其实谈到金融科技，很多人脑子里面印出来的第一个词就是大数据风控，因为其实没有大数据风控的话，金融科技其实也无从谈起。
我们首先来看一下大数据风控怎么玩。
第一个部分我们先看一下大数据风控的一个价值。
说到大数据风控，我们先要看一下什么叫风控风控它其实有两个步骤，第一个步骤是要感知风险，第二个步骤是控制风险，我们如何去感知风险？其实我们就是把每一个事件金融的事件分成几个要素，谁在什么时候通过什么方式，这什么对象做了什么，我们逐一的去盘查这几个要素的时候，其实就会发现风险点所在的地方要么是谁，就是欺诈者，或者说违约者在什么时候就是说是风险事件的一个时间，通过什么方式就是欺诈的手段，或者说违约的一个方式，这什么对象就是受害者做了什么东西，具体是什么东西出现了风险事件。
所以要感知风险的存在是需要去针对每一个业务流程，对它的一个人物是时间方式对象以及具体的一个业务的标的进行一个感知。
其次是要控制风险，要控制风险的话，我们首先说是要站在攻击者或者说的违约者的角度来考虑问题。
我们如果说站在攻击者也就是说欺诈风险防范的角度来看的话，基本上是七大风险，它欺诈的什么？他攻击的是什么？攻击的其实就是利益，它的目的就是利益，所以说利益在什么地方，风险就在什么地方。
所以通过这两种方式，一个是感知风险，一个是控制风险，就组成了我们大家说的风控。
那大数据风控它其实它的价值是在风控的基础之上，我们说有三个价值，第一个是拓宽了的边界，第二个是更新了风控的一个理念，就是大数据风控，它相对于传统的风控，它是一种全新的一种风控理念。
第三个是拓宽了金融的边界，我们接下来逐一的看一下，我们知道风控传统的风控它依靠的一个数据其实就是征信数据，主要是央行的征信数据，然后其次再加上一些人口的基本属性的数据，比如说你的职业，你的收入，你的学历等基础信息，它主要是依靠这些数据来对一个人做一个信用的一个评分，根据信用评分的结果给予你进行信贷的决策，包括授信的额度，授信的利率等等，大数据风控其实它的数据源是拓宽了的，他除了这些传统的风控数据以外，他还把消费特征的数据社交属性的数据，兴趣爱好的数据包括互联网行为的数据加了进来。
所以说大数据风控它丰富了信用风险评估的一个数据维度，它纳入了更为多样的一个数据，尤其是各类互联网行为数据，然后得以以多个信用模型进行多角度的分析，能够大大的提升信用评价模型的一个精准度。
像美国的互联网金融公司在分nice，它的模型基本会处理3500个数据项，提取近7万个变量，可以利用身份验证模型欺诈模型还款能力模型等十余个模型进行分析，使评价结果更加准确。
模型的评估性能大大提高，其实也很好理解，因为它的数据边界拓宽了，数据的维度拓宽了，所以它的模型的维度也就拓宽了。
当一个风控模型维度由一个两个变成十几个二十几个甚至上百个的时候，风控的评价的结果更加立体化，我们说也就更加准确化。
所以说第一个价值是拓宽了数据的边界，让更多的数据可以为风控服务。
我们在这里可以简单看一下，典型的数据员，除了有人行的征信数据以外，还有运营商的数据，包括你是否欠费，你的手机活动的区域，每月的话费金额，也包括用户主动提交的一些数据。
比如说你的信用卡邮箱的账单，线上线下的消费记录，信用卡的张数等等，也包括手机APP的一些数据信息，比如说用户的访问数据，登录数据打开APP的数据，搜索数据申请认证贷款的数据等等。
还有一些公司通过网络爬虫来获取一些数据，包括各类黑名单，社交网络的数据，贴吧的数据，以及一些高风险APP的一些登陆信息等等。
同时也包括一些像一些征信公司，或者说第三方公司的一些数据，比如你的高危通话记录，线下消费记录，担任企业主的信息等等。
