一个新鲜词汇诞生，往往总会吸引着众人的眼球。

伴随着FinTech（金融科技）的火热，大数据风控被推到风口之上，几乎成为家家互金平台的“标配”，倘若哪家公司没有大数据风控做支撑，似乎都不好意思说是互联网时代的金融公司。

　　大佬争相抢滩布局 大数据风控缘何如此火热

除BAT、网易、京东等国内互联网巨擎旗下金融分支机构抢滩布局大数据风控之外，互金行业关于大数据风控技术的探索也一直持续不停，已经具备一定规模的互金公司大多推出了相关的大数据风控技术体系。

拍拍贷推出了基于大数据模型的“魔镜”风控系统，对接了多渠道多维度的海量数据，“魔镜”对每个标的进行风险评级，再经过筛选，转化，加工，最终形成准确的风险概率预测。

钱牛牛2014年上线之初，就曾尝试运用大数据建模的方式对基于人的信用进行综合化的评估和打分，后又与腾讯旗下“天御”反欺诈系统协作，打造出基于社交反欺诈模型的智能云风控系统“元方”，以此完成对人的精确授信和风险定价，从而降低金融风险。

而点融网搭建了名为”Matrix”的大数据反欺诈系统，借款人提交借款申请即介入整个风控流程，对接多个数据源以获取借款人的数据信息，并在各个环节建立checkpoint，通过可配置的规则引擎在各个checkpoint执行预定的逻辑，防御欺诈风险。

除此之外，业内多家平台宣称接入了大数据风控。大数据风控究竟何方神圣，为何家家抢滩？百度资料显示，大数据风控即大数据风险控制，是指通过运用大数据构建模型的方法对借款人进行风险控制和风险提示。

由于传统风控技术多由各机构风控团队，以人工的方式进行经验控制。随着互联网技术发展，整个社会大力提速，传统风控已逐渐不能支撑机构的业务扩展。而大数据对多维度、大量数据的智能处理，批量标准化的执行流程，更能贴合信息发展时代风控业务的发展要求，越来越激烈的行业竞争，也正是现今大数据风控如此火热的重要原因。

没有过硬的技术做支撑 大数据风控只是伪命题

不过，笔者了解到，大数据风控具有很强的技术壁垒，并非人人都能轻易染指。不排除一些企业利用大数据风控的概念进行炒作，但对于不懂技术的普通人而言，大数据风控的概念就足以使其云里雾里，更何况要将之进行深入剖析并作实际运用，无疑更是巨大的挑战。‘

钱牛牛CEO倪抒音曾在受访时提到，大数据风控不仅仅只是数据的简单集合清洗和筛选过滤，数据底层的技术是支撑大数据风控的核心基础，倘若没有过硬的技术实力，大数据风控不过只是无以求证的伪命题。

而很多公司在运用大数据进行数学化建模的时候，往往忽略技术在建模中的运用，仅仅只是将原始数据汇集在一起，进行简单筛选后就结束流程，整个环节中可能并没有太多涉及技术的分析和学习。

钱牛牛在大数据建模过程中则充分发挥了腾讯基因的技术优势。

先是将腾讯、芝麻信用等从各个渠道获得的数据集合在一起，分成三个关键环节点，第一个环节被称为反欺诈系统，主要是捕捉某些强特征和部分弱特征的组合，技术底层则运用机器进行数据欺诈风险等级评估，这个环节将过滤部分数据，随之进入第二个环节决策树体系。

通俗来说，决策树体系就是一个个按照强、中、弱特征比例分类的“池子”，“池子”里有不同数据，强特征、中特征和弱特征可进行正向指标和负向指标对冲，经过机器高效而精准的测算之后，自动进入第三动态打分系统的环节。

打分机制与决策树体系相关联，主要是通过某些正向强指标和负向指标进行综合化动态打分，但这个环节并不是死板决定被接受数据打分的人能不能借钱，而是将结果与当下市场风控松紧环境做比对，动态进行判断。

最重要的是，钱牛牛每天坚持风控复盘，尤其针对一到三天、三到三十天、三十天到九十天以及九十天以上不同等级的逾期数据指标进行深度分析，以区分无意识逾期和有意识逾期，最终将数据灌入机器，重新清洗、提炼，完成二次机器学习，这个过程又反哺了风控。

据悉，雄厚的技术实力支撑下，当前钱牛牛大数据风控系统已实现80%以上自动化进程。

除了技术实力 大数据风控还有哪些壁垒

尽管大数据风控时下已被广泛提及和运用，但真正将大数据风控做好的公司却是寥寥无几，大多数公司除技术实力跟不上大数据风控所要求之外，还面临着许多问题。

首先是大数据风控本身所涉及的数据源问题。数据从哪里来，数据量如何进一步扩大，如何给模型做支撑等等。目前很多线下行为都还没有数据化，线上数据也比较有限，对于这类群体，各种行为线上化、数据化进而将数据结构化，需要有一个过程。

倪抒音指出，随着智能手机与社交网络应用的普及，很多缺乏信用数据的群体在线上有了一些数据，但数据量还需要进一步增加。未来物联网的发展可能带来更丰富的数据信息，辅助进行风控决策。

其次是层出不穷的欺诈行为，总在挑战模型的有效性。就像花样百出的诈骗技术，对于大数据建模风控，总会有人想方设法寻找漏洞、伪造资料进行骗贷，科技的发展也一定程度上助长了这类骗术的提升。

这就需要大数据风控模型在试错中不断迭代，加入更多复杂特征和更多维度的特征，这对于大数据风控公司的技术能力是持续的考验。

此外，数据采集容易涉及到用户隐私，某些程度上也可能造成用户数据泄露，从而使用户感到不安，产生抵触情绪，这对于平台发展也极为不利。

这个问题又回到了技术实力的问题，一方面企业需要重视用户信息安全，采取措施防范数据泄露等事件的发生，另一方面需要企业不断提升技术实力，以保障用户数据安全，真正发挥大数据风控效用。

大数据并非解决风控的万能钥匙，它只是弥补传统风控不足的一种手段，平台在搭建风控模型的时候不应盲目迷信大数据风控，而应将大数据风控与传统风控并用，使其互相协作，从而降低金融风险可能，最终提升金融服务效率。