阅读：0
听报道
我曾经在中银香港的风险管理部门工作过一段时间，也在几家上市的股份制银行中担任过董事会风险管理委员会的主席，对于所谓从传统风控向大数据风控的转型，有一些具体的体会，传统与现代也是相对的，也是不断演进的。金融机构的风险控制部门，往往同时要熟悉具体业务操作、风险管理模型、系统流程与运行和IT技术等等，作为风控相关从业人员，如同在任何其他交叉学科领域一样，首先确立主次地位，而具体到大数据风控，若以传统风控为本职，应考虑将大数据作为工具和手段，辅助风控体系的建设，或更多的可将大数据技术看作是对传统风控工作各个方面的提升。
要想从传统风控转型到大数据风控，起步阶段需要具备的知识技能包括：
一、能在分布式系统数据库获取数据并进行基本处理的能力，所幸多数环境中一定程度上能够兼容SQL语法，因此无需太过在意数据存储的技术实现和数据库管理，只需掌握基本的数据处理脚本；
二、能对各类数据有敏感的嗅觉，能充分寻找到有信息价值且不难理解的指标的计算逻辑，同时让变量衍生的构造逻辑尽量清晰，在大数据处理上通常会有千万级别的变量衍生数目，因此如何利用函数、宏等实现方式提炼代码浓度，有利于维护以及降低错误率。
三 、熟悉各类典型的统计学模型技术，能够较好的从工作业务背景中找到对应的统计解决方案，并在多个机器学习类的模型中能够比较他们的优缺点，找到最合适当下场景的技术应用。
四、 程序掌握，信贷风险管理行业中主要使用的能够实现数据处理、基础模型开发以及部分机器学习的软件环境为SAS，在当前环境下SAS依然有很强的竞争力；而免费开源的程序环境有R和python，对近期学术界和应用场景中使用的统计学模型解决方案有更高时效的跟进。原则上这三种程序通过一定时间的学习都能解决大多数的工作课题。而在遇到特定问题时，建议灵活使用软件，而不要坚持某一种，更无必要比较这些软件的优劣，事实上在评论一个软件不好时，很可能是因为没找到正确的使用方式而已。
最后，还需要指出两点：
第一，从实践看，脱离风控本身工作的目的来谈所需要的技术知识，是低效并不切实际的。所以，还是要从实际工作流程出发，从现有的传统也可能是经典手段出发，寻找大数据环境下的新风控工作的内容以及大数据技术可以提升的落脚点。
第二，在风控工作中还包括其他一些职能，例如客户/资产监控、组合管理以及相关报表类、贷中预警与贷后催收、资本计量及会计拨备、压力测试等，因为工作的技术重点相对独立，并无较多的大数据场景，因此在这些工作场合中较少出现大数据风控的概念。当然，随着行业发展和现代化技术手段的使用，越来越多的场合需要使用到统计学技术分析以及程序编辑，实现更科学的分析和相对自动化的实现方式。
文章载于“悟空问答”（2018年7月27日）
话题：
0
推荐
财新博客版权声明：财新博客所发布文章及图片之版权属博主本人及/或相关权利人所有，未经博主及/或相关权利人单独授权，任何网站、平面媒体不得予以转载。财新网对相关媒体的网站信息内容转载授权并不包括财新博客的文章及图片。博客文章均为作者个人观点，不代表财新网的立场和观点。
京公网安备 11010502034662号 