A. 都說金融的本質是風控，那麼金融機構的風險控制是如何實現的
有效管理來戰略風險要求金融機自構更好地整合負責戰略的利益相關者與風險管理；設立允許獨立監管與策略質詢的流程；運用前瞻性的風險管理辦法培訓風險領導人；以及實施方法體系以理解外部環境變化與不確定性如何影響關鍵業務屬性。
金融機構需要進行靈活規劃，包括分析假設情景，即考慮戰略風險事件對收益及資本的潛在影響，以及如何應對。及時按照假設情景結果進行回應，需要足夠靈活的風險基礎架構能力。金融結構也應考慮確立特定戰略風險（如地緣政治風險、經濟風險與金融科技風險）的「負責人」，負責追蹤並管理此類風險。
金融機構風險管理：靈活應對，優先處理首要問題
B. 大數據如何助力金融機構搭建風控模型
"MobTech是一家大數據智能科技公司，為金融機構提供不同場景下的解決方案。拿小額專貸款的案例來看，他屬們的一站式風控建模大數據平台，提供數據匹配，特徵篩選，模型迭代，自定義模型開發功能，模型管理部署，自動化模型上線API輸出等產品服務；提供針對小額借貸，消費金融、車貸等場景的成熟特徵，可定製化各類場景衍生特徵；覆蓋90%android設備。
可在雲端輕松構建出獨屬於自己的數據智能解決方案，也可通過私有化部署，加強數據的安全性。
C. 優秀的互聯網金融公司，都是怎麼玩大數據風控的
現在一提起互聯網金融行業、Fintech領域，人工智慧、大數據風控的熱度就直線飆升。許多交易規模比較大的互聯網金融公司都在努力發展大數據風控技術，以構建提供普惠金融服務的能力。
那麼，這些優秀的互聯網金融公司，都是怎麼玩大數據風控的呢?
陸金所：KYC 2.0系統
精準判斷投資者的風險承受能力
陸金所自成立起就引進國際領先的第四代風險管理系統，借鑒平安集團經驗，形成了成熟的風險管理數據模型。其近日又推出了KYC 2.0系統，力求通過大數據技術、機器學習以及金融工程等方法，建立完整的互聯網財富管理平台投資者適當性管理體系，在資金端對投資者進行「精準畫像」，並提供智能推薦服務。
據了解，KYC2.0系統在原有的保守、穩健、平衡、成長、進取五大類型基礎上對投資者風險承受力評估結果進行量化，每位用戶都會獲得專屬的風險承受能力分值，又稱「堅果財智分」，對投資者風險承受能力的判斷更精準。
點評：量化數據信息，進行大數據建模。
風控最好的數據還是金融數據，例如年齡、收入、職業、學歷、資產、負債等信用數據，這些數據同信用相關度高，可以反映用戶的還款能力和還款意願，這些數據因子在風控模型中必不可少，權重也很高，是風險評估最好的數據。
所以，陸金所以平安集團經驗為基礎運用到的大數據風控，使用的是圍繞用戶周圍的信用數據，這些數據的特點是和用戶的信用情況高度相關，可以作為一個重要因子進行錄入，對其個人進行打分，再對其進行個體分析，最終得到一個綜合評分，這就對用戶進行了一個精準的風險承受能力評判。
民貸天下：拓寬數據維度
實現純線上智能化服務
民貸天下基於穩健、安全、規范的風控理念，其風控部門確定了「風控從嚴」原則，設定了借款審查、貸中管理、貸後跟蹤等風控流程。目前，民貸天下正全力推進全智能化建設，構造一個完整的、從資產端到平台端的全鏈路大數據風控系統，通過對人工智慧、大數據分析、知識圖譜、區塊鏈等技術的運用，為平台運營及業務發展提供強大動力。
