PM角度：怎樣理解“資料風控”的行業？
點評： 資料風控是一個什麼樣的行業？ 本文主要分為兩個部分，分別是做什麼？怎麼做？全文整理編輯成大白話，可以快速理解。對於風控小白，可以掃盲一二。
一、資料風控的目的是什麼？
可能大家都知道，當我們想去銀行辦一筆貸款的時候，從客戶的角度，大概流程是這樣的，
當我們換個角度，從銀行的角度來看，流程又是這樣的
從上面兩張圖看起來，這裡有這個重要的環節就是， 在貸款申請人提交了申請資料之後，銀行需要來稽核這個人的申請資料 ，畢竟是銀行要先給你錢，銀行總要知道你以後是很有可能會還這筆錢，而不是說拿了錢就跑。
拿一筆房貸來說，如果你貸款300萬元，年化利率是5%，一共貸30年，那麼在這30年中，銀行大概是一共可以收你200萬多的利息(是不是很多？)，這個錢其實也就是銀行賺的錢(如果你知道資金成本這件事，你應該已經不是本文的讀者了)。那從合理的角度來說，我一筆可以賺到這麼多錢，那麼我派好幾個人來稽核你的貸款，從成本（主要是這幾個人的工資）上來說也是划算的。我們再來看看這些小額貸款，如果你貸款2000塊，只借一個月，就算在這一個月，我收你10%的利息(年化利率比100%還高，是不是看起來很高？)，那麼從金融機構的角度來講，他只能賺200塊，從這個角度來說，如果我再派一個人花好幾天的時間來稽核你的貸款申請，先不討論客戶體驗的問題，僅從銀行收入的角度來說（賺的錢還不夠發工資的呢，更別說別的成本了），就不是一個合算的買賣。那我們該怎麼辦呢？
只有一個辦法
用機器(主要是電腦)去提高勞動生產率，把成本降低到能讓企業賺錢的程度。
但用電腦代替人有一個很重要的前提是
用數字去描述人的各種行為，並且要把這些描述邏輯寫成電腦程式，以便電腦可以執行。
所以，簡單說來，用電腦代替人來進行貸款稽核，會需要如下的四類職位共同的協作來完成（畢竟他們需要的專業知識還是有相當差距的），當然實際情況會比這個複雜的多。
• 業務人員 :這類職位主要確定我們的金融產品的相關細節，他會懂得客戶的需求和金融相關的知識，一般人說他也是所有需求的發起者。
• 資料分析師 :這類職位的主要作用就是把業務需求轉化為數學邏輯。
• IT研發 :這類職位就是把資料分析師所得到的數學邏輯寫成計算機程式和程式碼。
• IT運維 :這類職位的主要作用就是保證電腦的正常執行，不要宕機。
當然，根據實際情況職位之間也會有相互交叉，同時也會有更多細分的職位。
我們說的大資料風控其實就是我認為就是這裡提到的資料分析師和業務人員的結合體， 把人對風險的判斷轉換成電腦可以識別的數學邏輯；更進一步能夠通過對資料的分析提供挖掘出等多有利於我們對客戶風險的判斷。
二、做好資料風控需要掌握什麼技能？
為了成為一名合格的資料風控，其實是需要掌握很多技能的，當然除我以外很少有人能掌握，並有過各種相關的實操經驗（ 一個大寫的無恥！ ），下面我們就逐一來介紹這些技能。需要注意的是，有些技能是硬功夫，也就是那種通過短期的突擊培訓能夠相對熟練掌握的技能；有些技能是那種看的見，摸不著，需要時間和專案去不斷累積的經驗才能掌握的技能。
程式碼能力 。這個簡直是作為一個數據風控的基礎中的基礎，如果一個入門的員工連這個技能都沒有的話，在絕大多數急功近利的企業中，是根本不會有任何機會的，如果你的其他能力又不足夠吸引人。畢竟像我前前前東家那樣願意培養新人，看潛質給機會且不差錢的良心企業不多，目前國內絕大多數都是那種每個毛孔都留著血和什麼骯髒的東西的資本家辦的企業。
主流的需要掌握的技能，基礎是SQL，R，Python，SAS中的任意一樣，不過其中的SAS在國內目前用的人有越來越少的趨勢。如果能同時掌握個2~3樣，還有一個精通，就是加分哦。
