2.4　傳統方法的問題和挑戰

傳統的風險管理方法隨著信貸業務發展至今，其有效性已經被時間所驗證，幫助傳統金融機構的業務人員和風控人員很好地把控了貸款質量。不過隨著近十年移動互聯網的興起，越來越多的線下貸款業務逐步轉移到線上，各家的貸款產品都被放到一個公開透明的環境下進行比較，借款人對于產品的設計和體驗要求也越來越高。面對更加互聯網化的金融大環境，傳統的風控體系暴露出了如下一些問題。

（1）數據質量差

在這個數據驅動的時代，傳統的風險管理體系面臨的最大問題是缺乏數據管理的能力。紙質材料審核、電話回訪、線下盡調等方式搜集到的借款人的數據都較為有限，且數據的真實性和完整性都有待商榷。而傳統方法中最為依仗的評分卡模型，由于本身算法復雜度的限制，沒有辦法融合太高維的數據。在線下貸款業務發展時期，客戶的個人信息、收入證明、征信報告等已經足以幫助風控人員篩選出其中最優質的人群并開展業務。而當這些傳統的金融機構為了擴大業務范圍而逐步線上化時，就會發現新增的借款人群體中很大一部分都沒有穩定的收入或者是征信白戶，這就給傳統風控人員的工作帶來了極大挑戰。

（2）人力成本高

傳統的風險管理是個勞動密集型崗位，需要大量的信審專員來進行客戶信息驗證和貸款核準的工作，這大大加大了機構的人力成本。隨著貸款產品的多樣性和復雜性，一味地擴張人工審核團隊也變得極為不現實，一方面，市面上經驗豐富的信審專員有限，另一方面，這種大量囤積人力的商業模式，背后隱藏著極大的風險，很可能在業務發展不順的情況下造成大面積的機構虧損和裁員事件，對于利益和品牌都是極大的損害。

（3）審批流程慢

與當前線上貸款推崇的秒級到賬相比，傳統的貸款業務審批流程較慢，期間經歷若干個審批流程和人員，通常需要一兩周的時間貸款資金才能打到借款人的賬戶中。對于金融機構來說，這種漫長的等待勢必會讓產品的體驗大打折扣，進一步使客戶流向放款效率更高的互聯網金融機構。

（4）迭代周期長

傳統風控體系中所利用的專家規則和評分卡模型，都存在著迭代周期較長的問題。專家規則是業務專家在長期的工作經驗中總結出的規律，每一條規則的背后都需要若干的案例分析來支撐；而評分卡模型的變量分箱和變量篩選，需要風控人員們對于每一個潛在變量逐一分析，找出其中最具有代表性的10～15個變量最終入模。由于移動互聯網環境下的信用風險和欺詐風險都具有變化快的特點，這些傳統的風險管理方式存在一定的被動性和滯后性，對于機構來說是極大的風險隱患。