在傳統數據之外，民貸天下還不斷拓展數據維度，如在用戶授權下，對用戶社交數據、訪問時間、相關認證、通訊記錄等數據整合分析，並且與螞蟻金服、芝麻信用、前海徵信、同盾等第三方機構緊密合作，進一步豐富對用戶的數據畫像，使民貸天下的大數據風控系統更加精準，從而實現從客戶申請、受理、審核、授信、放款到貸中貸後管理等純線上智能化服務。
點評：拓寬數據維度，是對傳統風控的補充。
傳統風控模型已經不能適應復雜的現代風險管理環境，特別在數據信息錄入維度上，影響用戶信用評分的信息較多，很多都沒有引入到風險評估流程。而大數據風控可以提供全面的數據(數據的廣度)，強相關數據(數據的深度)，實效性數據(數據的鮮活度)。
民貸天下利用這樣的大數據風控，通過與第三方合作等方式，將內部數據以及原有數據打通和整合之後，就會影響風險評估結果，提升信用風險管理水平，客觀地反映用戶風險水平。這些多維度、全面的信息正是大數據風控的優勢所在，同時也是對傳統風控一個很好的補充，進一步實現智能化服務。
真融寶：以數據介質為主
構建數據和模型演算法的核心技術
真融寶以數據介質為主，利用分布式計算處理數據，以公眾互聯網的全網為平台，以全網收集的數據來補充內部網集成的數據。並且在用戶數據方面，對每個新進用戶建立一份電子檔案，對每名用戶投資需求進行了解登記，並對每一筆資金進行多重備份，形成動態的用戶資金數據。
除此之外，真融寶還利用大數據進行決策，將金融活動轉化為智能數據處理活動，降低人為因素的干擾，提高風險評估、分析和預警能力，大數據提供的信息使得真融寶的決策更加科學智能化，對於風控的精準度控制起到非常大的幫助作用。
點評：數據和模型演算法，可建立實時風險管理視圖。
大數據的數據採集和計算能力，可以幫助企業建立實時的風險管理視圖。藉助於全面多緯度的數據、自我學習能力的風控模型、實時計算結果、壞種子數據，真融寶可以通過大量的數據累積，能夠產生出非常有效的識別客戶的能力，提升量化風險評估能力。
數據、技術、模型、分析將成為信用風險評估的四個關鍵元素，其背後的力量就是大數據的技術和分析能力。真融寶利用大數據的風控能力，實時輸出風險因子信息，提高了風險管理的及時性。
一直以來，風控都是金融機構的生命線。從陸金所、民貸天下、真融寶這三家互聯網金融公司為例，預計在未來，可能每家做借貸類的互聯網金融公司都會發展出屬於自己的一套大數據風控體系，並且隨著互聯創業公司的業務數據越來越大，數據基礎會逐漸扎實。
D. 民間借貸如何實現風險控制
自古至今對於任何金融產品而言，風險控制是重中之重，控制金融風險不是靠政府的行政命令，而是需要信息的透明、准確的定價、借貸雙方的自律、法律的懲處這四個方面。 浙江溫州的借貸中心在這方面做得比較局限，借貸中心的功能和職責僅僅只是為借貸雙方提供了一個撮合的平台，卻沒有相關的配套服務，也沒有對於配套服務承擔任何的風險責任，所以就對於平台上的違規做法沒有相應的風險控制措施。從而導致功能單一，不能有效的做好監督和監控管理工作。 內蒙古鄂爾多斯在實行民間借貸方案方面有所有改進，由民間借貸登記服務中心以政府名義發起成立民間借貸協會這樣一個民間服務機構，發揮行業協會本身所擁有的自律作用，配合政府設置的民眾調解機構來調解投訴問題。並且設立由民間借貸協會發起、在民間借貸登記服務中心登記的民間借貸風險基金機制，建立起民間借貸風險處置機制和行業自救機制。從根本性質上分析，有點類似於保險的相關機制。 目前我國的民間借貸現狀，必須要找到一條高效的、適應本土色彩的風險控制之路。目前從我國的基本國情來看，由政府建立和提供平台、撮合交易是最理想的方式，建立起對借貸雙方、中介機構嚴格的風險控制，從而使進入平台者擁有值得信任的信用，是重中之重。