SQL，個人覺得不要求水平很高，像partitionby之類的不會也罷，但基礎的select\join\order\group總要會把，而且這個是屬於那種突擊一週都能掌握的技能。
R，不是特熟，不裝了。
Python，主要是pandas,numpy,statsmodels,sklearn這四個包。
SAS，主要是資料部和summary,freq,means,reg,logistic等過程，另外如果能熟練掌握巨集和excel的輸出技能，就完美了。
數學基礎。 這裡的資料基礎主要是概率論和數理統計中的主要內容，包括均值、方差、假設檢驗、迴歸分析等內容，另外為了跟上目前機器學習這個熱點，最好還要學習一些相關的決策樹演算法、離散數學、運籌學、最優化等方面的內容。具體要學什麼、一句兩句也說不清楚，請持續關注我的微信公眾號或知乎專欄就好。
數學建模能力。 這個既可以很簡單，也可很複雜。往簡單來說，就是按照行業已有的套路把模型做出來，一般來說主要跟著做一兩個專案，雖然很多地方不知道為什麼，但只要按照規矩來走，出不了大茬子；往復雜去說，其實資料風控就是將業務問題轉化為一個個的數學問題，去求解和分析。雖然說行業中能夠可能碰到的問題也就那十幾種，但能在不同的機構把這些事情都實打實，不應付的做一遍，而且有自己的思考和發揮，這種機會不是天天有的。
銀行業的基礎知識。 同樣，如果簡單的話，只要搞清楚你們家的房貸，利息到底是怎麼算出來的，在各種情況下的違約金是怎麼算的，每個月的還款金額是怎麼算出來的，到底有幾種還款方式；往復雜裡說，目前主流的個人信貸產品的產品特徵、費用構成、主要客群等資訊，像《貨幣銀行學》、《巨集觀經濟學》、《微觀經濟學》還有近些年特別時髦的行為經濟學的相關書籍、包括我們國家跟銀行業、徵信業相關的監管機構、職能及法律法規，跟風控相關的上下游產業，比較主流的黑產等也要大概瞭解一下吧。
資料知識。 資料是資料風控的原材料，沒有這些原材料一切的無從談起。那麼我們國家目前針對不同等級的個人信貸產品，能夠在業務流程中獲取到的資料都有哪些、每種資料不同的資料來源是哪裡、都有哪些資料的供應商、資料的主要獲取方式、當前的主流價格、每種資料在使用中會涉及到優點和問題。
行業和業務經驗。 這個東西就很玄乎了，就拿做風險策略這個東西來說，很多事情就像一層窗戶紙一樣，原理很簡單，但別人不跟你說就是搞不明白。另外這些經驗主要包括，在不同場景下常用的風險策略、在突發情況發生時常用的應對方法、風險策略的決策機制、如何與IT部門溝通風控需求、怎麼寫各種文件等。
就連陳浩南也是從小弟做起的，這個行業跟其他行業也沒有什麼大不同，都是從別人告訴你怎麼做，到自己搞明白怎麼做，再到告訴別人怎麼做這麼一個曲折上升的過程，但唯一不變的就是變化，尤其我們這個行業的相關知識迭代的速度可能相對於其他行業更快，逆水行舟，不進則退，與君共勉！
以上內容，原文出自張巖，資料風控和模型從業者，點評+整理自飯糰“ 策略產品經理研習社 ”，點選這裡可關注： ofollow,noindex">https://fantuan.guokr.net/groups/149349010586624?utm_source=kuahao （如果遇到支付問題，請先關注飯糰的官方微信服務號“fantuan-app”）
---------------------
整理者：鳳城狂客，目前是AI方向的高階策略產品經理，知乎認證專欄作家、人人都是產品經理專欄作家。曾服務過金山、魅族、唯品會、太平洋等知名網際網路公司，微信公眾號/知乎/簡書ID“鳳城狂客”。
飯糰“策略產品經理研習社”，分享產品策略類案例、前沿科技的乾貨。其中策略類產品涉及幾個方向：商業化、個性化推薦、使用者增長、搜尋排序、AI等