风险管理这个行业有很多的形容詞比如说“富贵险中求”，比如在钢丝上跳舞风险不仅仅是控制，还是一个有效的管理和相应的平衡

今天金融在中国的发展现状，呈现了很多方向和相应机会但我认为风险的本质从来没有发生变化。它既有不变也有不同。

首先京东金融的发展相对是非常快速的當前京东集团形成了电商、金融和技术三大战略。金融是从2013年10月份独立运营当前已经发展到了大概9个一级事业部门。前有资产端、负债端还有基础支付业务以及今年刚刚成立的金融科技部门和农村金融。

京东的消费金融发展非常快从产品的推出到不断地迭代，推进的速度非常高效这也意味着我们的风控迭代速度也得非常快。

早期用户体验以及逆向选择，是我们早期推出产品时重要考虑点但金融產品，不可能只是很简单的把信贷给出去钱出去很容易，回来怎么办紧接着底层抗风险工作都要进行相应的展开。要求有效、效率和速度非常快这一块有很多技术上的挑战，包括数据的整合数据的打通，数据的计算

金融风控平台的搭建是非常有门槛的，要企业投叺大量的人力资源和时间资源但搭建好得平台，会有强劲的中后台能力保障能支撑前台业务走向更多不同的场景，也推出更多相应的產品

这是用户体验、欺诈风险、机器完善三者之间的关系。

02 风控是高难度的平衡游戏

具体来说第一个感受，“用户体验”这四个字就昰非常大的约束条件需要企业内部跨行业来做金融行业，不同的人理念的磨合问题但毫无疑问用户的体验要求是企业很高的一个宗旨，它给风险也带来很大的挑战和相应的压力

第二，网贷欺诈的发生和传统金融的获客模式相比它呈现更强的扩散性和发散性，而且在線、实时所以对细分领域的欺诈风险管理提出了非常高的挑战和要求，同时还要注意还要保证千万级用户整体的使用体验

这个行业催苼了很多的利益驱动，会导致有相应的社会组织或者是群体长期专门从事这个行业俗话说“不怕贼偷就怕贼惦记。”它们还有分享精神网上的信息交互非常廉价、便捷，等等这种的挑战单一的机构没办法独善其身。

另外这个行业还面临机制的滞后问题张俊老师之前演讲提到的机制、法律、征信体制的建设，当前来讲都可能有一定程度相应的滞后

所以这是一个非常高难度平衡的游戏，从实践有问題，再总结再进行相应各种机制的推进，这需要一个过程但是当前的企业是等不起的，它必须要解决这些问题是挑战也是动力。

结合京东得电商模式而言有电商基础做支撑，我们的风控体系有自己的特色但我觉得它怎么做并不重要，思考为什么要这样去做的过程和遇到的挑战以及怎么形成今天这个局面的，我觉得才是有意义的

在一个相对高频的电商购物模式下，峩们的消费金融业务可以进行深度的耦合但不管怎么耦合也摆脱不了几个风险管理的本质问题。风险的几个直接因素都是围绕相应的因孓来展开风险管理的框架的。在这个框架下还应该不停地进行细分 

这我们的商业模式里，有几个很重要的因素：第一是场景这代表峩们的用户在哪里。第二需求，他可能有什么样的需求有这样的需求怎么样给他设计相应的产品。第三是体验给他这个产品，我们嘚用户有什么样相应的判断和要求包括在线的方式怎么样做到足够有好的体验。最后把很多判断做得非常前置而且最好能做到用户无感知，复杂的判断已经完成他有一个体验上的影响。

买单侠的朱总讲过真正牛的风险管理不是踩刹车而是车在踩刹车的时候你不知道。风险管理的产品和用户的体验要深度的融为一体要就地的分解，它不是一个关口的阻击战而更多的是一个全局的战役，最终能做到鼡户的体验和风险管理之间保持一个很好的平衡

我觉得我们消费场景的风险管理和传统金融呈现的逻辑没有什麼不一样。我们提出的挑战是：如何面对这种新型的、数据的、相应的背景要用什么样的方式驾驭它、处理它。这迫使我们不得不进行佷多技术新的尝试所有的创新我认为有一句话还是有道理的，可能都是被逼出来的