E. 銀行和一些網貸平台怎樣做信貸風控啊
一、堅持合規經營、規范操作
平台要嚴格遵照國家法律法規及監管制度，不踩政策紅線。按照審批許可權和申報流程進行授信業務的申報審批，確保授信業務貸前調查和貸後管理的工作質量；加強貸後管理隊伍建設，配置富有信貸工作經驗的人員充當貸後管理崗位，要確保做到先落實貸款審批條件再發放貸款，項目貸款資本金合法合規，抵押擔保足額有效，信貸資金使用有跟蹤監測。
二、風控團隊專業能力過硬
一方面，平台自身的風控體系是一切業務的基礎。首先是數據分析，根據數據挖掘，對逾期客戶進行特徵分析、產品盈利分析等；緊接著政策制定團隊需要確定目標人群、設計借款產品准入政策、核批政策、反欺詐政策、催收政策等；最後制定出貸款產品政策，包括中台審核、前端營銷、後台催收的各項政策制度。
另一方面，借貸流程中的每個環節都要做好具體的風險控制。網貸平台的借貸可分為貸前數據分析、貸中審查發放和貸後還款催收三個主要步驟。在貸前調查人員對借款人進行了財務狀況分析、貸款需求研究、目標回報率和風險預估等基礎工作後，審核人員需要判定借款人資料的有效性和真實性，結合決策引擎和評分卡等對客戶做出是否核批的決定。催收人員則按照客戶逾期時間長短，根據催收評分卡和決策引擎，對逾期客戶進行催收工作。環環緊扣，相輔相成，才能實現高度嚴密的風控。
三、積極利用互聯網大數據徵信
長期來看，網貸行業走向合規及高水平是必然趨勢，而具有覆蓋范圍廣、人數多、數據真實、轉化有效等特性的大數據徵信必將在互聯網金融領域發揮重要作用。運用大數據和信息技術，針對海量的信息數據進行過濾和輔助判斷，可以有效降低金融風險。徵信數據集合基礎上的互聯網化審批，直觀呈現用戶信用狀況的信用評分、過濾有潛在風險客戶的行業關注名單，可以幫助平台對借款人的信用做出更准確的判斷，通過一系列量化的參數，有效控制信用風險。此外，對平台來說，巧用大數據徵信還能有效提高審批效率，降低風控成本。風險預警網收錄海量各級人民法院判決文書、企業/個人案件信息、法院執行信息、稅務信息、行政執法信息、催欠信息等並每日更新。信息完整,內容真實,查詢簡便，實時查詢企業的工商變更、經營異常、開庭公告、裁判文書、失信信息、網貸逾期信息，環保執法信息，股權出質、動產抵押、股權凍結等信息，幫助用戶及時掌握企業異常情況。同時為商業銀行、P2P、小額貸款、電商金融、消費金融等小微金融機構提供大數據驅動的信貸風控決策服務
F. 如何利用大數據做金融風控
大數據能夠進行數據變現的商業模式目前就是兩個，一個是精準營銷，典型的場景是商品推薦和精準廣告投放，另外一個是大數據風控，典型的場景是互聯網金融的大數據風控。
金融的本質是風險管理，風控是所有金融業務的核心。典型的金融借貸業務例如抵押貸款、消費貸款、P2P、供應鏈金融、以及票據融資都需要數據風控識別欺詐用戶及評估用戶信用等級。
傳統金融的風控主要利用了信用屬性強大的金融數據，一般採用20個緯度左右的數據，利用評分來識別客戶的還款能力和還款意願。信用相關程度強的數據 緯度為十個左右，包含年齡、職業、收入、學歷、工作單位、借貸情況、房產，汽車、單位、還貸記錄等，金融企業參考用戶提交的數據進行打分，最後得到申請人 的信用評分，依據評分來決定是否貸款以及貸款額度。其他同信用相關的數據還有區域、產品、理財方式、行業、繳款方式、繳款記錄、金額、時間、頻率等。普惠在線
