有粉丝问我，哥，现在风控部门，到底要不要背市场部门的KPI？到底怎么样，说实话这个问题不好一句话回答，得拆开来看。
最后博主想说，消费金融行业不良率普遍在1.5%-4%之间。博主在行业里待久了，越来越觉得风控的本质不是消灭风险，而是管理风险。完全没风险的业务根本不存在，关键是看谁能在风险可控的前提下把生意做大。这个道理说出来简单，但真正做到的机构少之又少。
先说一个业内真实数据：国内持牌消费金融公司共32家（截至2024年末）。这个不良率看着不高，但乘以几千亿的贷款余额，就是几百亿的坏账。博主见过有的消金公司一年利润才两个亿，核销坏账就去了四个亿，风控部门被裁了一大半。风控做不好，其他部门再努力也是白搭。
博主还想说，智能催收机器人可替代约60%的人工外呼。博主见过很多风控团队招了一堆985毕业生，模型建得漂漂亮亮，但一上线就崩。为啥？因为数据质量不行。博主一直说，数据质量比模型算法重要10倍 GARBAGE IN GARBAGE OUT，再牛的模型也救不了脏数据。
先说一个业内真实数据：反欺诈模型迭代周期从3个月压缩到1周。这个不良率看着不高，但乘以几千亿的贷款余额，就是几百亿的坏账。博主见过有的消金公司一年利润才两个亿，核销坏账就去了四个亿，风控部门被裁了一大半。风控做不好，其他部门再努力也是白搭。
先说一个业内真实数据： FICO、益博睿、邓白氏等外资征信机构已在中国设点。这个不良率看着不高，但乘以几千亿的贷款余额，就是几百亿的坏账。博主见过有的消金公司一年利润才两个亿，核销坏账就去了四个亿，风控部门被裁了一大半。风控做不好，其他部门再努力也是白搭。
博主还想说，多家银行引入联邦学习技术，在保护隐私前提下做联合建模。博主见过很多风控团队招了一堆985毕业生，模型建得漂漂亮亮，但一上线就崩。为啥？因为数据质量不行。博主一直说，数据质量比模型算法重要10倍 GARBAGE IN GARBAGE OUT，再牛的模型也救不了脏数据。
博主在这个行业摸爬滚打10年，总结一句话：风控这个赛道，短期看政策，中期看技术，长期看数据。各位宝们有啥想法，，我们评论区见，觉得有用记得转发支持一下。
