本文以個人信貸流程為例子，分享了貸前審核、貸中跟蹤、貸後管理中的注意要點，以及需要了解的風控關鍵詞。
開始這篇文章之前首先介紹一下，我作為非金融專業出身，這是自己關於風控知識的學習積累。本人也是一名新人希望能向更多的前輩和夥伴們吸取經驗相互學習。
內容架構：
一、什麼是風控？
風控的全稱是風險控制，指的是管理者通過一定的方式和手段把控事情能安全有序的完成；降低甚至消除過程中風險事件發生的可能性，或者是減少和避免風險事件帶來的損失。
風控其實一直在我們生活中以不同的方式保障著我們的安全。比如我們平時的帳號登陸在異地登陸（沒在過的登陸位置）會有風險提示，並需要通過驗證的方式才能成功登陸，以防盜號危險。因此，風險控制無處不在。
二、風控有哪些不同的形式？
風控的形式因在不同的業務、技術和平臺而制定的模型規則而不同。
首先按業務流程分類包括:信用評級風控體系、信貸審批風控體系、貸後管理體系、客戶管理體系等；按智能特點分類包括：人工風控體系、大數據風控體系和人機互動體系等；按平臺類型包括共建開放式風控模型和自建封閉式風控模型。
三、風控的流程是怎樣的？
上一節也說到風控模型因為了符合不同的業務，規則的制定和形式的管理和運用，因此會存在差異性；但是風控管理存在的共性內容一般都包括事前審核、事中控制、事後管理的內容。我以借貸後臺流程來解釋。
3.1 貸前審核
貸前審核是各類數據集合來評估用戶是否滿足貸款要求的關鍵步驟，同時也是用戶想成功獲得貸款的必須要求。
這一個步驟我認為核心關鍵在有效數據的獲取和反欺詐過濾的保障，因此風控在這一環節需要十分的注意。
門檻審核是為了確定是否為真實用戶和是否有收入能力還款以及通過身份證判斷是否為平臺黑名單或者違約用戶；其次填寫銀行卡的卡號、身份證號和手機號是否與銀行預留的一致——這是必填項，目的是用於逾期未還款的初期扣款首選項。
反欺詐檢測是風控的核心環節，通過獲取用戶埠的數據判斷是否異地操作，人臉識別活體檢測，通過通話記錄是否有違規預兆如涉賭風險等。
最後通過大數據收集到的有效數據如央行徵信數據、信用卡數據等，現在第三方信用數據如螞蟻信用等也做為用戶的評分估值的參考，通過制定信用評分的規則，形成的分數是否達到貸款標準和不同分數對應的貸款額度。
3.2 貸中審核
制定信用政策是讓企業為對應收帳款進行規劃與控制而確立的基本原則性行為規範。簡單來說是針對用戶的信用評分做出的相應政策，若用戶的信用分數高則能夠貸款的數額更大，還款周期更長，利息更優惠，若信用分數低則相反甚至拒絕貸款。
貸款借出後需要對用戶的貸款使用進行監督，目的是關注是否有違反信用政策或者其他不良目的的行為發生，從而不斷的更新用戶的信用評分。一旦客戶的信用狀況發生變化，就應該相應地調整向客戶提供的信用條款。
例如，如果預計客戶的信用狀況惡化，應該調低客戶的信用限額；相反，如果預計客戶的信用評級提高，對客戶提出的更高信用額的要求，應該給予肯定、及時的答覆，這有助於保持同客戶的良好關係。
帳齡和匯款記錄要求每隔一個月或一季度必須同顧客核對一次帳目，形成定期的對帳制度，不能使管理脫節，以免造成帳目混亂、互相推諉、責任不清；詳細記錄每筆貨款的回收情況，經常進行帳齡分析。
3.3 貸後管理
貸後管理是讓帳款更快的收回，催收模型的建立主要是通過從賒銷原因、時間、催收方式等方面完善；分析應收帳款分析表；採用合理的催款策略。其中包括通知客戶還款的剩餘期限，加強電話通知客戶的次數、委託專業的收款理財機構進行催收。
客戶管理是對用戶貸款還款行為的是否及時為依據作為信用評分數據的變化，及時還款的用戶要提升分數甚至提升貸款額度等獎勵手段，逾期並惡劣拖欠的用戶則相反。通過客戶管理能夠挖掘更多優質用戶進行下一次貸款做準備。
3.4 以平臺收到個人信用貸信息的流程展示
風控的環節包括開戶申請審核和貸款放款審核。
開戶申請審核目的是：判斷用戶是否符合放貸條件，攔截不良用戶（違約記錄用戶和黑名單用戶）。
貸款放款審核目的是：判斷資金池是否充足，申請單量是否在平臺控制範圍內，以保障平臺借貸流程正常，不積壓過多。另一方面判斷開戶用戶成功的信用評分是否發生了變化，是否在新增黑名單內，保障平臺利益。