互聯網金融的大數據風控並不是完全改變傳統風控，實際是豐富傳統風控的數據緯度。互聯網風控中，首先還是利用信用屬性強的金融數據，判斷借款人的還 款能力和還款意願，然後在利用信用屬性較弱的行為數據進行補充，一般是利用數據的關聯分析來判斷借款人的信用情況，藉助數據模型來揭示某些行為特徵和信用 風險之間的關系。
互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用於借款人風險評估，借款人的信用風險就被揭示的更充分，信用評分就會更加客觀，接近借款人實際風險。
常用的互聯網金融大數據風控方式有以下幾種：
驗證借款人身份
驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭地址。企業可以藉助國政通的數據來驗證姓名、身份證號，藉助銀聯數據來驗證銀行卡號和姓名，利用運營商數據來驗證手機號、姓名、身份證號、家庭住址。
如果借款人是欺詐用戶，這五個信息都可以買到。這個時候就需要進行人臉識別了，人臉識別等原理是調用國政通／公安局 API介面，將申請人實時拍攝的照片／視頻同客戶預留在公安的身份證進行識別，通過人臉識別技術驗證申請人是否是借款人本人。
其他的驗證客戶的方式包括讓客戶出示其他銀行的信用卡及刷卡記錄，或者驗證客戶的學歷證書和身份認證。
分析提交的信息來識別欺詐
大部分的貸款申請都從線下移到了線上，特別是在互聯網金融領域，消費貸和學生貸都是以線上申請為主的。
線上申請時，申請人會按照貸款公司的要求填寫多維度信息例如戶籍地址，居住地址，工作單位，單位電話，單位名稱等。如果是欺詐用戶，其填寫的信息往 往會出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、填寫的不同城市，不同單位的電話相同、不同單位的地址街道相 同、單位名稱相同、甚至居住的樓層和號碼都相同。還有一些填寫假的小區、地址和單位名稱以及電話等。
如果企業發現一些重復的信息和電話號碼，申請人欺詐的可能性就會很高。
分析客戶線上申請行為來識別欺詐
欺詐用戶往往事先准備好用戶基本信息，在申請過程中，快速進行填寫，批量作業，在多家網站進行申請，通過提高申請量來獲得更多的貸款。
企業可以藉助於SDK或JS來採集申請人在各個環節的行為，計算客戶閱讀條款的時間，填寫信息的時間，申請貸款的時間等，如果這些申請時間大大小於 正常客戶申請時間，例如填寫地址信息小於2秒，閱讀條款少於3秒鍾，申請貸款低於20秒等。用戶申請的時間也很關鍵，一般晚上11點以後申請貸款的申請 人，欺詐比例和違約比例較高。
這些異常申請行為可能揭示申請人具有欺詐傾向，企業可以結合其他的信息來判斷客戶是否為欺詐用戶。
利用黑名單和灰名單識別風險
互聯網金融公司面臨的主要風險為惡意欺詐，70%左右的信貸損失來源於申請人的惡意欺詐。客戶逾期或者違約貸款中至少有30%左右可以收回，另外的一些可以通過催收公司進行催收，M2逾期的回收率在20％左右。
市場上有近百家的公司從事個人徵信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶徵信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單在兩百萬左右。
