总的来说，互联网金融风险控制包括：集团风险控制、以及各业务部门内部的风险控制。

　　消金业务面向的是有各类消费需求的普通用户。对于用户体量较大的互联网金融平台，其获客手段比较丰富，线上实时授信实施审批的简洁化流程会带来很好的客户体验，同时也会产生海量的借贷行为数据。

　　但对于信贷类产品而言，便捷的客户体验背后蕴含的是各种潜在的风险以及非常复杂的客群结构，这就需要我们在各个可能预测风险、发现风险、解决风险的环节中设计结合场景化的风控策略，同时借助机器学习算法与大数据开发各类精准化的风控模型。

　　下面基于产品业务本身，从客户激活、使用、催收等各个环节，讲一下风控的日常工作：

　　这些都涉及到在贷前对于用户的风险、身份资质以及借贷需求等多维度的评估，利用客户在商城或其他场景的消费、浏览、地址、支付等行为数据，通过机器学习算法预测客户风险。其中除了考虑风险评分之外，也会包括一堆比较复杂的授信策略，包括对客户职业、学历、收入、资产等维度的预测，最后综合各类信息完成对优质客户的预筛选。

　　在客户激活流程中，根据其在设备上留下的各类信息，包括设备号、设备指纹、生物探针等，来综合判断该账号是否有被盗号风险、集中登陆风险、涉黑风险等，对于有潜在风险的账户采取相应的处置方案，包括拒绝准入、核身加验等。

　　风控决策引擎，是将风控策略进行统一管理、集中决策的系统。客户的激活、额度以及定价策略的具体实现都是在决策引擎系统中完成，是风控大脑的决策中枢。

　　针对京东白条这类消费场景的信贷产品，客户在用白条支付订单后，需要京东物流体系进行配送（除去虚拟类商品）。

　　在配送环节中如果发现客户有账号被盗、套现、中介操作、涉黑等各类风险，可在配送环节进行订单拦截，阻止这笔交易的真实发生，挽回资金损失。

　　由于白条、金条均属于循环额度信贷产品，客户使用过程中的风险、需求都在不断发生变化，因此根据其使用行为进行风险的进一步判定以及对其信贷需求更精准的定位非常重要。

　　通过贷后的额度调整、定价调整等手段，可以让“好客户”用的更好，同时降低“坏客户”的风险敞口。

　　逾期客户管理对于任何金融机构都至关重要，包括互金公司。随着资产规模的不断扩大，坏账也会持续增加，导致客户逾期的原因很多，例如忘记还款、近期手头较紧、还款意愿不足、恶意拖欠、欺诈、账号被盗等等，不同类型客户的在逾期后的催收处置手段也不同。

　　目前的催收手段包括短信催收、电话催收、上门催收、律师函等，因此在整体资产规模较大时，什么时候催、以什么方式催除了依据产品特点及专家经验外，可通过客户的历史使用行为开发不同阶段的催收模型，制定差异化的催收策略，并结合催收成本设计合理的催收方案。

　　风控的本质不只在于识别“坏客户”，也包括对于“好客户”全生命周期管理。营销做的好做的精准，可以减少逆向选择风险，扩大优质资产规模，提高整体资产质量。

　　精准营销包括拉新、睡眠促活、休眠唤醒、流失唤回、引导分期等不同内容，尤其对于平台类的信贷产品，能够利用好平台流量、精准识别出不同客户对于不同品类的消费偏好，并通过模型算法实现静态资源位的千人千面以及短信、push、EDM等主动触达手段的精准化，至关重要，而所有这些都离不开我们对对数据的理解、产品的理解以及对客户的理解。

　　互联网金融公司的风控部门的日常工作因公司资产类型不同而不同。一般目前首先根据借款用途，有企业贷款、消费贷款、供应链贷款、融资租赁等；根据担保类型，可分为房产抵押类、车辆抵押类、第三方担保类、消费场景类、一般信用类。

　　就以我们互贷网最熟悉的房产抵押担保企业借款为例，来说一说风控部门是如何开展日常工作的。

　　贷前审批，是指由业务部门提交、收集借款人的贷款申请，主要包括贷款额度，贷款期限，借款人的身份、资产，公司经营资料抵押房产资料，征信报告以及其他资产资料等。

　　风控部门具体审查借款人所提交的资料和借款人申请是否符合公司所制定的贷款基本政策。如果不符合，退回给业务部门拒单；如果基本符合，业务人员联系借款人进行面谈。面谈是做企业贷款非常重要的一环，这涉及到借款人所需贷款的用途和将来的还款来源。面谈如果符合条件，则可以约时间去借款人公司当面核查借款人所提交的材料的真实性，并观察借款人公司的运作情况，然后提交风控报告和意见，经公司决定是否贷款。如果可以贷款，则给借款人签借款合同，合同公证，去交易中心做房产抵押登记。所有程序完成后，通知财务部门放款。

