入门第一课:认识风险,了解风控

风控不是追求零风险,而是用最小代价在业务可承受范围内实现最优平衡——领结图模型把风控拆成事前阻断、事中拦截、事后止损三段,五步闭环流程保证持续迭代,智能风控让这套方法论正在经历 AI 驱动的革命性升级。

基本信息

核心观点

  1. 风险公式 = 概率 × 后果:风险的核心含义是事件发生的可能性乘以后果严重性。日常风控工作中的”风险”指狭义风险(只关注损失可能性),不包含获利空间。广义风险(如买福袋可能赚也可能亏)和狭义风险(如踩狗屎只有损失)的区分是风控认知的基础。
  2. 领结图模型(Bow-Tie Model)是风控策略架构的思维框架:左侧为风险源(黑产团伙、恶意用户、盗号者),通过事前预防控制(限制提单、登录验证)阻断风险发生;中间为风险事件,通过事中中断控制(限制支付方式、阻断支付)紧急干预;右侧为后果,通过事后缓解措施(延迟结算、拦截订单)减少损失。
  3. 风控五步闭环流程:风险识别(数据埋点+阈值规则发现异常)→ 风险决策(规则引擎或模型打分,低分放行、中分验证、高分拦截)→ 风险处置(放行/验证码/拦截/转人工)→ 风险监控(命中率、拦截量、误杀率)→ 风控优化(补充规则/调整阈值/更换方案)→ 回到识别,循环运行。
  4. 风控的三个层面目标:第一是追求可接受的风险而非零风险(彻底消灭风险的成本往往高于风险本身损失);第二是考虑投入产出比(增加验证环节拦住坏人但也会流失正常用户);第三是为业务增长让路(严重影响转化率的策略即使能拦住坏人也可能得不偿失)。
  5. 风控三阶段演进:传统风控(人工+简单规则,简单可解释但被动易被绕过)→ 大数据风控(统计模型输出风险分,数据量大维度丰富但理论基础未变)→ 智能风控(ML/DL/图计算自动学习欺诈模式,自适应高精度但解释性弱),三个阶段不是替代关系,实际生产中各取所长。

实操内容保留

代码/配置

(本文无代码/配置内容)

Prompt 模板

(本文无 Prompt 模板)

操作步骤

风控五步闭环流程

  1. 风险识别:配置数据埋点和阈值规则,系统自动发现可疑情况(如一秒内领取十次优惠券、半小时内登录三个不同城市)
  2. 风险决策:规则引擎或风险模型完成打分(低分区间放行,中分区间触发二次验证,高分区间直接拦截),核心在于平衡干预力度
  3. 风险处置:根据风险等级匹配处置手段(放行、验证码验证、操作拦截、转人工审核)
  4. 风险监控:关注命中率、拦截量、误杀率等指标,误杀率升高说明规则过严,拦截量下降但损失上升说明存在漏放
  5. 风控优化:根据监控反馈调整规则和模型,发现漏放补充规则,发现误杀调整阈值,优化后重新上线回到识别环节

领结图模型应用方法(以”恶意交易”为例):

  • 左侧(事前预防):识别风险源(黑产团伙、恶意用户、盗号者)→ 配置预防控制(限制提单、登录验证、阻止措施)
  • 中间(事中中断):风险事件发生时紧急干预(限制支付方式、阻断支付)
  • 右侧(事后缓解):风险发生后减少损失(延迟结算、拦截订单),注意事后措施可能引发商家/用户投诉的副作用

关键概念

  • 风控 — 通过识别、评估、干预和监控将不确定性对目标的影响控制在可接受范围内的过程
  • 领结图模型 — Bow-Tie Model,可视化风险模型,左侧事前阻断、中间事中拦截、右侧事后止损
  • 智能风控 — 在大数据风控基础上通过 AI 技术实现全链路自动化和高效运转的风控阶段
  • 风险决策 — 风控五步流程中的核心环节,由规则引擎或模型完成打分并确定干预方式
  • 误杀率 — 风控监控核心指标,衡量风控策略对正常用户的误拦截程度

与其他素材的关联

原文精彩摘录

用一句话概括:左边不让事情发生(事前),右边让损失变小(事后),中间紧急叫停(事中)。对于风控PM来说,领结图是设计策略架构时最直观的思维框架——你可以把规则、模型、人工审核等所有控制手段,对应放到事前、事中、事后三个环节中。因此,风控的作用不是”不出事”,而是出事之前能挡、出事之中能停、出事之后能救——用最小的代价,把最坏的结果兜住。

风控的核心目标可以概括为:在业务可接受的成本范围内,将风险损失控制在可承受的水平。第一,不是追求零风险,而是追求可接受的风险。任何业务都有固有风险,做交易就有欺诈可能,做营销就有薅羊毛可能。风控要做的是把这些风险压到业务能承受的范围内,而不是彻底消灭。彻底消灭风险的成本往往高于风险本身造成的损失。

风控不能只盯着高频风险,低频高损的风险同样需要关注。比如系统崩了一次可能损失惨重,虽然它一年只发生一次。好的风控不是赌”会不会发生”,而是问”万一发生了,我扛得住吗”。

相关页面