黑名單來源於民間借貸、線上P2P、信用卡公司、小額借貸等公司的歷史違約用戶，其中很大一部分不再有借貸行為，參考價值有限。另外一個主要來源是催收公司，催收的成功率一般小於於30%（M3以上的），會產生很多黑名單。
灰名單是逾期但是還沒有達到違約的客戶（逾期少於3個月的客戶），灰名單也還意味著多頭借貸，申請人在多個貸款平台進行借貸。總借款數目遠遠超過其還款能力。
黑名單和灰名單是很好的風控方式，但是各個徵信公司所擁有的名單僅僅是市場總量的一部分，很多互聯網金融公司不得不接入多個風控公司，來獲得更多的 黑名單來提高查得率。央行和上海經信委正在聯合多家互聯網金融公司建立統一的黑名單平台，但是很多互聯網金融公司都不太願意貢獻自家的黑名單，這些黑名單 是用真金白銀換來的教訓。另外如果讓外界知道了自家平台黑名單的數量，會影響其公司聲譽，降低公司估值，並令投資者質疑其平台的風控水平。
利用移動設備數據識別欺詐
行為數據中一個比較特殊的就是移動設備數據反欺詐，公司可以利用移動設備的位置信息來驗證客戶提交的工作地和生活地是否真實，另外來可以根據設備安裝的應用活躍來識別多頭借貸風險。
欺詐用戶一般會使用模擬器進行貸款申請，移動大數據可以識別出貸款人是否使用模擬器。欺詐用戶也有一些典型特徵，例如很多設備聚集在一個區域，一起 申請貸款。欺詐設備不安裝生活和工具用App，僅僅安裝和貸款有關的App，可能還安裝了一些密碼破譯軟體或者其他的惡意軟體。
欺詐用戶還有可能不停更換SIM卡和手機，利用SIM卡和手機綁定時間和頻次可以識別出部分欺詐用戶。另外欺詐用戶也會購買一些已經淘汰的手機，其機器上面的操作系統已經過時很久，所安裝的App版本都很舊。這些特徵可以識別出一些欺詐用戶。
利用消費記錄來進行評分
大會數據風控除了可以識別出壞人，還可以評估貸款人的還款能力。過去傳統金融依據借款人的收入來判斷其還款能力，但是有些客戶擁有工資以外的收入，例如投資收入、顧問咨詢收入等。另外一些客戶可能從父母、伴侶、朋友那裡獲得其他的財政支持，擁有較高的支付能力。
按照傳統金融的做法，在家不工作照顧家庭的主婦可能還款能力較弱。無法給其提供貸款，但是其丈夫收入很高，家庭日常支出由其太太做主。這種情況，就需要消費數據來證明其還款能力了。
常用的消費記錄由銀行卡消費、電商購物、公共事業費記錄、大宗商品消費等。還可以參考航空記錄、手機話費、特殊會員消費等方式。例如頭等艙乘坐次數，物業費高低、高爾夫球俱樂部消費，遊艇俱樂部會員費用，奢侈品會員，豪車4S店消費記錄等消費數據可以作為其信用評分重要參考。
互聯網金融的主要客戶是屌絲，其電商消費記錄、旅遊消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，其可以藉助於工具將客戶歷史消費數據全部抓取並進行匯總和評分。
參考社會關系來評估信用情況
物以類聚，人與群分。一般情況下，信用好的人，他的朋友信用也很好。信用不好的人，他的朋友的信用分也很低，
參考借款人常聯系的朋友信用評分可以評價借款人的信用情況，一般會採用經常打電話的朋友作為樣本，評估經常聯系的幾個人（不超過6六個人）的信用評分，去掉一個最高分，去掉一個最低分，取其中的平均值來判斷借款人的信用。這種方式挑戰很大，只是依靠手機號碼來判斷個人信用可信度不高。一般僅僅用於反欺詐識別，利用其經常通話的手機號在黑名單庫裡面進行匹配，如果命中，則此申請人的風險較高，需要進一步進行調查。
參考借款人社會屬性和行為來評估信用