所以所有的我们大家能想到的很多数据都可以被应用于大数据风控的一个建模之中，从而建立更加立体化更加多样化的一个风控的一个模型，来提高风控模型的一个精准度。
接下来我们看一下大数据风控的第二个价值，它带来了一种全新的风控理念。
第一点是风控的自动化，传统的风控它其实从贷前贷中贷后都离不开人工的干预，虽然他也在去实现这种流程的自动化，但是因为缺少一种数据的支撑，其实还是要很大程度上去依依靠人工，依靠人工就会带来一种道德风险的问题，也会到也会受制于人类本身的这种经验规则的一个限制。
依托大数据风控，从贷前贷中贷后全流程都可以实现一种自动化的审批的效率，其实是大大提高了的。
也非常契合当前互联网金融的一种特点，因为用户的耐心其实越来越越小，可能原来你比如说一天之内能够给反馈结果，用户觉得已经OK了，但现在你如果不能在十秒钟甚至说更短的时间内给出用户一个反馈结果，用户直接就去选择别人家了。
所以风控的自动化它会带来风控审批效率的极大提升。
对于互联网互联网消费金融的一个崛起，它其实起着非常大的一个帮助的一个助力的作用。
第二个点的话其实是风控的一个实时化，就是依托大数据风控风控的数据和信息，它其实是实时录入的，它能够去搜集借款人的一些实时的信息，能够反映借款人当下的一种风险状况。
传统风控它其实恰恰缺乏时效性数据的输入，他所依靠的一些信用的记录的数据，有可能是你一个月前的一些还款记录，有可能是你一年前的一些还款记录。
这种依靠之后数据得出来的一种风控模型，它这个结果其实是有偏差性的，依靠这种偏差的这种风控结果来作为进行风控，它其实会带来一些结构性风险的问题。
所以说大数据风控它第二个风控理念就是实现了风控的一个实时性。
第三点比较重要的事大数据风控，它借助于机器学习的技术，它实现了风控的一个可进化，就是模型是可以进化的。
因为就是说依靠大数据风控的一个机器学习模型风控的一个结果会有一个反馈，就是说你一开始这个模型给的借款人是一个优质的一个评价，借款人如果后来没有还款，可能结果会反馈为模型，模型会进行自我评估，说为什么借款人在当初的模型里面评估中是优质的，但它为什么是最后是没有还款？这个原因在哪里？它根据这种分析的话，它会带来这种模型的自我的一种进化，是不是因为缺失了某个重要的因素，或者说某个模型某个参数不是特别准确，所以说在大数据风控的模型体系下，只要你的业务量足够多，只要你给他足够长的一个时间，它这个模型不断的去进化会会越来越趋于完善，越来越会与业务融为一体。
所以大数据风控它整体上相对于传统风控来讲，它是一种全新的一种风控理念，它不仅仅是说我把数据给拓宽了，他其实在整个的风控上，整个风控逻辑上，整个风控的本质上都在发生了一些重要的改变。
我们看大数据风控它第三个价值，它其实就是拓宽了金融的边界。
第一个边界是拓宽了客户的边界。
首先是征信百户，在传统的风控模式下，征信百户是很难在金融机构获得贷款的。
因为传统金融机构的风控方式就是看你查你的征信记录，你如果没有征信记录，对不起，我不知道该如何服务你。
在大数据风控的模式下不存在这个问题了，也就是说不存在典型意义上的征信白户。
因为你可能这个人没有征信的一个记录，你没有还款的记录，但是你总有社交记录，你增重你的一些消费记录，这些数据也能够被大数据风控所用，所以在大数据风控模型眼里是没有征信白户的，所以拓宽了客户的一个边界。
第二个边界，第二个的话就是普惠群体。
当然了普惠群体和征信百户它有重叠，但是二者并不是相等的。
就是争议百户不见得是普惠群体，不过群体也不见得是征信白户。
