自從有了孩子，我就回歸家庭做了全職媽媽。現在孩子上了小學，賦閒在家的我越發感到與社會有些脫節了。於是想著創業，跟上當今社會發展的腳步。可這個想法被老公駁回了，他認為孩子雖然上學了，但是還是很需要照顧。不過他鼓勵我可以做做理財，說也這是一件很需要智慧的事情。
於是，有事沒事的，我就開始關注網上的理財資訊。現在網際網路金融很熱，而其中P2P理財更是引人關注。關注下來，我發現有的平臺名聲很大的，但收益不高，就比銀行存款多1-2%的利息;有的平臺名氣不大，但收益有20%左右，甚至更多。
雖然我理財經驗尚淺，但是高收益意味著高風險這樣的理財通用法則我還是明白的。可即便如此，去找些和銀行相差無幾的穩定性投資平臺做投資，也太沒有挑戰性了，不符合我的胃口。如何做好風險管理已成為制約行業和企業發展的命門所在。而作為投資者，我們選擇投資平臺首要的就是看平臺的風控能力。
職能明確的風控部門
在信貸金融領域，根據不同借款額度，往往對應的是不同的風控審批手段。從業內看，超過100萬以上的借款基本採用與銀行相同的借款風控手段，實地真人考察，另外再加抵押物。而20-100萬之間，可以用類似IPC的風控技術，沒有抵押物，但較接近銀行稽核手段，不能集中化稽核，容易導致稽核標準不一。
而P2P從本質上講，更多應該是專注於1-20萬之間的信用無抵押借款，這是與銀行、小貸和擔保公司目前很難覆蓋的領域，愛錢進正是選擇專注於這型別的借款客戶開發。在這種模式中，風險管理採用總部集中式的資料化風控模式，從而解決稽核標準不統一以及稽核人員快速擴張需要依賴長期經驗積累的問題。在總部風控部門設立方面，以愛錢進為例，主要分成三個部門：政策和資料分析部、風控稽核部、催收部。
政策和資料分析部下面分成三個主要部分：一是政策制定團隊，包括確定目標人群、設計借款產品准入政策、核批政策、反欺詐政策、催收政策等，並固化到決策引擎系統和評分卡；二是資料探勘分析，對逾期客戶進行特徵分析、產品盈利分析等；三是資料建模團隊，根據資料探勘，對逾期客戶特徵資料進行建模分析。政策和資料分析部的三個部門工作相互關聯，工作成果是制定貸款產品政策，包括前端營銷、中臺稽核、後臺催收的各項政策制度。
風控稽核部主要包括初審部、終審部和稽核部，主要職責是稽核判定借款人資料的真實性和有效性，結合決策引擎和評分卡等對客戶做出是否核批的決定。催收部按照客戶逾期時間長短，分為初催和高催，主要職責是根據催收評分卡和決策引擎，對逾期客戶進行催收工作。堅持小額分散
有了職能清晰的風控部門，對於以點對點借款為主要模式的P2P而言，要控制平臺整體違約率在較低水準，還要堅持“小額分散”原則。
先說一下“分散”在風險控制方面的好處，即借款的客戶分散在不同的地域、行業、年齡和學歷等，這些分散獨立的個體之間違約的概率能夠相互保持獨立性，那麼同時違約的概率就會非常小。比如100個獨立個人的違約概率都是20%，那麼隨機挑選出其中2人同時違約的概率為4%（20%^2），3個人同時違約的概率為0.8%（20%^3），四個人都發生違約的概率為0.016%（20%^4）。如果這100個人的違約存在相關性，比如在A違約的時候B也會違約的概率是50%，那麼隨機挑出來這兩個人的同時違約概率就會上升到10%（20%×50%=10%，而不是4%）。因此保持不同借款主體之間的獨立性非常重要。
“小額”在風險控制上的重要性，則是避免統計學上的“小樣本偏差”。例如，平臺一共做10億的借款，如果借款人平均每個借3萬，就是3.3萬個借款客戶，如果借款單筆是1000萬的話，就是100個客戶。在統計學有“大數定律”法則，即需要在樣本個數數量夠大的情況下（超過幾萬個以後），才能越來越符合正態分佈定律，統計學上才有意義。因此，如果借款人壞賬率都是2%，則放款給3.3萬個客戶，其壞賬率為2%的可能性要遠高於僅放款給100個客戶的可能性，並且這100個人壞賬比較集中可能達到10%甚至更高，這就是統計學意義上的“小樣本偏差”的風險。
對應到P2P網貸上，那些做單筆較大規模的借款的網站風險更大。這也是為什麼包括人人貸、有利網這些對風控要求較高的平臺，堅決不做抵押類大額借款的原因。
有資料化風控模型
除了堅持小額分散借款原則，用資料分析方式建立風控模型和決策引擎同樣重要。小額分散最直接的體現就是借款客戶數量眾多，如果採用銀行傳統的信審模式，在還款能力、還款意願等難以統一量度的違約風險判斷中，風控成本會高至業務模式難以承受的水平，這也是很多P2P網貸平臺鋌而走險做大額借款的原因。
可以借鑑的是，國外成熟的P2P比如LendingClub，以及都是採用信貸工廠的模式，利用風險模型的指引建立審批的決策引擎和評分卡體系，根據客戶的行為特徵等各方面資料來判斷借款客戶的違約風險。美國的專門從事信用小微貸業務的Capital One是最早利用大資料分析來判斷個人借款還款概率的公司，在金融海嘯中，Capital One公司也憑藉其資料化風控能力得以存活並趁機壯大起來，現在已經發展成為美國第七大銀行。
簡單點說，建立資料化風控模型並固化到決策引擎和評分卡系統，對於小額信用無抵押借款類業務的好處包括兩個方面：一是決策自動化程度的提高，降低依靠人工稽核造成的高成本；二是解決人工實地稽核和判斷所帶來稽核標準的不一致性問題。在國內，目前包括人人貸、拍拍貸、成融貸都在積極推動資料化風控模型的建設，這也是監管層所樂於看到的。
因此，除了小額分散的風控原則，P2P網貸風控的核心方法在於，通過研究分析不同個人特徵資料（即大資料分析）相對應的違約率，通過非線性邏輯迴歸、決策樹分析、神經網路建模等方法來建立資料風控模型和評分卡體系，來掌握不同個人特徵對應影響到違約率的程度，並將其固化到風控審批的決策引擎和業務流程中，來指導風控審批業務的開展。
最後，回到P2P的社會效益這一原點問題上，P2P網貸是為了實現普惠金融的一個創新，它的初衷是讓每個人都有獲得金融服務的權利，能真正地把理財和貸款帶到了普通民眾的身邊。P2P網貸的出現，填補了我國目前傳統金融業務功能上的缺失，讓那些被銀行理財計劃和貸款門檻拒之門外的工薪階層、個體戶、農村的貧困農戶、大學生等人群也有機會享受金融服務。而服務這一龐大的群體，如何設計安全、合理的商業模式和恪守風控第一的準則，確保廣大投資者的權益更應成為p2p行業從業者放在第一位思考的問題。