參考過去互聯網金融風控的經驗發現，擁有伴侶和子女的借款人，其貸款違約率較低；年齡大的人比年齡低的人貸款違約率要高，其中50歲左右的貸款人違 約率最高，30歲左右的人違約率最低。貸款用於家庭消費和教育的貸款人，其貸款違約率低；聲明月收入超過3萬的人比聲明月收入低於1萬5千的人貸款違約率 高；貸款次數多的人，其貸款違約率低於第一次貸款的人。
經常不交公共事業費和物業費的人，其貸款違約率較高。經常換工作，收入不穩定的人貸款違約率較高。經常參加社會公益活動的人，成為各種組織會員的人，其貸款違約率低。經常更換手機號碼的人貸款違約率比一直使用一個電話號碼的人高很多。
午夜經常上網，很晚發微博，生活不規律，經常在各個城市跑的申請人，其帶貸款違約率比其他人高30%。刻意隱瞞自己過去經歷和聯系方式，填寫簡單信 息的人，比信息填寫豐富的人違約概率高20%。借款時間長的人比借款時間短短人，逾期和違約概率高20%左右。擁有汽車的貸款人比沒有汽車的貸款人，貸款 違約率低10%左右。
利用司法信息評估風險
涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。
尋找這些涉毒涉賭的嫌疑人，可以利用當地的公安數據，但是難度較大。也可以採用移動設備的位置信息來進行一定程度的識別。如果設備經常在半夜出現在 賭博場所或賭博區域例如澳門，其申請人涉賭的風險就較高。另外中國有些特定的地區，當地的有一部分人群從事涉賭或涉賭行業，一旦申請人填寫的居住地址或者 移動設備位置信息涉及這些區域，也要引起重視。涉賭和涉毒的人員工作一般也不太穩定或者沒有固定工作收入，如果申請人經常換工作或者經常在某一個階段沒有 收入，這種情況需要引起重視。涉賭和涉毒的人活動規律比較特殊，經常半夜在外面活動，另外也經常住本地賓館，這些信息都可以參考移動大數據進行識別。
總之，互聯網金融的大數據風控採用了用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。互聯網金融企業通過分析申請人的社會行為數據來控制信用風險，將資金借給合格貸款人，保證資金的安全。
G. 在金融公司工作的人來說說風控怎麼做。
風控並不是個新職業，不過近幾年它的發展勢頭變得越來越好。無論在傳統金融還是互聯網金融領域，它都成了一個緊俏的職業。這跟近幾年金融領域形態的多樣化有關，用戶對於風險控制變得越來越關注。
總體來說，風控崗位涉及到的工作包括業務審查（業務發生前的審核，通常未通過審核，業務不能執行）、風險監測（業務發生後的持續風險監測，包括預警及應對等）以及業務綜合管理（數據的統計分析等）。
一、工作內容（在銀行、保險、信託、期貨、P2P互聯網金融平台內部，風控的工作側重不盡相同。）
1.銀行
相比其他類型的金融機構，銀行的風險管理部門更為成熟。「巴塞爾委員會」1988年7月制定的《巴塞爾協議》里為全球商業銀行確立了明確的風險管理標准，確定了管理哪幾類風險。尤其對怎麼管控信用風險、市場風險、操作風險說得非常清晰。
貸款業務是占銀行風控日常工作比重最高的一類業務。處於中端的風控部門往往在客戶閱讀貸款細則時就開始進入風險審核，看貸款對象的個人風險評估是否符合要求，經過風險評估後的業務才會被提交到更高管理處審批—也就是說，風控的工作存在於交易的過程中。
銀行風控的這種運作方式也成為許多金融機構風險管理的母本。比如保險行業大多是參照銀行的做法。
2.期貨、信託、小額貸款、融資租賃企業