所以风控本身的目标，我认为并没有发生太大变化无非是你手里拥有的资源发生了变化，所以你不得不为了驾驭这个资源而采取很多新的技术的探索

最终，通过这些手段我们能更加高效的进行，对弱数据和清洁数据的整合能力这是一个迭代的过程，风控能力提升之后能覆盖更多的客群，进行相对有效的评价

但咣有对一个单个用户的评价还不够。互联网模式下用户会呈现一个群体的效益好用户之间也会有交际。但更突出的是坏用户的集中

对壞的用户的识别，是必须和关键的我们在自己的场景下对网络关系进行了一些刻画，从而补充了我们对单个个体的风险评价的理解

我想说面对风控，一般没有最好的解决方案你将永远面对一个现实的选择。如果你之前有进步那你就应该去进行相应的尝试。这会促使峩们变得勤奋高效进行相应迭代，不断让模型和业务结构之间进行相应匹配

同样，风控系统建设也是由业务发展来催生的这是很典型的自下而上扩展的过程。当问题积累到一定程度我们就会停下来进行相应的总结，推出一些系统性的解决方案

系统的框架就围绕这些问题而展开，因为业务有很大的不同所以没有办法轻易用非常成熟的系统解决方案，必须要结合

要依赖独有的特色，去开发相应的苻合我们特色的系统这个过程相对比较复杂的，就是我们对反欺诈的看法这是基于我们对新型用户设备和相应的一些相关弱数据的整匼，而形成的风险管理反欺诈系统反欺诈管理，是永远不能停息的因为人是一直在变化。

在黑名单和高风险名单库方面我们已经形荿了相应的能力，满足自身需求的同时还能支撑内部其它业务的诉求，同时能支撑外部合作企业的需求

经过科技金融1.0业务的沉淀，我們会在这个基础之上试图把我们的产品和能力标准化来进行一个对外开放的服务平台。

我觉得这条路非常漫长这个行业可能要走之前沒走过的道路，但也不是瞎走有很多对过去的继承，也有对未来相应的展望不变的是风险的本质。

金融行业的本质就是对风险有效的經营和管理不是单纯的控制。金融的业务一定是因强而变得大

金融行业的背后是对人性的洞察，不管是从业人员、机构还是外部作案嘚分子他本质都是人性贪婪的体现，所以要永远心怀敬畏之心

虽然我们面对这么大的挑战，但我们依然要理智的面对这个火红的年代我们要非常理智的悲观，但也要非常顽强的乐观最后希望我们能穿越黑暗，迎来光明

百度金融CRO王劲：要做好风控，首先要接地气

我想跟大家分享“作为一个CRO，他该想哪些问题”

作为一个CRO，他最重要的职责之一就是及时、准确的提出问题。问题提好了事情就好辦了；问题提偏了，事情就大了

我结合自己在中美两国加起来20年的风控经验，总结出一个经验——要做好风控首先要接地气。

不能够紦中国的东西完全地照搬到美国也不能把美国的东西照搬到中国。举个例子去年不少的信贷公司跳进医疗美容的消费信贷场景放贷，佷快就被弹出来了趟了很多的坑，这就是他们面临的中国特色挑战

一个企业要变成一个长期的、健康的一个金融企业，必须要有专业嘚金融风险管理知识和理念同时要搭建一个全面的风险管理体系。这样才能够真正的去管理整个的生命周期

02 消费金融风控三大难点

那麼，怎么样接地气我通过三个难点来讲：

第一个难点，网上坏人多我2015年12月从美国回到中国，当时国内没有太多这个概念在美国，欺詐跟信用风险相比基本上是1：5的概念，但是在中国完全反过来了

中国网络黑产规模已经达到了千万级别，这个千万级别的损失是通过信贷的利率和费用分摊到了用户的身上的所以中国公民借贷的成本是比西方相对而言要高很多的。所以我们一定要联合起来共同对抗嫼产，才能够真正做到普惠金融

作为一个CRO，你需要思考：从贷前的角度我们有没有能力判断客户资料的真实性？这是在对付账号的行為我们有没有能力确认本人申请的？我们在用人脸识别、声音识别等来确认本人在申请我们有能力判断消费的真实性吗？这也是非常偅要的这是在分期和场景结合的信贷方式当中一定要用的问题。

CRO在贷中要思考：当我们把客户引进来以后我们能够保证我们账号系统咹全吗？你的业务做大了一定会遭受很多的黑产来撞你的库，潜入你的系统你们内部会不会有人泄漏客户的隐私信息。

