谢谢邀请，我的从业经验是：

首先，我从2010年开始做这一块了，模型、数据、风控，成熟的审贷模式，现在才知道这玩意儿比较火。模型+人工，而不是人工+模型，也就是说模型占了很大位置，人工只是辅助。所以行业里做的一般不说，反而是近年来咨询公司漫天吹，说的人从来也没有做过，而且过于神话，反而引起误导，把想象当成现实，大数据是个框，什么理想都往里面装。

1、模型要细分再细分，才能有用。数据缺失的处理要小心。汽车金融4S店、阿里小贷能做的原因是贷款客户都是单一商贸流通，通过数据是可以估算出来其盈利能力的。如果推广到一般企业，还是要按照行业细分调整模型。个人小额贷款，也可以尝试去做。还是按类别划分不同的人群，建立不同的模型。

2、能做哪些事情。一是信息采集自动化。也就是说把银行客户经理尽职调查的内容尽量通过爬虫抓取。这一块比较简单，也即是传统流程的改造与优化，这一块没有任何争议，能自动化的尽量自动化，的确能提高生产效率。比如信贷调查需要水电气数据，一种方法是客户经理去客户那里拿到缴费单据，另一种方法是与当地代扣代缴银行拿到缴费流水，都不如和水务公司、电力公司、燃气公司系统对接直接拿数据来的可靠和简便。传统授信需要调查的，现在一样也不少，而且更多。二是授信决策。拿到信息以后如何决策，以前是人工，贷审小组、贷审会，现在要用到机器学习模型，如逻辑回归，决策树，神经网络，深度学习。第二块有争议。一些简单的模型，比如说通过上面说的水电气数据和企业生产能耗进行建模，推衍企业开工情况，经营状况，大家都容易接受，毕竟，传统上大家都这么做。一些复杂的模型，信用违约概率分析，这一块误差非常大，争议很大。找到大量的指标，用数据跑一下，剩下的指标，为什么是剩下这些指标而不是其他指标？经济学上如何解释？明明用了几十年的指标为啥对于企业违约不显著。这一块，还真难说个所以然。机器学习的速度与人学习造假的速度，谁快？哪个银行又能拿着真金白银去做这种实验呢？出了大面积的违约到底追究谁的责任？还是数据的问题？还是模型的问题？模型开发者背黑锅？所以目前大多数都是用小额贷款做。要转变银行的思路，特别是不良贷款容忍度。这一块，银监会只给小微企业贷款开了一个口子，就是追究责任要有比一般贷款高2%的容忍度。

3、电脑模型不能做的，机器的边界在哪里。一般企业类型的风险控制，模型最终是无法搞定的。企业家的核心是什么？创新精神，不断创新才能在商场生存。电脑模仿的本事很强，创意创新这一块，比较弱，机器学习是不是能实现企业家创新，难说。风险控制关键是企业实际控制人，你要驾驭实际控制人的本事，和实际控制人斗志斗法，所谓下棋，控制住实际控制人的“七寸”就能控制住风险局面。等啥时候，造一个比实际控制人本事还强大的机器人，智商比企业家还高，那时候就不需要人工审核贷款、人工风险控制了。造一个机器人版本的企业家，这个机器人可以在经济不景气的时候想出一些生意点子，能够应对复杂的商业环境，管理人员，做出正确的经营决策，甚至能够白手起家创出一番事业，一年赚取几百万利润。到时候，还审核什么贷款，坐在家里等机器人去创业，去赚钱就好了，也就是永动机，这个人类几百年来一直的梦想啊。

4、泼冷水的很多，但是做优化的很少。从2010年开始做模型，一直以来，有不少人泼冷水，那时候做调研的时候，同事要么不配合，要么就是冷嘲热讽，但是等做出来以后，基本上也就服气了。把一个传统客户经理、审查、审批要做的事情，一一列举，然后看哪些可以自动化，例如查询征信、工商、法院，这个就可以批量化嘛。社交网络数据判断这个人特征、类型，例如QQ空间全是打打杀杀，信贷员会觉得这个人比较差，模型通过分析空间文章字符也可以判断出这个人不像好人，也就是通过字符语言机器是可以模拟人脑判断。如果社交网络数据不正确，人看到错误信息照样会判断失误。所以要做出成果来，才是王道。被泼冷水，是因为做的不够好。

5、瞎吹的很多。一提大数据，然后大家觉得很难，很专业，得花钱找专业公司做。觉得可以解决一切问题。很多年前，火箭发射是很难的事情，系统工程。推而广之，一切难的事情都是系统工程，有了“系统工程”专业，言必谈“系统工程”，最后还是不了了之，因为社会经济领域考虑的因素太多。现在“大数据”又是一个“系统工程”。遇到无法解决的问题，口头禅就是“这是一个系统工程”，潜台词就是无解。

…更多文章请到信贷风控手记-知乎专栏

…更多回答请看H-