风险数据统计分析方案

风险数据统计分析方案我从事企业风控相关工作快十年，踩过不少因数据零散、分析不规范导致风险漏判的坑，也攒了不少实操经验，结合当前公司业务扩张后风控工作的实际需求，制定本统一的风险数据统计分析方案，目的就是把散在各部门的风险数据串起来，把模糊的风险判断变成可落地的系统化分析，真正把风险防控做在前面。1方案背景与总体目标1.1方案背景前两年公司业务快速扩张，从原来的2个核心业务线一下拓展到5个，各业务线都是自己管理风险数据，没有统一的统计标准和分析流程，那时候我就隐隐担心会出问题，结果没过多久真的出了纰漏：有一个合作方已经在A业务线出现过3次货款逾期，还被合规部门查到过违规经营的记录，但因为数据存在部门信息孤岛，B业务线的风控同事没拿到这些信息，又给对方放了两百万的授信，最后对方资金链断裂，我们只追回了不到三成，直接损失一百多万。从那之后我就一直在琢磨，必须出一套统一的标准方案，把全公司的风险数据统计分析工作规范起来，不能再吃这种信息不对称的亏。现在公司正处在稳增长控风险的关键阶段，原来零散、碎片化的分析方式早就跟不上业务需求了，所以推出本方案在全公司统一执行。1.2总体目标本方案核心要实现四个目标：第一是统一全公司风险数据的统计口径，彻底解决数据不一致、信息孤岛的问题，让所有风险数据都能打通比对；第二是把风险防控从原来的事后补救，转向事前预判、事中监控，通过系统化分析提前识别潜在风险，减少不必要的损失；第三是给公司业务决策、政策调整提供可靠的数据支撑，避免拍脑袋做决定；第四是逐步积累属于我们自己的风险数据库，通过持续迭代优化越用越准，形成风控工作的良性循环。2统计分析范围与数据源规范明确了整体目标之后，我们先把统计分析的边界和数据源要求理清楚，避免出现漏统或者数据杂乱的问题。2.1覆盖的风险类型范围本方案覆盖公司所有业务线的四类核心风险，所有相关数据都必须纳入统计，不能有遗漏：第一类是信用风险，包括客户端的逾期、违约、欺诈，还有合作方的信用异常问题；第二类是操作风险，就是内部员工操作违规、流程失误带来的风险，哪怕是及时修正的小失误也要统计；第三类是市场风险，就是外部行业波动、政策变化带来的系统性业务风险；第四类是合规风险，就是违反监管规定、行业规范带来的风险。我在这里特意强调一句：不是已经造成损失的风险才需要统计，哪怕只是苗头性的小问题，比如客户晚还款1天、员工填错一次信息及时改回，都要如实记录，很多大风险都是从小问题一点点积累出来的，我吃过这个亏，所以这点必须严格执行。2.2数据源整理规范所有纳入统计的数据源分成三类，都要符合两个硬性要求：第一类是业务系统原生数据，就是各业务线CRM、授信系统里自动生成的交易记录、客户基础信息；第二类是各部门人工上报的风险事件记录，比如客服收到的客户投诉、合规查到的内部违规、风控处理的逾期案例；第三类是外部公开合规数据，比如行业整体违约率、监管公布的违规主体名单等。针对所有数据源，我们有两个硬性要求：一是时效性，日常常规数据要在3个工作日内录入统一风险数据库，突发风险事件要在24小时内完成补录，拖得越久越容易遗漏出错；二是准确性，录入数据的对接人要对自己提供的信息负责，每个月风控部会抽10%的数据做复核，发现错误要第一时间更正，说白了就是“垃圾进垃圾出”，原始数据错了，分析结果肯定也不对，这点基础工作一定要做扎实。3风险数据统计分析的流程与方法这部分是整个方案的核心，我们按从预处理到深分析再到复盘的顺序，一步步规范操作要求。3.1前期数据清洗与标准化处理拿到原始数据之后绝对不能直接分析，必须先做清洗标准化，按三个步骤执行：3.1.1缺失值分类处理不要一碰到缺信息就直接剔除整条数据，那样会丢掉很多有用信息。如果是非核心信息缺失，比如只是缺了客户的备用联系方式，不影响风险判断，只需要标注“信息缺失”即可保留；如果是核心风险信息缺失，比如逾期金额、风险事件发生时间这种，必须回溯原始对接记录、业务凭证补全，确实补不全的再做剔除处理。3.1.2异常值识别复核原始数据里经常会出现录入错误的异常值，我之前就碰到过把逾期金额10万录成100万、把逾期天数10天录成1000天的情况，所以我们先用工具把偏离常规区间的数值标出来，再安排专人核对原始凭证，录入错误就及时修正，确实是真实存在的特殊情况就保留，不能随便删掉特殊数据，很多极端风险案例反而能帮我们完善分析逻辑。3.1.3数据口径标准化转换原来不同业务线的统计口径不一样，比如A业务线原来把逾期超过30天算不良，B业务线原来把逾期超过60天算不良，我们现在统一调整成“逾期超过30天计入不良”，所有历史数据都按这个统一口径转换，不同业务线的数据才能放在一起比对分析，具体的口径对照表我们已经整理好发给各部门了，有疑问随时找风控部对接。