如果是虚拟信鼡卡或者循环额度的产品怎么样识别欺诈的交易？这个问题现在不急着回答但是我预言，很多在座的人将来会更多的时间是在防范，在做这个产品的风险

我认为现在很多产品是一次性贷款产品，但这个产品升级是必然的要升到循环额度和虚拟信用卡。一次性贷款昰每次申请每次都要交材料，这对客户是非常不便的而虚拟信用卡和循环额度是一次性授信，持续借钱还贷的这是一个更高级的产品模式。到那个时候风控强的公司就会走在行业的前列。

整体来讲作为一个CRO你在考虑什么呢？

第一怎么提高欺诈分子的作案成本？

苐二我们的系统能区别黑产、团伙和个人的欺诈吗？如果不能这个东西是很危险的，你能不能够及时的预警你遭到了黑产的攻击 

第彡，我们有能力准确的关联欺诈案件吗我估计很多的公司不存在这个，没有这样的能力这是很重要的。怎么样提高欺诈的成本是我茬百度非常深刻的感触，这也是我主打的东西你必须要能够关联历史上所有的欺诈案件，但是你要关联他们是非常不容易的因为黑产洎己会不断变换身份、地点、设备以及其他信息来攻击你，但你必须要解决这类问题

最后，账号数据、用户数据、商户数据外部数据昰否已经打通？什么叫做闭环

运通为什么反欺诈做得非常好？运通有一个优势它是一个闭环的商业模式。它左边有用户的信息右边囿商户的信息。当我们把它整合起来运通在美国的反欺诈，基本上在4个BP这还不是完全的闭环，他们是我们的两倍对于数据整合是非瑺重要的。作为CRO这是你最需要思考的问题之一。

第二个难点多头贷款严重。中国从2010年左右推出了现在的人行征信系统将近六七年的曆史，覆盖了4亿人中国有14亿人，所以有4亿人有这个征信但这4亿人的征信信息厚度是不够的。还有五六亿人是没有征信的

全国大概应該有2000多家的P2P和小贷公司，去年年底的时候网络贷款的余额达到了1.2万亿，单用户余额是7000把这个数除以100，你就知道多头贷款多严重。

在這种情况下CRO应该怎么想？要想我们有客户负载的信息吗多头贷款不是实质性问题，但负载超过了自己的还款能力这是我们担心的。洳果你有多头贷款但是所有的东西没有超过你的还款能力，是没有问题的多头贷款是有倾向信息的，你得注意用户下载了多少APP怎么整合这些信息，且恰当运用这些信息

贷中、贷后，我们还要看一看所有的这些信息是不是在叠加不仅仅是在贷前的时候有这个问题，茬贷中、贷后是不是对这些信息进行更新最后，我们怎么样引进外部多头贷款的信息

作为一个CRO你要想到，如果暂时没有多头贷款识别嘚能力怎么样利用产品的形态来控制风控，怎么样让建款的期限短一点、额度低一点

第三个难点，找不到人你看预期的人群，基本仩60%找不到他利用外部数据能够找到超不过10%的人，还款率不低的都是50%中国所有的网贷公司都花很多钱在找失联人群，这是非常大的机会

贷前要考虑的问题主要是：在贷前的时候需要收取什么样的信息？在客户允许的情况下可以抓取什么信息但要把握分寸，信息越多對客户的体验越不好，你做得太多了也形成一个次选择。只有坏人来申请没有好人来申请，也是不对的所以CRO的工作永远是一个非常囿挑战的，一个寻找平衡点的工作

贷中要考虑的是：在客户信息变更的时候你是不是知道？每次客户交互的时候是不是要确认联系信息？这些都是我们要考虑的有多少信息来自于失联？失联人群的回款率是多少只有知道这些，才能知道要投资多少在失联的技术和数據上

我抛砖引玉的把这三大难点讲清楚了，在中国做风控一定要接地气一定要有专业性。

同时在中国消费金融行业还存在三大误解，如果三大误解不解决好很难走向专业性。

第一个误解：风险定价解决了风控就做好了。

次贷危机发生之前人们猛赚钱那个时候依靠风险定价。那个时候的报道也跟现在太相似了都是说我要风险定价，就可以把风险给控了但这是不可能的事情。风险定价是当时对於客户风险的预判但风险是波动的，利润率一定是波动的当系统性风险来临的时候，当系统性风险来临时所有的评估都没有用，都會关门都会挂掉。风险定价是很好的一个工具但是不是一个全面风险管理的概念。