　　贷后管理，也是风控部门另一块的主要工作，主要是跟踪借款人借款后的资金用途，，比如说公司的经营是否恶化，抵押物是否正常，借款人是否能按时付息还本，如果发现有异常，及时和借款人沟通，了解情况。风控部门的贷后管理直接决定着借款人将来能否续贷。如果在贷后管理中出现特殊异常，例如抵押物被查封，借款人公司不能正常营业等情况，要通知并配合公司法务部门做好后续的起诉、执行、拍卖等工作。

　　风控工作决定着金融公式能否稳健发展的关键所在，所以互联网金融公司一定要挑选出道德素质过硬、风控水平高的风控人员。

　　在此分为风控研发和产品运营两个方向 介绍下互联网风控的相关工作，欢迎沟通批评指正。

　　但需要注意做风控还得学会总结汇报，因为安全是一门不出事就没人记得，但是一出事就很容易背锅的岗位；当然不是说背锅不好，能有风险出现对风控也是好事，才能提升团队的价值地位。

　　但是不出事真的就不知道做的怎么样了，所以平时需要自己多沉淀积累，有机会也和老板多聊聊，争取点资源和刷脸总是好事。

　　在这只是简单列举下相关事项，主要通过和对接的产品同学沟通得到的信息，并不一定全面准确，欢迎有从事该方向的同仁多交流。

　　记得做风控一定要深入到一线去了解黑产了解风险，不然后续那些高大上的能力基本没有用武之地。

　　看了下基本都是回答互联网金融的风控，互联网金融公司做起事情来还是很爽的，比如@京东白条提到的还会涉及精准营销的相关工作。

　　既然题主还问到与传统金融相比的区别，其实两者最大的区别就是传统金融金融机构经常会收到这样银监会的监管文件，比如《商业银行操作风险管理指引》这样的文件。这份文件部分涵盖除了互联网金融风控部门要做的绝大多数事情之外还需要做的。

　　针对当下多数互联网公司的风控来说，主要还是围绕一款现金贷产品的风险策略来工作的，从前端反欺诈-额度授信-贷后处置来做，算是小而美的风控工作。

　　类似支付宝、Paypal这样较大的公司，会越来越接近银行级别的风险管理，内控、合规、反欺诈、反洗钱、政策、安全、进行多产品，多业务线条，之上而下搭建风险管理体系。

　　Tips：从招聘网站不仅仅是一个公司需要什么样的人，而且意味着这家公司即将要去哪里。

　　互联网金融公司的风险控制部门当然是针对互联网金融公司所面临的各种风险而设置各种职能。

　　在传统金融公司，他们所面临的风险主要为信用风险、道德风险、市场风险、合规风险、操作风险、战略风险和流动性风险。这一点做的最好的应该要属银行了，银行的一切工作流程，内控制度，操作规范都是把风险控制作为首要考量因素而作出的安排。

　　传统金融机构最为主要的风险是信用风险，也是我们经常说的发生在信贷领域的赖账风险。不管是企业信贷还是个人信贷，遇到老赖是一个概率问题。业务部门想要做成业务，风控确必须挡路，他们之间有天然的矛盾关系。

　　这就要求传统金融公司的风控不但要掌握相关风险模型，财务，法律，税务的知识，更要学会跟人打交道。举个例子，信贷经理说有个企业要贷款2个亿，财务水平，公司状况各个方面都发展良好。作为风控，重点审核公司近一年的流水以窥探端倪，还要跟公司的财务见面聊聊，也许能有意外的发现。

　　而互联网金融公司除了面对传统金融企业的风险，还要同时面对模式风险和数据风险。

　　模式风险说得通俗点就是需要风控人员论证商业模式，交易模式的合法性。最近几年，高层对互联网金融一直采取放养的态度，各种民间智慧在这个行业大放异彩。一时间，包括股权众筹，P2P抵押万能险，收益权拆分，自建资金池等模式无不是踩在红线上在跳舞。

　　作为风控，就要研读央妈，一行三会和各地方金融办的最新政策信息，在交易模式上提前修正，避免被派出所贴封条的悲剧。例如P2P高速发展了三四年，现存的比较知名的网贷平台最大的风险就在于政策风险，警察来巡查一次就有可能造成挤兑。

　　数据风险在传统金融领域也会存在，但意义却大相径庭。在传统金融机构的数据主要是防病毒，防泄漏，在互联网金融领域数据风险主要在于数据的有效性。现在很多的新型金融企业利用数据挖掘，机器学习，反欺诈等计算，泛亚电竞平台批量化操作等大数据方法评估风险。但是大部分企业目前掌握的数据仅限于网络上公开的个人信息，被爬虫拔下来进行分析的基本限于微博，QQ空间，博客等，激进一些的可能掌握短信，微信，邮箱等私人信息。实际上如何分辨这些信息的有效性才是互联网金融风控的核心能力。

　　例如支付宝的风控可以看到个人的淘宝购物记录，优酷会员购买记录，虾米音乐购买记录，再加上你在魅族收集里的信息，在高德上的出行记录。但是这些那些对于分析你的还款能力有效，他们各自的比重又该是多少。这就需要风控配合大数据科学家制定更为科学的大数据风控模型了。