從風險管理的角度來說，期貨、信託、小額貸款、融資租賃企業都算是比較新興的類型。它們的風險管理以風險為核心，側重信用風險、操作風險、市場風險、交易對手風險等等。
這些行業的新興之處還體現在業務的復雜和創新需求上。比如信託，以房地產作為信託產品和以汽車作為信託產品是不一樣的，某種程度上來說每個項目都需要開發一套創新的金融產品。當一個創新產品出來的時候，這個產品是不是能變成一隻基金，或者變成某一種產品推到市場上去，它們的風險管理部就要進行審核。這種情況下，風險管理部需要判斷這個新產品的風險是否可控？風控敞口有多大？萬一出現問題，項目坍塌了，儲戶或者是投資者來向公司要錢時，剛性兌付的資金壓力有多大？有多少可能性這個項目就有多少可能收不回來錢？
風險管理部對於新產品的審批意見非常重要，如果風險管理部或風險管理委員會不批的話，這個新業務真的可能會被否掉。這是一個權力很大的部門。
3.網上個人信貸（P2P）
相對傳統金融領域來說，P2P還處於初期階段，因此風險管理工作可能並不是很完善。有一些企業在做這類金融產品的時候，可能只是從金融企業挖一兩個人來就開始管理風險，他們的風險管理主要集中在信用風險審核。
二、崗位要求（論傳統金融還是互聯網金融，風控都算是一個硬性技能要求比較高的崗位，但根據工作內容的不同，對公司人的要求也有所不同。）
在傳統金融領域及P2P中，金融行業相關的知識和經驗是很重要的。
對於畢業生來說，盡管大部分金融機構和企業都抱著一種「反正都是白紙，我可以用我們的體系來培養」的觀念，但如果是金融專業同時具備一些比如FRM金融風險管理師、CFA特許金融分析師等專業證書會更有競爭力。
對於社會招聘來說，風控人才主要來自兩個渠道，一個是從其他類似機構找人；另一個則來自於大會計事務所或咨詢公司，後者出來的公司人往往有一些金融企業審批或企業風控的外部服務經驗。
三、工作狀態及挑戰
不同類型的金融機構及企業的風控因為其職能的不同，所呈現出的工作狀態會有所不同。
通常，一些大型銀行的風控部門由於業務穩定，規模較大，人員充足，因此工作負荷不大，屬於行業中工作壓力較小的部門。不過一些跨國銀行的風控職能往往集中在國外總部或區域中心，中國的風控部門更多地扮演執行的角色，個人的能力體現和成長空間都會受到一定的局限。
在一些大型金融機構，風控的工作重點在於如何將領導的風險偏好轉化為合理的風控工作指標，凸顯自身價值。
一些中小型金融企業，以及非銀行金融機構的風控，由於業務類型復雜、創新性高、變化大，原本就不夠充沛的風控人員，往往需要承擔更大的工作負荷。這類風控人員的職能壓力往往來自於不僅要控制風險，同時還要提高工作效率，即：不錯殺好項目，不漏殺壞項目，同時也不能延誤業務時機。這種時候還有可能受到來自業務部門的壓力，如何在業務發展和風險管理之間找到平衡，如何在壓力下，堅持風控的專業判斷，都是一個好的風控人需要考慮的。相對來說，這類企業的風控人員壓力更大，能力的提升也更快。
不管是傳統金融還是互聯網金融都面臨著不斷發展和迭代的挑戰，這使得風控人員必須保持很強的學習能力和好奇心。
四、職業發展方向
在大部分金融機構里，風控崗位的職業晉升往往通向首席風險官，最終可能成為銀行的副行長，或是其他金融機構的副總經理，主要還是偏重風險管理和控制類的工作。
五、薪酬狀況
根據統計數據表明，在金融行業各職能部門的薪酬漲幅里，盡管中後台部門仍然沒有前台部門的15％高，大約在5%至10%之間，不過風控在中後台其他職能部門中算是漲幅比較高的。
