企业在发展管理的过程中，风控必不可少，加强合规风控管理 助推市场规范发展。
在互联网金融风控体系中，量化分析需要贯穿始终，评分卡模型是其中非常重要的一环。在互联网金融评分卡开发过程中，我们仔细研究了企业风控操作流程，反复推敲了模型构建步骤，最后我们认为从业务应用角度，评分卡开发应用应遵循：
开发风控模型的步骤
业务定义
为什么把业务定义放在最底层呢？
从商务智能的角度说，模型，评分，策略等都是为业务服务的，脱离了业务场景的模型和评分是无本之木，无源之水;脱离了业务场景谈模型的准确性，没有意义。不同的业务场景，产生了不同的数据，不同的数据包含的规律，体现在数据分析中就是不同的模型、不同的参数和不同的评分。
业务定义之后，还有一个要求，即业务模式的稳定性。即在一定时间范围内，用于构建模型的数据依赖的业务模式是相对没有变化的，前后一致的。只有满足这个条件，历史数据模拟出来的模型，和后面的数据才是匹配的。这在学术上有个术语，稳定性，Stationary/stability.同理，我们也假设，符合同一类属性特征的个体，其表现行为也是一样的，即打分相同的人，表现也相同。这也回答了有人提出的另一个问题“我以前从没贷过款，也没信用卡消费记录，能用你的模型打分么？”
风险定义
在我们清洗数据的时候，看到对客户信用评价中有这么一类“少量逾期”，这个类别占了相当大的比重，而且在模型中作用也比较显著，和其它类别“信用好”“信用差”等比肩。少量逾期”是传统银行信用卡业务中经常出现的一个分类，而且算一个银行比较喜欢的类别。
风险分解
风险分解，就是用模型把目标客户分类。选择正确的方法，合理分类，才能为进一步采取合理的商业策略提供正确有力的数据支持。评分卡是其中一个比较有效的工具。在信用风险管理领域，评分卡是简便易行的风险管理工具。
什么是评分卡？评分卡是综合个人客户的多个维度信息（如基本情况、偿债能力、信用状况等，重点关注偿债能力、还款意愿），基于这些信息综合运用数学分析模型，给个人综合评分，判断违约的可能性的工具。生活中存在许多“显性”或“隐性”的“评分卡”。
就分析方法发而言，现在分类算法有很多种，决策树，逻辑回归，支持向量机，神经网络等等，都可以实现这个目的。
风险策略
在给客户正确分类之后，即准确地风险分类。我们就可以采取相应的商务策略，优化业务：
- 流程简化：通过模型对客户分层，降低审核人员的工作量，提高审批速度。
- 风控优化：以客观分数代替主观评断，保证审批标准及风险偏好一致性。
- 风险定价：按照模型计算的违约率进行产品的定价。
企业风控部职责
一是对风险和风控有正确的认识，在识别风险的同时，帮助企业从全面经营的角度找到化解风险的方式，而不是在文字上消灭风险；
二是有多专业整合的能力，单纯的法律视角不适合做风控，多专业整合才能把公司投资决策的阴性一面补足，真正做到阴阳平衡。
风险识别是人的认知，风险化解也要靠人的行动，所以做好风控，需要自上而下都要有能够正确认识风控作用的人，也需要真正在风控岗位上站对位置的人。
閱讀更多 金融小鵬君 的文章
