1972年，美国发生了一起重大空难，101人丧生。

　　而空难的原因匪夷所思：机组人员都在忙着修起落架上的指示灯，忽视了飞机正在快速下降。

　　从这个例子可以看出，监控错误，会带来怎样的毁灭性灾难。那么，如何从金融繁杂的数据和信息中及时发现潜在风险呢？

　　一本学院特邀导师进行了如下精彩分享。

　　很多人对风险监控并没有系统全面的正确的认识，采用了很多错误的监控方式，这是非常危险的。

　　在这里，我特别和大家分享一下风险监控的问题。

　　01信贷监控的重要性

　　不少人对监控的认识有很大误区，认为监控就是看一下坏账怎么样，通过率怎么样，这是完全错误的。信贷监控重点关注的，是主要风险的各项指标，它不仅要监控日常业务指标，也和实验设计紧密相关，并要求在发现异常后，有及时、有效、可执行的处理方案。

　　有效的信贷监控可以大大提高金融业务的风险承受能力，及时避免大的经济损失。同时，监控也对业务的优化和提升具有关键作用，它可以及时发现工作疏漏，帮助我们快速提升业务水平，缩短学习周期。

　　实际工作中，小伙伴喜欢问这样的问题：这个客户的申请是通过，还是拒绝？额度是1万、1.1万还是9000？分6期、12期还是24期？这套策略应该卡到3，还是5？……要想找到这些问题的答案，就需要进行各种数据分析和测试。需要特别注意的是，测试和监控要同步进行。如果为提升业务水平做了很多测试，但没有关键点的监控，那不但会浪费测试的宝贵时间，还极可能得出一个错误的结论。

　　02空难给监控带来的启发

　　1972年的一天，美国东方航空的一架401航班飞往迈阿密，飞机准备降落时，机组发现起落架指示灯的灯泡坏了一个，不能判断起落架是否落下。于是机组开启了自动驾驶模式，尝试修复指示灯，然而此时，驾驶舱所有人都没发现，飞机一直在下降。当飞机从自动驾驶设定的2000公尺下降到1000公尺以下时，警报器开始叮叮响，但大家都在修灯，没有人注意到警报。

　　塔台看到这个飞机高度太低了，也发出警示，但提醒的是“What is going on？”而机组认为问的是红灯的问题，就说“我们还在修灯”。等飞机高度不足200公尺时，机组人员才发现高度的问题，但已经太迟了。

　　401航班坠毁在迈阿密西部的沼泽地中，101人死亡，这是当时美国民航史上死亡人数最多的空难，美国东方航空也因为这场灾难直接宣告破产。

　　大家可能在想，讲风险监控，怎么开始说空难？其实这个事件特别体现了监控的重要性，以及监控的几个要点。

　　第一点，要监控关键指标。机组如果能把控住飞机的高度，也能够实现平安降落。脚架指示灯亮不亮，其实并不是飞机能否安全着陆的关键指标，就算脚架没放下去，飞机也能降落，只是冲击比较大。那想一下，我们平时工作中监控的数据指标，都是关键点吗？有没有被一些非关键指标的变动占用过多注意力？

　　第二点，不要过度监控，被噪音干扰。脚架的指示灯不亮，其实是噪音，却吸引了机组的所有关注力，反而让他们忽视了重要的高度警示。过度监控也是很常见的误区，监控的力度不是越细、越频繁就越好。大家都知道，逾期率、通过率受外部市场影响，在一小时或一天内有波动非常正常。如果过度监控，一方面会抓到很多噪音，风控团队将疲于应对；另一方面，还可能把噪音当成信号，带来错误的决策，比如监控到某天的逾期非常高就决定收缩业务，但其实这可能只是某一波客户的问题，或者是总的体量小，少数逾期造成较大波动，并没有统计学意义，这时的决策就是错误的。

　　第三点，风险提示要明确。当塔台的人发现问题时，要直接明确地提示飞机高度太低，而不是模糊地问怎么了，导致对方不知道提醒的是什么，以至于错过宝贵的补救时间。我们的工作也一样，要明确警示哪个渠道的申请量显著异常，客户申请转化的哪个环节下降多少，等等。

　　03测试中监控的案例

　　上面的案例强调了日常监控工作的重要性和关键点，再来看个业务测试监控的案例。

　　我们考虑设计更低价的产品来吸引客户，比如IRR24%以内的产品，这需要进行两个方面的测试。第一，低利率产品能否提高提现发起率。正常情况下，产品价格越低，客户的额度越高，提现意愿应该也越高。第二，低利率产品能否降低逾期率。正常情况下，好的客户逾期自然较低，但低利率产品是否也如此还需要验证。同时，考虑到低利率产品的承压降低，收入减少，我们还必须了解提现发起率能增加多少，坏账能降低多少，才能算出对于这些客群，到底哪种产品盈利才更高，这是测试的任务目标。