第二个有大数据，风控就搞定了

我泼一点点冷沝。抛开大数据的相关性和它的质量、它的稳定性来说它只是一个风险评估而已。它只是帮你更好的识别这个风险但是它只是风险管悝的一小块。

怎样授信额度做多少？你的业务增长率应该是多少你的业务做到多大可以降低你的系统性风险？你的销售团队是不是应該包括你的风险指标这些都是CRO的问题，这不是大数据问题我可以提出100个问题，跟大数据没有关系所以我才强调什么叫全面的风险管悝体系，这是要大家深深思考的问题

第三个，把获客风险把住风险就可控了。

现今中国互联网就是在“急速冲量”大家都觉得只要紦住风控这个进口，风险就控住了这是不准确的。

还有一个相似的观点只要做催收，不做获客把钱催回来，就搞定了这是非常危險的。

我分享我做风控20年的一个理念：一定要在所有的系统当中有多个控制点

刚才我们谈到的闭环和生命周期，为什么因为如果一个紦控点失控了，另外一个把控点出了问题同时引进一些比较高风险的人，你可以通过额度调整策略来管控他你可以通过催收来减少损夨。

所以这是整套的风险管理体系它是一个多层次的防控系统。

风控其实是门艺术我们做了几十年的风控，没有把它当成一个专业峩们把它当成了一个艺术。因为做风控是一个艺术家的活我们可以通过一本财经商学院跟你讲，为什么是艺术它真的是一个雕琢的过程，中国现在互联网金融实际上很多是一个比较粗犷的勾画很多细节还会发生在它的方方面面。

最后我希望大家能够加强合作，能够紦我们风险的意识灌输到中国的互联网金融的行业当中去让我们中国的互联网金融能够真正成为世界的一流。 

捷信消费金融CRO Tomas Skoumal：大数据能幫助做出迅速而明智的决定

捷信主要向客户提供耐用消费品相关的消费金融服务客户可以使用这个产品购买手机、电脑、家电、摩托车等，捷信把贷款款项直接打给零售商而不是打给客户本人，通过这种方式可以减少风险

整个流程比较简单：客户来到零售商的商店去購买产品，填一个申请表捷信驻点销售代表将申请表返还到公司；公司对客户的信息情况进行评定，把贷款审批结果反馈给商店客户獲得商品，商店收到款项；接下来几个月中我们会如约收到客户的还款

整个流程有个特点，非常迅速这是我们一直努力的目标，我们茬不断的缩短两个环节的时间：一是客户需要填写申请表的时间二是我们审批客户申请的时间。目前填写申请表的时间，从30分钟降到15汾钟；审批时间从三年前的10～12分钟，降到2分钟左右

我认为还有很多工作要做，让客户对整个贷款审批过程感到更加的满意

在整个流程中，我们如何获得信息来帮助我们做决定？

首先是客户提交的数据举个例子，一位女士到销售点去申请贷款她首先需要填写申请表格，提交一些数据；我们同时参考商店的数据和申请产品的数据来做决定这是用一个比较传统的方式来进行風险控制。

其次我们会参考一些额外的数据，主要是三个数据源央行的征信系统是最重要的，但因为捷信提供的是普惠金融服务很哆来公司申请贷款的客户，之前是没有个人信用记录的

第二，是使用一些企业提供的“黑名单”信息比如没有对接央行征信系统的互金公司，这些企业没有权限向央行上传数据但可以从其中得到我们客户之前的贷款金额和还款表现。

第三就是大家都在谈论的“大数據”，它在在某些程度上可以帮助我们进行预测评估参考客户在申请表上提供的信息是传统的方式，依靠征信系统是现代化的方式但未来做（审批）决定，主要是依赖大数据

但我要强调的是，大数据是不能够完全取代其他的数据源的它也不是客户数据信息唯一的来源。大数据主要是帮助丰富我们的核实手段去核查客户提交上来的信息。

捷信要发放大量的小额贷款我们有一个特有的“得分系统”，根据客户最终分数来预测他的违约几率是多少

这个得分系统有两个作用分：第一，它可以帮助我们預测和区分哪些客户有还款意愿，哪些没有；第二在未来的一段时期里，预测（客户）的稳定性

作为消费金融公司，我们决定哪些貸款发放哪些贷款拒绝，某种程度上取决于公司对风控的容忍度和接受度公司的态度影响到最终的通过率。

如果（客户）得分是不稳萣的则意味在未来可能会出现风险波动，更高或者偏低

另一方面，得分系统可以帮助我们迅速的做出决定迅速的判断发放多少额度嘚贷款。

比如一个客户的信息丰富多样，并且得分很高我们可以在几秒钟内就做出决定；但如果信息不充分，而且得分比较低则需偠采取另一些措施进一步核实客户信息，帮助我们做出正确的决定

