我翻着我风控主题下的笔记和备忘录，心里清楚已经没有多少想写的东西。大多都写过了。经验让工作更轻松，而风控是一个经验一定有用的工种，所以风控从来不应该是一件让人焦虑的工作，关键是关注长处而非短板。

我翻着我风控主题下的笔记和备忘录，以及各种随手记，心里清楚我已经没有多少想写的东西了。我想写的，我认为该写的，大多都写过了，也有例外，一个是bad case分析，一个是归因分析，这两个都值得写，我也想写，但就是没有写。

像其他的，各种不良指标怎么算，vintage、滚动率的sql技巧，策略怎么做，模型怎么建，你只要去到任何一个团队，你总会知道的。而且，AI都知道，只是你没有加入一个团队的话，你没有真的遇到这样的工作需求的话，你去找AI了解，意义也不大。这些都不是我想写的。

22年我写过一篇汇总，把我写过的风控文章以持续追问的形式进行了编排，那时这个号才写了一年半，转眼竟又过去了四年，人都老了，行业也不行了。现在该做一次更新了。

……

天下皆知求其所不知，而莫知求其所已知。这句话是我写这些风控文章背后的出发点。我们把已经知道的事情做好，其实就很有用了。

我一开始总是希望别人会的我都会，别人不会的我也要会，结果当然是很焦虑也很挫败。这背后其实是一个问题：到底是该补长板，还是补短板？

后来观察别人就发现，有很多领导、有很多大佬也是很多都不会，但不妨碍他们在岗位上风生水起意气风发，而你也很信服他们。既然如此，我想关注长处，让长处变得更长，让优势变得更大，让某些方面无人能比，这可能是更为合适的。

我简介里说，经验让工作更轻松，这句话是说，如果你的工作里经验没有用处，什么决策都需要遍历找最优，那么这份工作是毫无意义的。而风控是一个经验一定有用的工种，不仅仅是有用，是非常有用。正因如此，风控从来不应该是一件让人焦虑的工作。

有些人加我问一些一查就有的东西，那样明确的概念，何必等我回答呢？大部分时候你能提出具体的问题，问题就已经解决了。真正的问题，不是概念，不是指标，不是算法，不是透视表，是那种你做了一个东西但它行不通。

所以，有所聊有所不聊。“有道无术，术尚可求也；有术无道，止于术。”

之前写过一个总结，把当时写过的要点整理成了风控的三十条经验。但这篇与此不同，我们聊问题，遇到问题，解决问题。姑且算风控系列至今的官方指南吧。

1. 如果你并不是风控的从业者，或者风控的经验还不多，你想了解这里好不好，你可能会想知道它是不是一个好赛道。互金业务与互联网其他业务不同，它既做增长，也做风控，它做的是一个平衡，而平衡永远是更难的。余以为，风控依仗经验超过依仗ABTest，它反而是更长更宽的赛道。我们的目标是在宽道上做长期正向的事情，你觉得呢？

2. 如果不幸，你被我说服了，觉得风控挺好的，想要入行，其实我这里并不是很适合你。因为基础知识我并没有写，我无意写一套刻板教程，供大家被动学习。你可以用AI学得更多，如果你有主动性的话。最好的学习基础知识的办法是，也就是说入门一个行业的办法是，你去想办法搞定一个目录，然后和AI对话直到你搞明白这些东西。我知道你很两眼一黑，目录我给你写好了。

3. 现在你已经从业好几年了，别以为你的经验就很丰富，两者根本就不能划等号。我设计了十道题，又设计了十道题，来测试你的风控水平。你凭借感觉会答对一些题，但不代表你有对应的水平，因为我问出了问题，就提示了答案，重要的是思考本身。甚至这些问题本身也不重要，重要的是你工作中有没有意识到一些问题的存在。没有意识，则没有智慧。

4. 既然你已从业多年，那大概率你纠结过挣扎过，这个行业还有意义吗？是不是应该尽早离去啊？如果不是被动离职，我不建议做风控的人转行，因为，C端的业务，研究人的问题，没有任何课题能和人的信用相媲美。

5. 如果你确有换工作的需要，你面临最重要的问题必然是：是在头部几家互金横跳呢，还是去做出海，去消金去银行呢？不同类型的平台，不同在哪里，有什么特点，适合什么人，这个需要搞清楚，还要认清自己的能力，因为不是每个人都能完美适配上述不同工作岗位。

6. 现在我们决定待下去，那就待得好一点吧，我们心贴心好好聊一场。我们先聊聊工作效率问题，我知道你在做无用功，每天都在做无意义的琐事。效率，不是这个世界的运行法则，但是对你个体而言，必须以效率为先，你才有时间和精力去探索更多的新奇性和可能性。怎么判断一个想法值不值得做呢？只要你掌握一个逻辑，风控的工作就会变得如此简单。

7. 不要局限在工作细节中，你应该时常跳脱出来，站在高处看问题。风控的本质不是风控的概念本身，而是风控概念之间的关系。我们来聊一聊风险经营，它到底有什么奥秘，你到底在挣什么人的钱，需要做什么的风险经营策略。

