国家互联网金融安全技术专家委员会秘书长吴震：大数据风控需不断完善但前景可期

当前，人工智能、大数据、云计算、区块链等技术越来越多地运用在金融智能化场景中，试图为金融机构风险识别、预警、退出等提供解决方案。业内认为，新技术与风控结合是未来的发展趋势，但也存在一些难以逾越的障碍。关于大数据风控的相关问题，《金融时报》记者日前采访了国家互联网金融安全技术专家委员会秘书长吴震。

《金融时报》记者：能否介绍一下大数据风控的发展历程？

吴震：大数据风控发展历程大概分成了拓荒期、爆发期和场景化三个阶段。拓荒期开始于2005年、2006年，大数据概念开始兴起。在此之前，由于基础技术不够，思维也没有转换。后来随着大数据技术开始兴起以及相关处理能力的提升，行业逐渐开拓了思维。2010年左右大数据开始爆发，2013年以后，大数据基础技术的使用已日趋成熟，很多互联网企业进入了大数据风控领域。

《金融时报》记者：你认为传统风控和大数据风控的区别是什么？

吴震：传统风控侧重于人工审核和已知规律，数据主要来源于传统的金融数据，借钱还钱，是强金融相关特征，强调强因果关系。大数据风控主要是基于各种数据进行画像，使用了很多弱相关的数据。比如购物的数据，大家通过这个数据推断购买力层次以及是不是爱好消费。大数据风控流程基本上各家企业都差不多，到底实际风控水平怎么样，还得具体分析。大体流程一般是借款用户申请，然后进入反欺诈识别，再和第三方数据源进行比对，根据自己掌握的数据进行信用评级，再授信。

《金融时报》记者：大数据风控在互联网金融企业中处于怎样的地位？面临怎样的风险？

吴震：从互联网金融企业的角度看，大数据风控是互联网企业运营的关键环节，是保障互联网金融安全的基础。总的来说，信贷风险主要有两种：一种是欺诈风险，另一种是信用风险。欺诈风险主要是主观恶意，借的时候压根没想还；信用风险，虽然有还钱意愿但客观上没有能力还。

《金融时报》记者：您认为大数据风控的核心环节是什么？

吴震：关于大数据风控的核心环节主要有以下几方面：第一是数据问题，数据来源、数量级和有效性，这是大数据风控的核心，但一般的金融科技企业掌握的数据有限；第二个是特征建模，这是纯技术性环节，也是一个仁者见仁、智者见智的环节，这部分并没有标准化，大家各自拿到数据，各自做各自的，技术水平和实际表现也有区别，需要经验以及团队和实力和积累；第三个核心环节是迭代和优化环节，比如我打了信用分，这个信用分是否合适，还要上线测试。如果效果不理想再根据问题进行修正，这是不断循环迭代的过程。

《金融时报》记者：针对数据这一问题，能否具体谈一下存在哪些问题和挑战？

吴震：目前，央行个人征信记录覆盖率不足，覆盖面有待进一步扩大；各家金融科技公司信息相互共享难度较大；第三方机构数据有效性存疑问；大型互联网企业数据各有特色但相互孤立；涉及用户隐私保护问题，法律和政策风险较大。

《金融时报》记者：大数据风控有何弱点？

吴震：总体而言，大数据风控逻辑上成立；当前的数据资源条件与技术实现能力制约了风控的效果。现实中数据缺失、不全、不准的情况非常严重，建模与调参是一个长期复杂的过程，且需要根据环境不断修正。

从逻辑上说，大数据风控也包含着一些意外的风险。第一，“黑天鹅”事件：大数据风控主要是基于人工智能技术，包括统计学等规律，难以预测统计规则以外的事件，发生问题时人工难以理解和修复。第二，“复贷”事件：借款人重复借款，如果控制不好每个借款人累计信用，可能会成为一个小的庞氏骗局池。在极端经济环境下，大数据风控体系可能会失灵。因此，大数据风控需防范系统性风险。

《金融时报》记者：您如何看待大数据风控前景？

吴震：虽然目前行业普遍的大数据风控水平还有很大提升空间，但是从长期来看金融科技化是大势所趋，数据的开放程度也是越来越高，所以我们认为从长期看大数据风控前景还是比较广阔的。

记者：胡萍

编辑：吴粤

转载请注明来源