起底風險政策分析師的必備技能

當下，風控策略崗已經是金融科技圈裡的熱門崗位，隨著各大廠布局金融領域，該崗位的需求方也從早些年的銀行、消費金融公司擴充套件至如今的網際網路渠道。

然而對於剛畢業的小白或者是意圖轉崗的「行外者」而言，卻對這一崗位了解甚少。

知乎上「轉行做風控，需要做哪些準備？」的問題，有6萬的點選量，筆者也曾在豆瓣上回答過「收到美團的風險政策崗，該不該去？」的問題。

那麼，風險策略分析師具體是做什麼的？他的發展前途怎麼樣，需要必備的一些技能是什麼呢？

風控策略分析師，是銀行信貸按行業主導「價值實現」的核心崗位，負責構建風控策略體系，以量化分析為基礎，有效識別欺詐風險與信用風險，制定不同型別產品的風控策略，同時負責監控各項風險指標，及時進行風控策略的調整與優化工作。

毫無疑問，風險策略分析師作為業務方的「資料分析」，在金融領域的吃香程度已不亞於普通的資料分析師，甚至高於普通的資料分析師，畢竟該崗位具備業務經驗+資料技能的雙重門檻。

一方面，從「錢途」上看，在一些招聘**，我們可以看到1-3年經驗的風險策略分析師基本月薪都在15-30k不等，在職場新人中屬於「高薪一族」；

另一方面，從「前途」上看，風控策略崗相對於演算法建模、程式設計師等崗位而言，學歷門檻較低，而且吃香，同時隨著工作年限正向成長，職業生涯穩定且多斤，未來還可以像演算法建模等崗位轉型，職業拓展面廣，可謂前途無限。

既然風險策略分析師前途大好，那要想成為一名合格且優秀的策略人員，需要具備哪些技能呢？我們可以先從招聘**上看下基本的崗位要求。

風控從技能上描述，是需要理解數字背後的業務含義，並對資料結果在整個行業排序中的位置有大概的輪廓，尋找巨集觀變化與指標波動之間的聯絡。

作為一名日常與資料打交道的分析師，我們經常需要利用sql實現表鏈結、巢狀表的查詢、資料備用；使用python生成報表、郵件並設定定時更新與傳送，因此，資料技能是風控人員必不可少的技能之一。

在很多的招聘簡章中，都要求從業者熟練掌握起碼的hive、sql甚至是python語言，因此不具備資料分析能力便難以成為一名風控策略分析師，這也是該崗位具有的門檻之一。

當前，很多試圖尋找高薪工作的同學們似乎開始了本身的轉碼之路，但大多數人只知道資料分析師的崗位，其實風控崗位也可以成為很多計算機專業乃至轉碼同學的工作選擇之一。

作為一名優秀的風控策略分析師，除了具備相應的資料查詢技能外，還要求掌握結構化的資料分析思維，同時熟悉資料分析與報表系統，能根據業務特性解讀資料，形成有價值的理論，同時貯備一些專案經驗，形成對業務的系統化認知。

眾所周知，統計學方法是量化分析領域中必備的一門課程。風控作為金融領域的量化分析，不外乎如此。風險控制發展至今，已逐漸形成了科學的統計分析方法和策略分析方**，比如a/b測試、漏斗放過等等。

如果你想成為一名風險策略分析師，那麼建議你系統學習一下風險管理的一系列規則，比如策略回顧與調優、策略監控、資產質量分析等，通過一些機構課程的學習詳盡掌握風控體系的知識框架體系。

當然，不同公司由於業務及發展規劃的不同，風險管理上具備自己的一些特性，但是總體的指標與框架是不變的，在參與實際工作中，我們可以初步了解風控流程的執行邏輯，再通過實際專案的鍛鍊和業務需求後，不斷從各個維度、各個指標把控風險，從而走向高薪風控崗。

就整套信貸業務流程來看，從最初的獲客，到申請貸款、審核貸款、發放貸款，以及最終環節**貸款，都有風險策略分析師的存在。

對於久經沙場的從業者而言，可能對整套流程和每個環節的業務指標並不陌生，只是多數人在日常工作中的職能覆蓋遠遠達不到全面了解，比如貸款風控可能對c卡（催收評分卡）只知其一，不知其二。

這就要求風控從業者在工作中需要對行業和未來的職業道路有一定的規劃，選定方向，通過業務鍛鍊，理解並學會不同場景下的風險分析，以便快速成長為量化風控老手；

對於剛畢業的小白或者是意圖轉崗的「行外者」而言，擁有一定的資料分析技能是基礎，但若能在入職前掌握一定的風險策略概念，便可以讓面試官眼前一亮，進而在眾多面試者中脫穎而出。

乙個合格的風控策略分析師，從技能上要懂統計、懂演算法、會程式設計，是資料科學家、業務專家的綜合體。

對於策略人員而言，我們總是需要在紛雜的資料中根據業務指標來發現、定位業務問題和成長空間，例如通過率下降了多少個點，背後的原因是什麼，是定價太高，還是產品流程複雜，當然資料敏感度是隨著專案經驗的積累而不斷深化的，同時也需要一些常規資料校驗方法的協助。

而若想成為一名優秀的策略人員，我們甚至需要深度挖掘和定製內部資料來源以及各種高效、穩定、能解決不同業務問題的模型，因此建模基礎是每一位策略人員的加分項，短期工作可能不需要，但從長遠發展的角度考慮，學會建模一定能輔助你在工作路上更進一步。