8. 在这个风险经营策略中，两个最基本最核心的动作是额度策略和定价策略。低风险客户，你的定价得低，不然他们不用信，你的额度得高，你希望他们多用点。那你觉得额度和定价，哪个风险区分效果更好呢？

9. 还有一批风险超标了，不能经营的，那就是授信审批。你要开发模型去识别高风险客户，制定策略去拦截。模型开发有一定的复杂性，选择合适的建模目标，开发好的特征，采用好的算法，准确地工程部署，然后做好监控，适时迭代。但不要拘泥于形式，风险模型策略没有那么多规矩，你要敢于质疑平庸之见。

10. 经营风险势必要先理解风险。你要多加了解你的客户，优秀的风险管理人员理应对用户行为背后的机理洞若观火，尤其是用户涉及风险的行为。风控的工作内容其实很广，不要塌缩成做一个模型设一个cutoff，如果你把用户逾期看作是他信贷生命周期缩短的过程，就会知道你要做很多方向的努力。

11. 你可能会感叹，整个行业各个团队都弥漫着一种末路黄花的萧瑟感，和一种凛冬将至的紧张感，可是你才干了没几年啊。一款信贷产品从成长到成熟到衰退，甚至退出，其实很快，但你还是需要去做点什么。从增量时代，进入存量时代，再进入新业态时代，这是必经之路。万幸，你还可以通过跳槽，或者出海，重做一遍业务。

12. 如果你去新公司新接手一个信贷业务，什么报表都没有，你就只有业务账户表、订单表、账单表，你应该做点什么，能快速地建立起对业务的理解呢？不要觉得抽象，举个例子，如果你去一家出海现金贷平台，或是中小银行，你拿到业务数据后，怎么成竹在胸、妙手回春？理解你的业务，了解你的客户，你需要做一些分析工作。

13. 更进一步，你需要做监控，既对模型，也对策略，也对资产质量。使用没有监控的模型，就像使用没有指针的钟表，它可能在工作，但你怎么知道呢？业务更是如此。原因在于，现在不是过去的重复，未来不是现在的重复，你不能等到未来风险暴雷要了你的命。监控使得过去、现在和未来发生联系，对监控的解读增加了你对未来预期的把握。

14. 基于你对业务现状的了解，你可能需要优化整个模型策略体系。而常见的靠谱的模型策略体系只有三种，一是规则为主、模型为辅，二是模型为主、策略为辅，三是策略为主、模型为辅。这三种又是如何适用于不同的阶段、不同的平台、不同的业务场景的呢？

15. 如果你是在一家小贷平台，你会发现模型策略体系应该是第二种：模型为主、策略为辅。于是你大力投入做模型，引入了越来越多的三方数据源，为了测试三方数据的效果，你可能会去圈定一批样本，以明确新增一个数据的价值。但如果你天天盯着这个样本集，你会离目标越来越远。

16. 既然提到三方数据，自然要说联合建模，不要以为它简单。联合建模的难点不在建模本身，在根据业务情况确认建模方案。随便搞个样本，建模效果好不一定线上效果好，但只要上线了，你就很难下线。所以，不要轻视，否则常见的后果是：投入很多，结果没用。如果你没底，不如选用标准产品。标准产品省去了联合建模的麻烦，同时也避免了建模样本过少导致过早失效的问题。

17. 你可能要决策是否采购一个新的三方数据，你知道不能光看数据平台夸大其词，你要看融入已有评分后效果提升了多少。这不是很容易，需要你准备样本，出库给三方回溯数据，返回匹配内部评分，建模评估。这需要工作量和时间。但如果你知道三方数据大概的KS，你其实可以口算得到融合内部评分后的KS。

18. 如果你想去做海外现金贷，去学习过去几年“714”玩法玩得好的人，不要去学习头部互金平台。多算一算账，新户老户、利息收益、本金损失、成本等等，算一算怎么配比能打平、怎么能盈利，不要老盯着模型效果。还有不要太贪不要恋战，“金融是拼谁的命长，而不是短期谁跑得快”，但海外现金贷不是。

19. 这个行业，很多公司标榜的使命都是信用让生活更加便利，但信用生活是不应该被一个盲盒模型所决定的。A/B/C/F卡与真正的信用评分产品还是有很多不同，例如芝麻信用，关键在于后者是要和用户交互的。信用衡量的是先享后付的能力，那就是要让该享受服务的人能享受到服务。一个该一个能。该的人不能，不该的人能，都不行。

20. 有信用就有失信，2026年9月的今天，中国执行信息公开网上公布的失信被执行人多达870w，比三年前多了100w，这还是有退出机制的当前失信人员。在信贷业务中，用到的黑名单也会越积越多，这容易导致其失效。我们需要对其中低风险的人清退，例如历史逾期远没有当前逾期那么重要。但归根结底清退带来的价值没那么大，他们大多流失了。

21. 风口上，很多公司标榜自己在做的是普惠金融，但为财而已。普惠金融的标准一个是普，一个惠，普是可得性，惠是可负担性。所以，要下沉，要低价。另一个具备普惠意义的服务大概是，符合国家帮扶战略的场景金融吧。另外，你的用户为什么借款呢，搞明白这点才能真正理解你是在为谁服务。