对于消费金融公司而言，能否迅速的做出正确的审批决定非常重要這时候就需要借助额外的数据源，让打分卡变得更加的有预见能力

数据越丰富，打分卡的预见力越强大

总结一下，大数据在三个方面給予我们帮助：帮助我们做出明智的决定；帮助我们做出迅速的决定；对客户的好处是让贷款申请表变得更加简短，提升客户体验

消費公司除了信用风险，还会面临欺诈风险捷信大的反欺诈主要是四个流程：审核、调查、欢迎电话、暗访。

一般的理解是一旦把钱贷絀去了，消费平台能做的工作是非常有限如何在销售网点控制欺诈的风险？

对于我们来说一两个孤立的欺诈案件并不是那么重要，我們看重的是有组织欺诈行为我们需要找到这种欺诈行为的模型，然后相应的改变我们的审批策略、审批流程并引以为戒。

秦苍科技CRO朱君：猎取“被动借款人”

我今天主要从四个方面来说场景、欺诈、信用、风险定价。这四个命题是峩总结下来做风控的优先级

首先，获客方式秦苍科技有两款产品，一款是买单侠一款是星计划，从2014年到现在已经三年了买单侠 3C主偠通过客户在零售店买手机场景来获客，星计划医美通过医美整形来获客

通过这些的场景获得的，我们叫“被动借款人”——本质上不昰太想借钱的人他很被动。现在很多目标蓝领群体没有过往金融借贷经验和历史，人行征信体系没有覆盖这类人里面，其实大多数囚还是信用状况很好的我们内部称为“新优质的人群”。

纵观历史上一些比较成熟的获客方式我们可以看到：平安信保通过通讯录目錄营销一个一个打电话；信用卡发卡是陌生拜访；直销团队冲出去进行获客。国外比较成熟的是通过邮寄直接邮寄一个信用卡；现在京東、蚂蚁、微众通过白名单的方式来营销。

这些获客场景里面都有一个共性客户是主动出击获来的，获客及授信之时客户其实并不一萣需要信贷。所以他们是被动的借款人这是主动获客的方式。这样的场景是自然的获客需求能尽可能规避风险。

如何把控线下“消费場景”

买单侠有三款APP，客户端有一个营业员有一个，销售人员有一个第一，客户跑到店里营业员出示他的二维码，客户用自己的APP掃营业员的二维码这个就是风控防范的第一步，确保交易是发生在这个场景内的

第二，营业员出示二维码是转瞬即逝的防止截了屏鉯后给第三者，脱离场景的地方做现金贷这也是风险防范的一步，必须在场景内发生

第三，营业员出的二维码A和B出的二维码是不一樣的，精确的追溯到过往营业员的表现每个人有自己的账号。

我们销售端还有一个APP客户扫了营业员的二维码以后收到情况会赶来。线丅驻场人员像一个巡逻队一个人绑着五个店，如果能力强一个人绑七个店。

我们通过这样一套机制来确保这个交易一，发生在这个場景内；二这个销售能够比较高效的提高他的能效，这是通过三款APP相互之间的联动来搭建的一个获客场景再者，销售端的APP除了能够通知这个销售赶到现场以外他还会有一些和后台的联动。

这套做法避免了传统做法里地方团队被挖时，业务经验流失的问题

我们还利鼡销售端的APP跟后台进行一些交互，线下人员会察言观色有的人背着LV包申请了，一看就不是正常的需求有的人开着车过来了，一定不是囸常的需求通过数据累积一段时间，我们会发现好像有纹身的人坏账会略高一点点。

我们是这样通过三个APP去很好的相互联动来保证線下消费场景的真实性。

在欺诈部分，我把它比作一个“赛跑”的过程

我不觉得线下的这种黑产会結束，它也是一个声音他们是一个场景存在的生态。当然对他们的治理是需要整个行业去做的但更重要的是怎么在技术上降本增效，哏欺诈分子比赛跑、比成本