3.2多维度分层统计框架搭建清洗完成后，我们从点到面搭建三层统计维度，确保不会漏掉任何层面的风险：第一层是个体风险维度，针对每一个客户、合作方，统计他的历史风险记录、当前风险状态，整理成个体风险评分的基础数据；第二层是业务线维度，针对每个业务线统计整体风险率、不良占比、不同客群的风险分布，毕竟不同业务的风险特征差很多，分开统计才能准确看出哪个业务线风险偏高；第三层是公司整体宏观维度，统计全公司的整体风险水平，不同区域、不同行业的风险分布，看看有没有区域性、行业性的系统性风险苗头。这三层从个体到整体，把风险状况说透，不会出现只见树木不见森林的情况。3.3差异化分析方法应用不同的风险类型用不同的分析方法，不能一概而论：针对个体信用风险，我们用标准化打分卡模型，把各个风险指标加权打分，按分数分成低、中、高三个风险等级，但我在这里要强调，模型是死的人是活的，碰到特殊情况一定要结合实际判断，比如某个客户一直信用很好，突然一次逾期是因为临时的项目回款延迟，不是恶意违约，就要标注清楚特殊情况，不能光看打分就直接定成高风险，我们做风控不是为了拒掉所有客户，是为了拒掉真正有风险的客户，要有人性化调整的空间。针对内部操作风险，我们用根因分析法，统计哪个环节最容易出问题，是信息录入还是审批环节，针对性优化流程；针对系统性的市场、合规风险，我们用趋势分析法，看连续几个周期的风险率变化，如果某个行业连续三个周期风险率上升超过两个百分点，就直接拉响预警。3.4分析结果复盘校准每次分析完成之后不能就存档了事，三个月后我们要回头复盘校准：原来预判的高风险有没有真的发生风险，原来定的低风险有没有出现意外，统计整体预判准确率，如果准确率低于80%，就要调整指标权重和分析方法。我每个季度都会带队做一次全范围的复盘，毕竟风险特征一直在变，几年前的老方法不一定适用现在的新情况，只有不停校准才能保持分析的准确性。4分析结果输出与落地应用分析出结果不是终点，真正用起来解决问题才是目的，我们按不同场景做了输出和落地要求。4.1分对象分场景输出成果针对公司管理层，我们每个月出一份全公司风险概况报告，重点讲清楚整体风险水平、核心风险点、政策调整建议，语言简洁突出重点，方便管理层快速掌握情况；针对业务部门，我们每季度出专项分析报告，明确告诉他们哪个客群、哪个区域风险偏高，给展业和授信调整提具体的可落地建议；针对一线风控岗位，我们做实时风险预警，只要系统监测到符合预警条件的风险信息，立刻推给对应的风控专员处理，不会耽误最佳处置时间。4.2闭环落地跟踪机制我们要求所有分析提出的风险提示和调整建议，都要跟踪落实情况：比如我们提示某个业务线某类客群风险偏高，业务部门有没有调整授信政策，调整之后风险有没有下降，风控部每个月都会跟踪进度，如果没有落实会主动沟通，看看是有实际困难还是没重视，一定要形成“分析-建议-落实-反馈”的闭环，不能分析完写个报告就放着落灰，那就白做了这么多工作。4.3方案迭代更新周期这个方案不是定死就一成不变的，每半年我们会组织一次全公司的方案修订，收集各个部门提的问题和建议，比如新增了业务线原来的范围没覆盖，就及时加上，原来的分析方法不适用新的风险特征，就及时调整，适合当前业务的方案才是好方案，不能抱着老经验不变。5方案推行的保障措施要让方案顺利落地，我们配套了三项保障措施：5.1人员分工与能力培训风控部专门设两个专职风险数据统计分析岗，负责全公司数据的汇总、清洗、分析；每个业务线安排一个兼职对接人，负责收集上报本业务线的风险数据。针对对接人和新入职的风控同事，我每个月都会亲自做两次带练培训，带着大家走一遍完整的分析流程，随时解答疑问，很多业务线的对接人不是专业风控出身，讲清楚规则大家才好配合，不会觉得这项工作是额外负担。5.2数据安全与隐私保护我们手里的风险数据大部分涉及客户和合作方的隐私信息，所以安全这块抓的特别严：所有数据都存在公司内部服务器，不对外泄露，统计分析的时候只用脱敏后的汇总数据，不用客户的原始隐私信息，哪怕是内部分析，也只有对应权限的负责人能看权限内的数据，严格按监管要求执行，既保护客户隐私，也避免我们自己出合规问题，这块绝对不能大意。5.3工具支持我们已经完成了统一风险数据库的搭建，把原来散在各个部门的历史数据都已经导入整理完成，也配套了基础的分析工具，不用大家再手动一个个算，省下的时间可以用来做更深入的风险研判，有工具使用问题随时找风控部和信息部协调解决。方案总结我干风控这么多年，最深的感受就是，风险防控从来不是靠运气，也不是靠某一个能人，