22. 风控不应该只是做一个模型，也不应该只是做风险的模型，风控考虑的是增长和风险的平衡。风险不风险的，本质都是用户管理，用户生命周期里我们要做的事情可太多了。说不想做风控的，其实并不是不想做风控，是本身把范围定义得太窄了。另外，那些模型同学，大家要多想想，不要以为算法大过天，瞎做做出来扔给别人去用，要去加入业务想他们所想，然后用点技术做点事情。

23. 模型只是工具，互联网业务真正的方法论是分群。基于客群，我们制定差异化的策略，使得对客户的管理达到最优。好的客群，大多是重复的，一个人既是微信、支付宝、京东的用户，也是抖音、快手、美团的用户。故事从来不是“你好我好大家好”的关系，从来都是PK关系。客群做得好，经营到极致，本质上就是互联网业务的流量之争。

24. 策略当然分很多客群，但模型却不必然，因为模型解决通用性的问题，而策略解决个性化的问题。不必说模型重要还是策略重要，这两者都很重要，没有必要分什么高下。但如果说模型思维和策略思维呢？一定是策略思维更重要，因为策略是更贴近业务的。另外，模型和策略是不应该有壁垒的。

25. 这个行业需要做很多模型，但不加审视地随便做模型也是不行的。你可以定义任何奇奇怪怪的标签，去用你捞到的数据建模，但问题在于不是所有的目标都是可预测的，不是所有的目标都有合适的数据去预测。大数据风控的灵魂不是算法，而是数据。我们可以有很多模型，但业务最核心的目标是唯一的，那就是营收。当你有这么多模型之后，你要怎么用呢？

26. 模型也不是要无限高频地迭代。很多团队在迭代模型时，总是看到巨大的效果提升，尤其是在下沉客群。这里有巨大的陷阱，但是他们罔顾了这个陷阱。模型快速迭代，例如每月迭代，基本也是无意义的。假如你的迭代是那么有效，业务为什么没有变得更好？

27. 风控之道在于贷前贷中贷后的用户生命周期管理。风控中的用户管理和其他互联网业务中的用户管理其实是互通的。当你精通一样技能的时候，你会发现一通百通。

28. 风控之术在于策略规则和模型。风险管理部门就是在做策略和模型，自然这就是术。平衡决策对通过率的影响和对风险的影响，对成本的影响和对收益的影响，是风控策略从业者需要培养的职业嗅觉。而模型开发是为业务需求服务的，高效解决业务的难点和痛点，就是模型开发的护城河，而不是所谓的算法。

29. 解决问题，基本都可以遵循一个原则：先整体后局部，风控也是如此。我们基于一套风控模型策略去开展业务，业务的开展会产生一系列结果。然后精细化运营，还要做什么呢？一定是去关注那些坏账，它们是怎么个构成，具备什么特点。在一个可行的业务模式下深耕，做好常规的风控，如果没事做了，就做局部优化吧。

30. 流量时代互联网业务，产品、运营、数据都在干嘛呢，高频测试找最优，各种ABTest。但是信贷领域不同，损失成本大，风险后置，导致风控其实并没有真正意义上的ABTest。这是巨大的好处，ABTest意味着快节奏，意味着加班，意味着内卷，风控是一个更依靠经验的行业。

31. 知识体系的构建，就跟盖房子是一样的，框架形成后，往里面填充必备的组件，就变得容易又可控。对学习风控来说，这个框架是什么呢？我觉得最重要的有五点，理解了这些，模型策略都是随后的事情。再推荐几本书吧。

32. 除了借贷以外，金融科技业务还包括储蓄、支付和投资。金融科技就是在解决人生不同阶段对资金的需求问题。如果你想来金融科技公司，先看看这个领域有没有你感兴趣的方向，这个领域做的事情你有没有热情，最后看一下，是不是让利于民。

33. 信贷肯定是有价值的，只是某些平台把它做成了没价值。生产者总是对消费者洗脑，先享受后付款。我信奉一种思维方式，那就是和平台的期望反着来，因为平台希望你做的是对平台有利的，很少对你也有利。金融平台希望你是它的生息资产，故，不要成为它的生息资产。

34. 最后，不要天天把风险挂在嘴边，我们从来不是为了做风险而做风险，而是为了做事情而做风险。什么时候需要做风控，什么时候不需要做风控呢？记住这三点：如果不去试探风险，风控就毫无意义；不要过于关注风险，什么都不做才没有风险；蓝海变红海，赛道上拥挤不堪，最需要做风控。

苏轼说：“吾昔有见于中，口未能言。今见《庄子》，得吾心矣。”

为这样的评价而写作。

……

年轻真好啊！现在的我已经不好意思用上面这样的话去写结尾了。这正是创作的奥秘：去创作，不要等

如果你看到了这里，还想听我说点什么，我想说，别那么卷，没必要这么玩命上班玩命精进玩命保住工作，自由时间多去干点别的，乱七八糟什么都行，发呆也行。因为，活到最后，会发现有趣最重要