消费金融和银行之类的差别有点儿大，说起来有一部分工作有点儿像金融衍生品，只是有点儿哈。国内的消费金融的风控分两个板块，一个是信审、一个是模型。因为消费金融的放款额度往往比较小，所以要求业务量大才能赚钱，这就意味着不能再风控上花太多人力。所以消费金融的风控把大部分风控措施都放在网络数据采集和风控模型的建立上，做到让系统自动审核，而人工管理的，主要是一些系统无法区分的信息，还有部分身份识别的工作（以及确认客户业务的真实性，避免被针对性的骗贷）
这种情况下，负责信审的岗位往往就是个简单的识别工作，识别人脸（现在有人在搞人脸自动识别，效果嘛不太清楚），识别合同的真实性，核对一些文字化的信息等等。给的工资也比较低，我调查的在深圳的几千块钱一个月，在北京的有才给4000的。
另一端是做风控模型，另外模型建好了，得有数据啊，有些是直接和一些征信公司对接的，据说现在还没收费，但征信信息收费估计也快了。也有自己和政府机关、电信等对接，自己扒数据的，这个难度有点儿高。因为这端的风控一般是一个懂风控系统的人带着一堆程序员和数据分析的人在做，所以有些公司把这个叫“策略”，而非风控，不过我觉得还是该算风控吧。这个部门的工资比较高，在北京和深圳，高的两三万，低的一万多。上海的消费金融公司我没去调查过，不知道他们的工资水平，但估计也和北京深圳差不多。
当然，这个高只是和公司内的人相比，看知乎上的程序员，估计程序员在其他新兴公司应该都能达到这个水平吧。那个风控主管就不好说了， 在成都能做出一个风控体系来，带出一个风控部门来的人，工资应该在年薪20万以上，但相应的岗位很少，北上深至少应该在40万以上，同等职位，北京深圳的工资大概在成都2~3倍的样子。但同样的，即使在北京深圳，风控主管的岗位也很少，能意识到这个岗位价值的老板，一般都是银行出来的，但一般都会带着兄弟出来创业，不缺这么个岗位。反过来，给不懂行的老板做风控，比较苦逼，你给他说做不得，他觉得是小case，没问题。
风控最高级别的就是大银行的总部风控了，好像是中行吧，原来花80万聘了一个华尔街出来的老外当风控总监，后来银行系统降薪，人家就走了，走了后网上还有一群人骂，说给80万给高了。所以风控岗位的天花板挺低的，担的责任却不低。而且风控的底层业务，和风控总监级别的管的那个风控系统，专业思路完全不一样，从一般的风控员，跳到风控总监，不仅仅是缺少岗位的问题，自身所需要掌握的知识和技能也差异很大。
至于说消费金融的风控，想转券商或基金，不是说不可能，而是你在消费金融学的风控相关内容在券商和基金用不上，和你直接进券商、基金的难度差不多，这个跳槽就显得多余了。
除开学历光环不考虑，如果想去基金的话，如果是投资产业的基金，建议你先从中小企业*款贷**做起；如果是纯做资本运作的基金，建议你先从银行的资金业务做起，或者从资管公司做起。直接去基金的意义也不是很大，我见过名校毕业直接进基金的，如果没有家庭背景可以依靠，很容易就毁了，人做的很飘，但却老是接触不到资金端口，又看不懂企业运作，设计交易结构的时候只能帮忙做做算数，整理一下文字，做来做去都是打杂的。------------------------------------------------------------------------------------------------------------------------------关于风控建模的问题先说数学模型吧，很多做数学建模的，都是直接去拟合数据，我比较反对这种做法。应该是先对专业领域有一定的了解，再根据逻辑来做模型，最后通过数据来验证、调整参数，但模型本身是先就设立好了的。
很多相关的书籍里面喜欢用数据拟合，因为这种方式教学起来容易。但现实里经常出现两种情况，一种是数据少，不够做拟合，另一种是根本没现成的数据，需要根据你假设的模型去收集需要的数据。即使是有足够的数据的情况下，根据数据去设计模型，也经常出现计算复杂，甚至做模型的人自己都无法解释为什么会出现某些项的情况。所以以前我读大学时，做模型都是不到迫不得已，不会直接用数据拟合。