這兩個重要步驟都屬於貸前審核，具體如何施行上文已經闡釋清楚。
四、風控有哪些關鍵詞需要了解？
1. 逾期天數 （Days Past Due）； DPD
比如DPD n（指還款截止日的次日開始到實際還款日之間的日期），DPD 10=逾期10天。
2. 逾期期數 C、Mn
指還款截止日的次日開始到實際還款日之間的期數。
正常還款無逾期用 C 表示。Mn表示逾期n期：M1逾期一期，M2逾期二期以此類推。Mn+表示逾期n期（含）；以上，M7+表示逾期期數 >=M7。
3. 核銷金額
貸款逾期M7後經審核進行銷帳，核銷金額截至在在核銷日期當天的貸款餘額。
4. 回收金額 Recovery
來自歷史所有已核銷合同的全部實收金額。
5. 淨壞帳 NCL
當月新增核銷金額 – 當月回收金額。
6. 貸款餘額 ENR
指至某一節點日期為止，借款人尚未歸還放款人的貸款總額。
7. 月均貸款餘額 ANR
月均貸款餘額 = （月初貸款餘額 + 月末貸款餘額）；/2
月初貸款餘額，即上月月底貸款餘額。
8. C,M1,M2,M3…的貸款餘額
根據逾期期數（C,M1,M2,M3…）；，計算每條借款的當時的貸款餘額：
貸款餘額 = 放款時合同額 –已還本金
已還本金 = （放款日次日 ~ T-1）；的還款本金總額
9. 在帳月份 MOB
指的是放款後的月份。比如MOB0,放款日至當月月底，MOB1,放款後第二個完整月份。
10. 即期指標（coincidental delinquency）
當月特定逾期期數的貸款餘額/當月總貸款餘額，一般縮寫為：Coin（Mn）；%，例如Coin（M4）；%=當月M4貸款餘額/當月底貸款餘額。
4月Coin（M1）% = 4月M1餘額（30,000）/ 4月貸款餘額（150,000）= 20.0%
11. 遞延指標（lagged delinquency）
當月不同逾期期數的貸款餘額/往前推N個月的總貸款餘額，一般縮寫為：Lagged（Mn）；%，例如：
Lagged（M4）；%=當月逾期期數為M4的貸款餘額/往前推四期的貸款餘額
12. 帳齡分析 Vintage
（1）2015/07的放款合同金額為50,000+30,000=80,000；
mob1（2015/08）：客戶B發生逾期但是不夠M2;mob2（2015/09）：客戶B依然沒有還款，進入M2，則帳齡計入：30,000/80,000=37.5%mob3（2015/10）：客戶B依然沒有還款，進入M3，帳齡數據保持不變37.5%。假設以後客戶A依然正常還款，客戶B沒有償還行為，則之後帳齡保持37.5%不變。
（2）2015/08的放款合同額為30,000+50,000=80,000；
mob1（2015/09）：客戶C發生逾期但是不夠M2;mob2（2015/10）：客戶C還清欠款，進入C，客戶D發生逾期但是不夠M2；mob3（2015/11）：假設客戶C未還款，則發生逾期但是不夠M2，客戶D繼續欠款，則進入M2，帳齡記入：40,000/80,000=50.0%；mob4（2015/12）：假設客戶C、D都未還款，則C進入M2，D進入M3，則帳齡記入：60,000/80,000=75.0%；mob5（2016/01）：假設客戶C、D全部還清欠款，全部進入C，則帳齡為0；
五、最後
作為網際網路金融的風控，風控的核心應該是風控規則制定和模型的建立。那麼風控產品就需要堅實的數據支撐作為分析基礎，能夠提供實時的風險管控。
如果將平臺當作嬰兒，那麼需要投入充分的營養才能茁壯成長，而風險控制就像體內的免疫系統，能夠檢測並抵禦外界病毒才能更好的長大成人。這就是風控的重要性。
從0到1的學習是痛苦並快樂的，從傳統行業轉到網際網路行業新的領域有許多新知識需要自主學習和實際運用，作為產品經理要保持強大的自我驅動力，不斷的進步！與大家一起加油！
本文由 @曹大大 原創發布於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議