如何“謹慎”使用“數據驅動”的風控模型（三）——監控篇

之前小編介紹了謹慎使用“數據驅動”的風控模型，需要“高質量的數據 + 審慎嚴謹的決策模型 + 實時全面的監控分析”動態閉環。動態閉環能夠“動態”起來，需要最后一個步驟“監控”把關，全面、細致的分析、評估決策效果，使決策體系不斷進化。

做好監控是“謹慎”原則至關重要的舉措，需同時兼顧宏觀與微觀，并實現數據可視化。宏觀上，定義好業務指標，能做到洞察業務趨勢，預測整體盈利能力，區分不同風控決策的風險資產收益率（收益去除壞賬/該決策下的到期資產總量）；微觀上，能看到業務指標在時間或空間上的延伸、分布，實現在不同維度下的透視、下鉆分析，發現業務異常、潛在風險或漏洞，總結新的規律。監控的最終目的是為了使公司的風控能力不斷強化，幫助管理層做出明智、及時的戰略決策。

監控的首要目標是選擇合適的業務指標，單純從風控角度考量的話，逾期率、催回率、通過率、風險資產收益率等指標更受關注。但如果作為一個CRO的話，其他指標也需要關注，例如業務量（包括注冊、申請、放款、復貸等各個層面，異常的業務量往往更值得從風控層面關注），系統運行指標（系統運行不正常不僅是技術團隊需要修復的，CRO需要對系統非正常運行造成的潛在風險了如執掌），數據質量指標（數據質量決定了風控模型的準確度與可信度），等等。

不同層級、不同部門業務人員的關注點會有不同，因此業務指標需要支持不同的“顆粒度”。以“通過率”為例，CRO會花一些精力關注每個產品從申請到放款的轉化率，而風控策略經理需要對每個風控子決策、規則的正常通過率范圍都了如指掌，任何出現的異常波動都可能是風險隱患。要實現業務指標在不同層級的“下鉆”，得先做好一件事情：統一指標的標準化定義，口徑、計算方式，建立變更機制，運用數據質量管理工具管好、監控好，并嚴格按照標準定義落地（數據倉庫、BI應用、ETL等），避免管理者的錯誤或不一致的認知導致錯誤的決策。

數據可視化則是管理層所需的另外一項“數據驅動”的管理工具，可視化做的好，能幫管理層從紛繁復雜的業務數據中提煉出最有用的信息，更快速、精準的發現業務問題。結合風控場景，這里舉例介紹一些可視化的做法：

趨勢分析：關注業務量、逾期率（1日、7日、30日、90日等）、通過率、毛利率等指標的短期與長期趨勢，評估風控決策的效能，洞悉潛在風險，掌控公司盈利能力。

漏斗分析：風控審批的各個組合，每個步驟、甚至每個規則都應該放進漏斗進行分析、監控，觀察每個決策、步驟、規則的通過率的波動性，以及各決策之間的比較，發現可能的問題。

比對分析：選取一個維度（如時間、年齡、地域、用戶評分等），比對某個指標（如逾期率）在該維度上的差異。

最后再回顧、總結一下三篇的內容：做到“謹慎”使用“數據驅動”的風控模型絕非一日之功，需要管好、用好“數據”，謹慎、靈活“決策”，全面、精細“監控”。在此過程中，除了需要有先進的理念外，運用先進的管理工具實現自動化，更可以極大提升運營效率，少走不少彎路，一些成熟的軟件包括統一數據管理平臺、數據質量管理工具、數據倉庫、智能決策引擎、BI應用（管理駕駛艙）等。