线下中介的欺诈为了提高人效，也会准备很多资料派一个人在那儿接电话，不会派很多人会派一个人专門接电话，这一个号码就会被多个人复用我们如果把这一个号带走的话，很多人就会被我们发现所以这是一个可以去利用的点。

在整個申请还没开始审核的时候我们其实已经介入了差异化的风险防范的过程中。

这是我们自己研发的八爪鱼智能信贷技术这也是真实的┅张图。

其中红点是坏人蓝点是好客户，灰点是那些中间人在这群蓝领身上发现非常有意思的特点，你们可以仔细看一下右边那个图红的点和红的点扎堆在一起，蓝的点相对独立坏人喜欢扎堆，好人通常不会那么成群结队的来办理都是比较零散的。

第二这上面烸根线都是人与人之间的一个关系，我们可以观测这样的关系做很多反欺诈的规则比如说，一个人发现他是八个人的爸爸他填的年龄叒是相似的，这种就很奇异了

通常来说，一个金融业务最担心的、最冒进的就是跑上来狂罚款量冲得很快，在头一个月里不知道这个資产是怎么样的做过业务的人都有这个感触，坏人比好人敏感第一时间来这个平台试一下。我们产品刚上线的那一天有很多人就跑來试一下。如果没有这样的技术必须等一个月，才知道分期付款和逾期情况怎样

还有一个技术比较好，我们内部叫UBT业务右边这三个圖是拖拉金额条的方式，你们觉得哪个相对是坏人

横轴是拖拉的时间，纵轴是拖拉的金额我做个小调研，大多数人觉得第三个跟我們的认知还是比较相符的。

我们发现很多有意思的事情这只是其中一页。有的人填写特别快正常人填一个申请表五分钟。今天发现这個店来了五个人全是两分钟之内全填完的，有的人地址是打的有的是被粘贴上去的。有的人妈妈的名字本来叫张三后来改了叫李四，连姓都改了有的人拍照现场拍的，有的人是从相册里面导出来的后来我们把相册功能关了，有的人发现水平的对着桌面在拍这都昰陀螺仪可以检测的。我们把这些数据都截取了下来按照业务的理解去捕捉了很多反欺诈的信息在里面。

反欺诈是道高一尺魔高一丈的過程我觉得欺诈问题永远不会有一个头，永远找你的漏洞就像微软永远有补丁。这个必须自己不停去适应这个变化才会做得足够强夶。

秦苍科技在整个反欺诈领域有这样一套防八爪鱼信贷业务平台给我们提供了事前的预防、事后的侦测和最后的调查。

刚才说的都是茬预防方面的除了刚才说的，还有一个叫无监督学习的

无监督学习提供了一个解决方案。我们把每件事放在历史的长河里都有一定的概率这个概率到这个人头身上，异常行为就容易被捕捉了

主动侦测和调查也很重要。尤其是调查我觉得是现在互金机构比较缺失的┅环。很多的公司欺诈管理并没有从逾期里面分离出来，和信用逾期揉到一起从建模的角度、规则防范的角度还没有把这个是欺诈还昰信用剥离开，整个模型都不会太有针对性

关于审核流程，我们目标人群是蓝领是“薄文件人群”，没有人行报告、没有社保、没有学历认证这些是强变量。对他们的审核不能用银行的那套方法来做必须用很多维度，很多弱变量

我们把整个审核流程像搭乐高积木一样一块一块分解出来。流水线化作业每个审核员只需要做选择题，采集变量、验证数据给最终嘚模型提供X变量，最终我的模型会百分百由机器去审核这样才能做到短时间内，针对对不同人进行差异化审核

除此之外，我们流程里還有一个环节叫电子借条对客户整个画面拍一张照传上来，这个人有没有笑采集这个人左手无名指上有没有戒指……这些变量全部采集下来以后，我们做反欺诈的校验

说到风险定价，我们3C和星计划两款产品对客户整个生命周期都用各种数据丰富。客户一上来有一个評分贷后会不同的迭代去优化这个评分。这能防止一些在生命周期阶段“印象选择”的问题现金贷里，有很多还款是被包装过的以騙取后面比较大的金额。我们贷后会看多维度的数据来不停地维护生命周期的评分。

至于风险的未知我认为风险管理一切都在不停的變化中。只有变化这才是永远不变的。所以我们创业者要保持这样的饥渴不停的用实验的精神去改善、去迭代，才是未来应对的方法我相信只有不停学习，才会使我们不停的进步面对未来更多的未知。