　　首先假设我们没有新的流量渠道——其实好的产品可以吸引更好的客户，但很难控制，所以假设渠道和人群不变，且样本量足够大。那么如何做测试呢？团队中有小伙伴提出，用一个模型评分选出优质客群，对这些客群开放IRR 24%的产品，然后再跟正常放IRR36%产品的客群对比，比较两个客户群的通过率、提现发起率和首逾等差异。这样进行实验设计，有什么问题吗？

　　其实，这个实验设计有个最基本的实验要求未满足：随机双盲，就是对比的两组实验数据，要保证客群质量、时间段等因素都一样，只有产品利率不同，这样才能解释产品利率对客户的提现通过率、提现发起率、逾期率等指标的影响。

　　大家可能会觉得这个案例太简单，但实际测试工作中，随机双盲的问题作为关键因素，却会被很多人忽视。如果按照这种方法测试，过程中监控什么指标都白搭，时间浪费了，客户也废了，更严重的是得出来的结论根本就是错的。所以说信贷监控和实验设计紧密相关，从测试的方法设计，到测试的实施过程，要明确测试的目的是什么，关键控制点是什么，到底要监控什么。

　　04对监控的几个误解

　　我们总结一下对监控的几个误解。

　　首先，监控不是马后炮，及时发现问题至关重要。很多问题只要发现及时，想办法解决就可以了，而如果发现太晚，问题就成了危机甚至危险，就像刚才讲的飞机事件。同样，及时发现欺诈申请的新手段，避免批量欺诈发生，风险就在可控范围之内。

　　其次，监控不仅仅是数据分析师、新员工和实习生的工作。很多人认为，监控就是拉数据，生成既定格式的报表，跟做测试做模型相比很简单，所以监控就让最基层的同事负责，但实际上监控工作需要引起更多的重视。Capital One有专门的团队按照要求做各种信贷监控。我们现在也在组建自己的监控团队，这对新同事是很好的锻炼，拉报表、做监控，可以帮助他们了解如何写代码、数据底层结构是什么以及最后报表应该怎么做；同时，单独监控可以更客观。

　　第三，监控不是可以推后处理的工作。大家忙起来会先做模型和策略，把监控排到最后处理，但有效的监控是需要及时处理的，不然不仅没办法提前预警，甚至亡羊补牢都来不及。

　　第四，监控也不是一成不变的，需要根据业务开展的实际情况进行调整。

　　05到底如何监控

　　首先，制定可执行的监控计划，明确监控群体和目标，确保监控指标、主要业务风险和想要预防的下行风险相关联。监控的目标群体界定也要明确：计划监控哪些群体、他们之间有何不同以及这些不同将对监控结果产生什么影响等。而且，一个子群体的变化会被整体指标所稀释，所以监控也必须要有足够的细节度量指标。

　　第二，设置监控的阈值，明确界定什么是异常。阈值设定很有讲究，太高或太低都不好，如果监控目标波动性本身就很大，阈值就更难把握。如果阈值太高，发出警报时情况可能已经很严重；如果阈值太低，监控的间隔又很短，就会经常触发报警，变成“狼来了”。

　　那应该怎么设置阈值呢？在我们的监控工作中，有两条规则：一是要有统计学意义。监控工作中，分渠道、分产品划分得非常细，如果某个渠道或产品规模很小，那它的波动性天然就很大，阈值就不好定是50%还是30%了，还要看整体样本量和历史波动性。二是阈值设定要直接和主要风险与利润挂钩，同时考虑到阈值对风险和利润的敏感度。如果指标很敏感，比如逾期上升10%，可能直接导致亏损，阈值就要设得比较低；如果指标相对不敏感，比如渠道获客费用提高10%可能只是市场波动，就可以设高一点。

　　第三，为了应对监控预警，要事先制定应对各类风险的行动计划，以便有效地防止下行风险。如果监控人员发现异常后，只是去告诉上级领导，或者其他合作伙伴，可能就是不了了之。我们以前的要求是，每个报表有专人负责，提前设好阈值，以及对应的计划方案，明确应对各类问题的行动措施，要明确、细致、有结果，这样才能有效地实行下去。

　　总而言之，监控那些应当被监控的事情，并在发现问题时采取恰当的措施。如果暂时还不能正确地执行监控，可以先从执行力监控入手，监控所有的工作是否在按照计划实施。（整理：一本学院）