大数据风控被给予了很高期望，但它真实的能否承受住经济上下波动时的检验呢，从疫情产生冲击到监管实施规范，这个备受关注的工具正遭遇着实际面临的挑战。
监管规范与数据整合
近些年来，大数据风控这个领域，历经了显著的整顿以及规范之举。二代征信系统上线了，个人征信牌照获批了，这标志着监管框架一步步地完善起来。央行明确地把“替代数据”纳入到监管范畴之中，这意味着水电气、纳税、社保等非传统信贷信息的使用，有了正式的指引。
互联网贷款新规发布，进一步对大数据应用范围予以约束，这些措施意在防止数据被滥用，与此同时推动数据能够合法共享，对于金融机构来讲，合规去获取并且整合多元数据，成为风控能力建设的基础。
疫情下的压力测试
疫情突然发生，对消费信贷业务造成了直接的冲击，许多依靠线上模型的贷款产品，其所具有的历史数据并未涵盖此类极端经济事件，以至于风控模型有效性遭受到质疑，一些进行展业时间短的业务，暴露出了抗风险能力的欠缺。
于此同时，线上的购物以及分期的消费出现了激增的情况，进而致使征信查询量出现了暴涨的现象对？这一方面是针对大数据系统处理能力的一种考验，另一方面也提供了全新的数据维度。金融机构需要去仔细评估模型究竟能不能区分“临时性困难”与“实质性风险”。
普惠金融的数据困境
被普惠金融服务的对象常常是那些缺少信贷记录的“白户”或者小微企业，传统的风控模式没办法覆盖到他们，然而替代数据被看作成破题的关键所在，就好比是借助税务、发票以及供应链等方面的信息去描绘出他们的信用画像。
被央行推动的“台州模式”、“苏州模式”正是属于这样子的实践，借助地方政务数据来给小微企业增加信用。可是，数据归集共享仍然存在着部门呈现出的壁垒，信息所覆盖的全面程度以及及时的特性有待于去提高。
金融机构的应用实践
从大型银行开始，到中小机构为止，都在推进风控方面的数字化进程。有这么一家华南地区的股份行，通过与税务局系统进行对接，借助企业所拥有的纳税数据来开展小微贷款的审批工作。像这样的“银税互动”，使得风险识别的时间得以缩短，以往需要耗费半年时间才能发现的不良状况，如今能够以更快的速度发出预警。
然而实践也将问题暴露出来，有银行方面的人士指出，税务方面的数据一般仅仅提供汇总之后的数字，缺少明细情况呢，这对于判断的深度产生了影响，部分企业在表面上数据呈现正常状态，可是却突然出现“暴雷”的情况，这表明单一的数据维度其实是存在着局限的。
模型局限与周期挑战
当前，好多从事风控所采用的模型，其本质上依旧是依照历史经验打造的规则模型，并非是那种复杂的机器学习算法，这类模型在经济处于平稳阶段的时候或许会起作用，然而在面对周期出现转折的状况时，其适应性就显得不足了，有一家科技公司的负责人表明，好多消费信贷业务没有经历过完整的经济周期的检验。
金融机构得去审视自身资产的结构，依据疫情等压力状况下的表现，动态地调整风控策略。对于区域性银行来讲，结合本地消费场景开发特色信贷产品，也许是更为务实的路径。
未来方向与核心挑战
未来的趋势在于构建起范畴覆盖更为广泛的社会征信体系，进而推动替代数据这一领域实现市场化的互联互通，这一情况要求企业征信机构以更为深入的程度去采集并非借贷方面的数据，以此为银行给予信用评分、反欺诈等一系列综合服务。
关键挑战是要对创新以及风险予以平衡，于监管框架范围之内，金融机构得寻觅到合理的发展节奏，一步步达成自主风控的闭环，能不能借助大数据让信贷周期波动变得平稳、协助银行管理资产质量，这会是衡量其成功或者失败的关键所在。
您觉得，大数据风控要是想切实“穿越周期”，那最需要去补强的短板究竟是更为丰富的模型数据，还是更为先进的算法能力？欢迎来分享您的见解。