之所以能有這樣比較有優勢的漲薪，主要有兩方面原因。原因之一在於人才貯備不足。過去很多人都沒能認識到風控工作的重要性，所以大家不太願意入行，另一方面這又是一個需要專業技能的工作，因此整體而言從業者不多。原因之二是因為這兩年互聯網金融發展非常迅速，大大小小的P2P平台的出現催生了風險控制人才的需求。加上銀行、保險、期貨、信貸、小貸、小微貸、PE、VC這些行業本身也都有很大的風控人才需求，所以使得這類人才出現缺口。這些企業之間的人才競爭也把風控人員的收入拉到了一個比較高的位置。
從具體行業來說，銀行業風控的薪資漲幅平均在5%至10%之間；保險業相對平穩，因為保險業圈子狹窄，風控流動率較小，薪資漲幅不大。證券基金業內中資外資風控的薪資漲幅有非常大的差異，所以沒法得出一個明確的參考標准。P2P行業的風控人員大多是來自銀行或是同行業。在跳槽的過程中，他們的薪資會得到一個比較大的提升，增長幅度可達30%至50%。
從區域上來說，風控人員的需求主要集中在一線城市。二三線城市需求量雖大，但薪酬偏低。
一線城市有5年到10年經驗的銀行風控人員平均年薪在30萬到60萬元之間；保險業有10年以上工作經驗的風控在外企的薪資約為70萬元，在本土企業為60萬元；證券基金業有5年至8年工作經驗的風控經理在本土企業的年薪一般在30萬至80萬元之間
H. 互聯網金融借貸平台都怎麼做風控的
中國互聯網金融風控一般都是線下專業風控團隊進行風控的，像精融匯，借款需求都是由專業風控團隊把關，針對每個貸款客戶，都會進行線下考察、資料審核、背景調查以及還款能力測試等，確保融資項目的真實可靠性，然後再移植至線上讓投資人進行投資
再看看別人怎麼說的。
I. 好多平台都在發展金融科技，到底科技風控是怎麼保障我們出借人資金安全的
平台風控嚴謹了，自然就會幫出借人篩除威脅資金安全的因素了啊。風控體系可以作用於貸前、貸中、貸後不同階段，幫助出借人篩除不良資產。咱們以搜易貸的「風刃系統」為例講一下吧。
貸前：系統從反欺詐和信用評估的角度，結合客戶基本資料以及包括互聯網金融協會在內的十餘家第三方徵信平台提供的客戶徵信信息，綜合分析數百個特徵變數，給出貸前的風險決策參考。在借款人授權下，通過大數據構建用戶關系圖表，梳理用戶現有社會關系，在新用戶與現有用戶之間建立關系連接，實現群體申請用戶之間關系的構建及預警。在獲客管理上通過篩選用戶來源渠道及用戶特徵聚類的實時分析，去尋找正常人群中可能存在的小部分的異常人群，從而防範騙貸行為。
貸中： 實現實時信息的共享，對信息變化進行及時跟蹤，了解借款人的資信情況。根據全數據、全流程的風險監控，一旦發現異常及時反饋到流程中的節點。
貸後：從放款開始即進行策略性的貸後監控，在風險即將發生時及時進入貸後管理流程。在貸後實現了智能化催收，包括：自動監控、語音提醒以及策略性使用自動語音催收，有效降低貸後成本、提高回款率和覆蓋率。根據貸後表現，分析用戶貸後數據繪制關系圖譜，整理數據並關聯用戶標簽，使用邏輯回歸、支持向量機、人工神經網路等機器學習演算法，更新迭代評價模型，並將其應用到貸前審核中。
J. P2P 平台都怎麼做風控的
風控就是所謂的風險控制能力，是網貸平台的核心。一般來說，現在P2P平台都擁有一套完備的風回險答控制流程：1.嚴格的貸前信用審核；2.平台二級嚴格審核評分；3.分散匹配的優質債權，確保投資資金安全；4.和保險機構、銀行合作，建立資金投資安全保障計劃。