其中一个题目是艾滋病药效的评估，用的外洋某实验室的真实数据，数据自己就比力少，如果直接用什么数据拟合，有些病人的检测陈诉才7次，基础达不到比二次方程更庞大的函数需要的数据量。2005年的全国建模竞赛，内里有个题目是长江水污染治理的，也是海内和外洋一个研究所互助的项目，数据量也很少，但其中水污染降解是有现成的研究结果的，可以直接套用公式，如果比照着数据去做模型，也会泛起数据不够用的情况。这些都是只有凭据相关研究结果，先做模型，再用数据去验证的，就是属于有了模型等数据的情况。

再说说风控的模型，我到场过两个风控系统的建设，一个是中小企业贷款的，一个是汽车金融的。汽车金融的谁人风控前期甚至是我主导的，模型也是我做的。

厥后我观察过两个消费金融公司，也都是先有模型，再用数据去验证，其中一家还好，建设之前拿到了银行里好几年的数据，而另一家则完全是空手起家，先把模型设计好了，跑了一年来收集数据，关键是现在还没出过风险，所以也没法凭据数据来调整风控，只能不停放宽尺度，直到风险袒露后再修改他们的风控。风控模型和数学模型是两回事，只是为了表达利便，我们才把这些称为风控模型，实际上往往包罗了整个风控体系的建设，特别是消费金融里，新工具太多，基础无法像教科书那样直接抛几个公式出来解决问题。风控的许多要点甚至是无法用数学来表达的，好比最简朴的，如何验证身份，如何验证业务的真实性。

做一个风控系统的时候，要思量到哪些数据是可能收罗到的，哪些是收罗不到的，哪些是现成的，哪些需要通过何种渠道收集；还要思量风控的环节，人工环节有几多（特别是消费金融这种，单笔业务小，业务总量多的），成本是几多，时间是几多，风控人员的素质能到达什么水平。这些决议了哪些信息是可以被你使用的，哪些没法使用，然后凭据这些条件去做模型，模型上能得出一个效果来，再去收集信息，反过来验证模型是否正确。

建设这种模型，需要的是对行业有足够深的明白，而不是处置惩罚数据的能力有多强，否则以前没盘算机的时候，银行总行怎么建设风控系统的？而且这些模型并不只是针对数据的， 还针对许多非数据的信息，有些就是文字信息，好比乞贷人的家庭情况、乞贷人的学历，等等，固然你可以把这些做成打分卡，有些也可以做成一票否决的形式，但当你这样做的时候，是先有了一套模型，再思量怎么处置惩罚这些信息的，你凭据数据调整的，不外是模型的细节而已。现在有些金融业务里，测算风险照着套公式，只需要修改系数常数之类的就行了，但那不是建模型，那只是套用别人建好了的模型。

不相信的话，你可以再自己脑海里想象一下，你自己要开一个新业务，没有任何做过此类业务，没有任何历史数据可供参考，你计划怎么起步？初始的数据按什么尺度收集？从哪儿收集？你设定这些尺度和途径的历程就是建模，数据只不外是厥后用来修正而已。而且你也不知道自己收罗的数据是否有用，万一验证失败，你还得重新再来。现实里并不像书上的习题，只要题目里有的数据都有用。现实里你拥有的数据，没经由验证，你基础不知道哪些是有效的，哪些是无效的，如果没有在对行业明白的基础上先建设一个模型，你都无法确定哪些数据该用，哪些数据不应用。

--------------------------------------------------------------------------------------------------------------------------------------PS：这也是最近几年，消费信贷业务兴，另一方面可能是大家对金融衍生品的风控有些相识后，才借用了数学建模的观点，逐渐有了风控模型这一说法。以前银行里只有总行的风控才涉及这些问题，一般叫合规或者贷款指引，或者直接就说风控，保险公司里的产物设计里和这个相似的更多，但他们似乎也没提“风控模型”这种说法，总之以前信贷业务里除了总行，一般很少用到比力庞大的数学，自然“风控模型”的说法也很少见，这几年才多起来的。

--------------------------------------------------------------------------------------------------------------------------------------忘了说个事，现在比力好的消费金融，往往并不是那套模型设计得有多好，不是违约率能算的多准，不是数据收罗得有多好，而是业务方案设计得巧妙。

本文来源：球王会-www.ptmnls.com