传统金融机构它在普惠群体去服务这个群体的时候，它遇到的困难一方面是风控的困难，另外一方面是经营成本的问题。
普惠群体它的一个特点就是它的贷款需求其实额度非常小，但在这种传统金融机构的风控模式下，它是需要依靠大量的人力的，就是它的成本是非常高的，你如果说金额匹配的贷款金额非常小，所以从经济上就是不划算的，不经济的不可持续。
大数据风控它其实也实现了风控流程的自动化，它的风控的成本经营的成本是非常低的，所以他非常能够契合这种普惠群体的小额的一种贷款需求。
也就说你虽然只给我贡献了一百块钱的利润，但是因为我的风控成本很低，我给你做你的业务仍然是赚钱的，所以使得普或金融成为一种可能。
客户边界的还有一部分就是微小企业这一块。
这一点其实最明显的就是我们看到一些电商平台的卖家，淘宝的卖家，苏宁的卖家，京东的卖家等等。
就这些小卖家，他们其实在传统金融机构也很难获得贷款，因为传统金融机构给企业做贷款，它其实要么看你有担保，要么看你有厂房做抵押，你有房子作抵押，或者说你有汽车做抵押，这些小卖家们其实都没有，包括我们线下的一些夫妻老婆店们也都没有，他们有什么，他们有数据，他们有经营的流水，他们有支付的数据，纳大数据风控可以把这些数据作为一种风控的一种手段，然后数据就成为这些微小商户的一些可以进行风控的一种资产。
所以大税风控也使得此类的微小商户微小企业去开展贷款申请更为容易。
除了客户的边界以外，大数据风控还拓宽了就是金融的模式的边界。
首先是消费金融这一块，它其实实现了消费金融的一个场景化，这一点其实非常重要。
我们大家再去谈消费金融的时候，很多时候去把它等同于场景金融的是为什么能够这么消费金融等于场景金融的，其实大数据风控的价值在里面发挥了很大的作用。
我们举个简单的例子，比如说你去线下的门店线下的一个3C的手机店去买一款手机，这个时候旁边有一个消费竞争的机构想给你提供贷款，如果他是一家传统的消费金融机构的话，它可能需要你现场去提交一些素材，提交一些收入证明的材料，然后两天之后给你反馈结果，这个时候用户一般会流失掉，因为我可能就几千块钱，我可能宁愿去借钱或者用其他的手段，因为我现在就是要买手机，你让我等两天，我等不起那么大数据风控它其实他解决了一个实时性的一个风控判断的一个问题，所以说它就可以当场哪怕或者说在十分钟以内，甚至在三分钟以内就给出一个申请的一个结果，这个时候用户是愿意的。
所以随着风控的一种实质性的一种推进的话，消费金融这种产品它其实越来越摆脱了对这种时效性的一种限制，可以能够时时的去切入到场景里面去，成为一种工具，所以它带来了消费金融的场景化。
第二个的话就是它带来了微商金融的一个数据化。
微商金融也就是说微小商户金融这一块原来是需要靠固定资产靠担保来进行风控的，现在其实数据本身就是一种资产，所以只要有数据，然后就可以做业务就可以去申请贷款。
这个是微商金融这一块，就是现在很多的巨头其实都在去布局微商金融这一块一个主要的一个背景，也是说大数据风控技术的一个成熟，同时这些微小商户他们的数据的积累也越来越多的线上化。
第三个模式的边界是供应链金融这一块，它其实是实现了供应链金融的多层次渗透。
我们说传统的供应链金融，它其实更多的是依靠核心企业的一个信用，然后去跟上下游做一个担保，或者说做一个确权来进行实现的。
其实核心企业上游下游的下游，这些多层级的这些更小的一些商户，其实是无法去享受到这种核心企业的担保的。
借助于大数据风控，其实只要整个的产业链条之间，它的一个业务往来的一个数据是能够追溯的，是能够实现信息化可视化的，那么其实供应链金融的边界就可以拓宽，就可以从一层级的渗透发展为多层级的一个渗透，它能够突破这个模式的一个边界。