2006年全国大学生数学建模竞赛，其中一个题目是艾滋病药效的评估，用的国外某实验室的真实数据，数据本身就比较少，如果直接用什么数据拟合，有些病人的检测报告才7次，根本达不到比二次方程更复杂的函数需要的数据量。2005年的全国建模竞赛，里面有个题目是长江水污染治理的，也是国内和国外一个研究所合作的项目，数据量也很少，但其中水污染降解是有现成的研究成果的，可以直接套用公式，如果比照着数据去做模型，也会出现数据不够用的情况。这些都是只有根据相关研究成果，先做模型，再用数据去验证的，就是属于有了模型等数据的情况。
再说说风控的模型，我参与过两个风控系统的建立，一个是中小企业*款贷**的，一个是汽车金融的。汽车金融的那个风控前期甚至是我主导的，模型也是我做的。后来我调查过两个消费金融公司，也都是先有模型，再用数据去验证，其中一家还好，建立之前拿到了银行里好几年的数据，而另一家则完全是白手起家，先把模型设计好了，跑了一年来收集数据，关键是现在还没出过风险，所以也没法根据数据来调整风控，只能不断放宽标准，直到风险暴露后再修改他们的风控。
风控模型和数学模型是两回事，只是为了表达方便，我们才把这些称为风控模型，实际上往往包括了整个风控体系的建立，特别是消费金融里，新东西太多，根本无法像教科书那样直接抛几个公式出来解决问题。风控的很多要点甚至是无法用数学来表达的，比如最简单的，如何验证身份，如何验证业务的真实性。
做一个风控系统的时候，要考虑到哪些数据是可能采集到的，哪些是采集不到的，哪些是现成的，哪些需要通过何种渠道收集；还要考虑风控的环节，人工环节有多少（特别是消费金融这种，单笔业务小，业务总量多的），成本是多少，时间是多少，风控人员的素质能达到什么程度。这些决定了哪些信息是可以被你利用的，哪些没法利用，然后根据这些条件去做模型，模型上能得出一个结果来，再去收集信息，反过来验证模型是否正确。建立这种模型，需要的是对行业有足够深的理解，而不是处理数据的能力有多强，否则以前没计算机的时候，银行总行怎么建立风控系统的？
而且这些模型并不只是针对数据的， 还针对很多非数据的信息，有些就是文字信息，比如借款人的家庭情况、借款人的学历，等等，当然你可以把这些做成打分卡，有些也可以做成一票否决的形式，但当你这样做的时候，是先有了一套模型，再考虑怎么处理这些信息的，你根据数据调整的，不过是模型的细节而已。
现在有些金融业务里，测算风险照着套公式，只需要修改系数常数之类的就行了，但那不是建模型，那只是套用别人建好了的模型。不相信的话，你可以再自己脑海里想象一下，你自己要开一个新业务，没有任何做过此类业务，没有任何历史数据可供参考，你打算怎么起步？初始的数据按什么标准收集？从哪儿收集？你设定这些标准和途径的过程就是建模，数据只不过是后来用来修正而已。而且你也不知道自己采集的数据是否有用，万一验证失败，你还得从头再来。
现实里并不像书上的习题，只要题目里有的数据都有用。现实里你拥有的数据，没经过验证，你根本不知道哪些是有效的，哪些是无效的，如果没有在对行业理解的基础上先建立一个模型，你都无法确定哪些数据该用，哪些数据不该用。--------------------------------------------------------------------------------------------------------------------------------------PS：这也是最近几年，消费信贷业务兴，另一方面可能是大家对金融衍生品的风控有些了解后，才借用了数学建模的概念，逐渐有了风控模型这一说法。以前银行里只有总行的风控才涉及这些问题，一般叫合规或者*款贷**指引，或者直接就说风控，保险公司里的产品设计里和这个相似的更多，但他们好像也没提“风控模型”这种说法，总之以前信贷业务里除了总行，一般很少用到比较复杂的数学，自然“风控模型”的说法也很少见，这几年才多起来的。--------------------------------------------------------------------------------------------------------------------------------------忘了说个事，现在比较好的消费金融，往往并不是那套模型设计得有多好，不是违约率能算的多准，不是数据采集得有多好，而是业务方案设计得巧妙。