大数据风控从获客、审批、到贷中的维护、客户价值的提升、再利用、深挖以及到客户的挽留、催收和退出，让金融风控不再是简单的放款回款，而是在完整地维护一个客户的生命周期。

　　我们要形成一个完整的闭环，需要分三步：贷前、贷中、贷后。

　　1、贷前：望其面目，以绘其形

　　贷前主要包括准入授信规则的制定与划分。

　　(1)准入

　　在贷前阶段，需要对客户的数据进行搜集、清洗、分析、应用，这是一个很长的链条，若运用传统风控费时、费力。但我们现在有大数据技术，可以精准挖掘申请人多维度信息，包括人口属性信息、社交信息、历史消费记录等信息，消费方式、兴趣爱好、社交偏好等相关维度信息。结合这些信息形成一张用户画像，对客户的贷款资质以及还款意愿、还款能力进行判断，辅助审核决策。不合格的客户在这个阶段直接被挡在外面，这样既防止后期“误杀”，也保证平台的客户质量，事半功倍。

　　(2)授信

　　授信是根据一个平台的消费需求制定的，我们可以把消费需求作为一个基数，建立有效的信用模型和评分规则。利用灵活开放的数据导入技术、多维度的信用强弱关系评分项，以及专业的评级模型，对客户还款能力、还款意愿等更深入、更全面的“解剖、分析”，为平台授信决策做一个整体的评级。不同评级的客户：首先，风险系数的调整不同;其次，对于每一个评级的客户群体都要有额度的上限和下限。

　　2、贷中：由表及里，对症下药

　　贷中分为两个部分，一部分反欺诈，另一个部分是额度调整。

　　(1)反欺诈

　　反欺诈，可能很多人比较多地在贷前用到。但实际上反欺诈贯穿整个客户的生命周期，不仅在信贷环节，在帐号登陆、注册环节就要进行反欺诈防护。现行的欺诈手段主要是冒名欺诈、本人蓄意欺诈、以及不良中介诱骗他人间接实施信贷欺诈等。

　　反欺诈需要做好两件事，一个是信息验证，二是行为分析。在大数据风控系统里，有很多先进的技术做支撑，所以这个方面我们无需多虑。而在行为分析这个过程中，依靠风控经验、客户信息验证、部分行为数据做预测分析，基于客户行为，通过打标签的方法识别不同的客户群体的风险程度。

　　(2)额度调整

　　在这个阶段客户大多有过至少一次的还款行为，那么平台就需要考虑如何调整客户的额度档次和息费，保证优质的客户得到更低的息费和更高的额度，而数据表现较差的客户需要用更高的息费来覆盖风险。

　　但不顾风险的一味追求高收益和不求收益的低风险都是没有意义的。额度调整的重点在于对客户需求和风险的合理预估。实则可以看成对资金在不同风险回报的分配，使得在一定的风险下，总体风险收益最大化。

　　3、贷后：闻其五音，以别其病

　　贷后主要是账单催收和贷后监控等。

　　(1)账单催收

　　平台把资金放出去，要确保能收回，所以这时要追踪资金动态，一旦出现逾期则启动催收团队协助完成逾期处理、资产回收的工作。对于催收也讲究一定的策略，首先，针对不同风险的细分客户群体，制订差异化的催收措施。其次，把握催收的时机，因为催收的资源有限，我们需要按照一定的分配规则来分配催收资源。

　　(2)贷后监控

　　最后进入贷后监控环节。在信贷过程中，即使前中期的风控到位，也并不意味着信贷交易的万无一失，借款人环境变故、还款能力改变、还款意愿动摇等情况时有发生。而利用大数据技术，可以对借款人进行多维度动态事件及市场信息跟踪与监控，能够快速觉察、发现贷后借款人的数据异常情况，及时进行贷后预警，有效防范贷款人跑路，信贷机构坏账、死账等情况发生。

　　总结：

　　从贷前、贷中、贷后三个阶段全程监控、贯穿始终的大数据风控体系，能够有效地把控金融风险。但是，在这里也要提醒大家一点，风控体系的搭建要以自身业务出发，才能发挥其真正的作用哦。

　　责任编辑：Erin