金融机构的风险控制部门往往需要熟悉具体的业务操作风险管理模型、系统流程和操作、IT技术等。作为风控相关从业者，和其他任何交叉领域一样，首先要确立自己的主次地位。说到大数据风控，如果以传统风控为己任，那么就应该把大数据看作是辅助风控体系建设的工具和手段，或者更重要的是，可以看作是对传统风控工作各方面的提升。
传统风控从业人员，向大数据风控转型，需要学习哪方面的知识呢？
我曾经在中银香港的风险管理部门工作过一段时间，也在几家上市的股份制银行中担任过董事会风险管理委员会的主席，对于所谓从传统风控向大数据风控的转型，有一些具体的体会，传统与现代也是相对的，也是不断演进的。金融机构的风险控制部门，往往同时要熟悉具体业务操作风险管理模型系统流程与运行和IT技术等等，作为风控相关从业人员，如同在任何其他交叉学科领域一样，首先确立主次地位，而具体到大数据风控，若以传统风控为本职，应考虑将大数据作为工具和手段，辅助风控体系的建设，或更多的可将大数据技术看作是对传统风控工作各个方面的提升。
图片摄影潘石屹要想从传统风控转型到大数据风控，起步阶段需要具备的知识技能包括一能在分布式系统数据库获取数据并进行基本处理的能力，所幸多数环境中一定程度上能够兼容SQL语法，因此无需太过在意数据存储的技术实现和数据库管理，只需掌握基本的数据处理脚本二能对各类数据有敏感的嗅觉，能充分寻找到有信息价值且不难理解的指标的计算逻辑，同时让变量衍生的构造逻辑尽量清晰，在大数据处理上通常会有千万级别的变量衍生数目，因此如何利用函数宏等实现方式提炼代码浓度，有利于维护以及降低错误率。
三 熟悉各类典型的统计学模型技术，能够较好的从工作业务背景中找到对应的统计解决方案，并在多个机器学习类的模型中能够比较他们的优缺点，找到最合适当下场景的技术应用。四 程序掌握，信贷风险管理行业中能够主要使用的能够实现数据处理基础模型开发以及部分机器学习的软件环境为SAS，在当前环境下SAS依然有很强的竞争力而免费开源的程序环境有R和python，对近期学术界和应用场景中使用的统计学模型解决方案有更高时效的跟进。
原则上这三种程序通过一定时间的学习都能解决大多数的工作课题。而在遇到特定问题时，建议灵活使用软件，而不要坚持某一种，更无必要比较这些软件的优劣，事实上在评论一个软件不好时，很可能是因为没找到正确的使用方式而已。 最后，还需要指出两点第一，从实践看，脱离风控本身工作的目的来谈所需要的技术知识，是低效并不切实际的。
所以，还是要从实际工作流程出发，从现有的传统也可能是经典手段出发，寻找大数据环境下的新风控工作的内容以及大数据技术可以提升的落脚点。 第二，在风控工作中还包括其他一些职能，例如客户/资产监控组合管理以及相关报表类贷中预警与贷后催收资本计量及会计拨备压力测试等，因为工作的技术重点相对独立，并无较多的大数据场景，因此在这些工作场合中较少出现大数据风控的概念。
网贷平台的大数据风控为何干不过老赖？
这个问题也挺幼稚的。作为网贷平台的透视者，他们哪有什么大数据平台啊？看来提问者还是不太懂网贷平台。1.网贷平台自身只是一个撮合者。他本应该只介绍出借人与借款人之间达成交易，从中收取撮合费用。那么问题来了，出借人是不需要审查的，因为他用钱证明了一切。借款人怎么审查呢？网贷平台是没有做任何有价值的审查的。
2.由于自身的局限性，很多网贷平台不具备审查借款人的专业能力。那怎么办呢？就依靠第三方公司去推荐借款人，出现了所谓的助贷公司，大部分助贷公司为了牟取利润，就沦为了不合格借款人的包装公司。才出现了很多的烂账，坏帐。3.在这种情况下，很多网贷平台，自己去设立所谓的助贷公司，想去赚取助贷费用和利差。
但是我不懂贷款业务，所以有坏账，坏账需要内部消化。4.网贷平台很多，干脆自己做点生意吧。通过自己控制的关联公司，作为借款人。这是自筹资金，现在是非法集资。5.看看现在爆的这些平台。大部分是自负盈亏业务中的意外，其中团贷网信、财富投资房等。都是这方面的意外。贷方遭受了重大损失。所以所谓的老赖不一定是真正的老赖，而是那些助贷公司与网贷平台勾结，找不具备资质的出借人骗取出借人的投资，找关联公司和个人进行自负盈亏的业务。
