上周四（8月13日），上海高金金融研究院和电子工业出版社联合主办的第二期线上“CGFT读书会”。

本次读书会精选近两年风控领域扛鼎之作——《数据化风控》，介绍如何通过数据分析和量化建模实现更有效的银行零售信贷风控。本书作者乔杨先生亲自带领大家打开智能风控的视野，解读智能风控行业新趋势、新理念和新探索。同时，邀请到智能风控领域四位知乎大V朋友，共同连线探讨智能风控热点问题。

读书会高潮迭起，其中重要的一块是关于智能风控领域的人才需求的探讨。这个领域的行业人才到底需要具备哪些技能？如何实现智能风控人才的职业转型？以及如何提升金融科技人才技能和促进职业发展？各位大咖各抒己见，提出了非常诚恳务实并具有现实指导意义的观点和建议。下面，就让我们一起来看看这些货真价实的干货吧!

嘉宾介绍

乔杨 前京东数科信用管理部总经理，历任美国Discovery风险建模和策略团队负责人，前京东旗下金融科技子公司CEO，现在特许全球金融科技师CGFT顾问专家委员会委员，北京市社会信用标准化技术委员会委员，深圳市信用专业人才库评审委员会委员，在金融科技领域做十多年的风控管理工作，对于模型搭建、风险策略的建设有独到的见解和认知。

主持人

张伟 上海高金金融研究院兼职研究员，某金融科技公司解决方案专家及高级风控总监

Q&A环节参与嘉宾

冯海杰 知乎“求汪在路上”，360金融高级算法工程师

周立烽 知乎“yuxi0929”，信雅达泛泰CRO

孙耀武 知乎“正阳”

谢士晨 中银富登数据分析经理

Q

金融科技行业发展迅猛、日新月异，各种各样的新技术也都层出不穷。特别在智能风控的银行风险管理领域，银行等金融机构对金融科技人才的需求和要求都很高的。这些行业需要人才到底具备什么样的技能呢？今天直播室的各位都是智能风控领域的专家，请乔总以及4位知乎大V一起分享一下各自的观点和建议。

乔杨：简单说来，很难去定义这个行业人才一定得具备什么样的能力。个人觉得，中国发展到今天的规模，整个智能风控、金融科技、人工智能行业的人才储备和供给远远不够。以人工智能为例，预计到2030年整个产业产值会突破1万亿，但目前估计整个行业的人才缺口超过500万，互金行业的人才缺口也达到百万级。中国向大数据风控行业发展，是在短短几年内凸显出来的，人才培养难免跟不上。

对于供需高的环境来说，最核心的智能风控或金融科技类的复合型人才，应该具备三个要点：一是复合型学习能力，首先要在专业领域的技术和知识储备过硬，但不只限于本专业，要有强的学习和更新迭代的能力，从其他领域学习和补充；二是较强的分析能力和独立思考能力，技术再过硬，最终也要落地到实际应用中去，要把实际痛点通过技术手段解决、最后归纳成解决方案；三是较强的适应能力，行业瞬息万变，如果不能时时强迫跟上更新迭代的速度，很快就会被淘汰掉。

周立烽：目前整个行业的中高级人才十分紧缺。很多普通从业者，比如毕业做两三年的，可能在算法领域会好，但在策略领域，对整个金融信贷的理解能力有待提高。广大风控爱好者在工作过程中应多学习相关策略的知识，不光指问题与指标，更重要的是关注如何做模型分群，如何做衍生品的开发，如何做衍生并案的交互开发，算法的迭代升级等等。公司可能更喜欢有专业精神的年轻人，既懂金融理论知识又懂算法的复合型人才。

冯海杰：我对前面两位老师说的话非常赞同。从个人的成长路径来说，第一技术能力要过硬。比如技术、底层的算法原理等要扎实。另外，发现很多公司模型部就只专注于做模型，但模型最后怎么用到业务里面、怎么去服务业务，对这块不了解。所以非常希望能够设置轮岗的形式，让技术人员能够参与到后续的业务中去。成长路径可以从模型到业务策略一线，从策略一线里面发现业务存在的问题，然后拿建模的技术性思考能力来反哺业务，最后从业务再回到模型里面，构成一个闭环。这样的成长路线可能对于人才培养是比较好的模式。

谢士晨：刚才大家都讲的挺有道理的，也学习很多。风控落点于业务角色，主要从业务和模型两方面。对刚入门的人来说，技术方面在学习活动中打扎实，然后通过在实际工作中不断对业务进行了解，知道具体如何去应用这些模型，甚至可以在产品的设计端或者说参与到产品的设计上，实现在风控的整体前置。风控是一种相对复合型的工作，从前端到后端都需要了解。比如说看看乔总的书，了解模型如何去实现、如何去应用，到最后可以指导业务的开展以及后续发展。

正阳：和各位老师的观点差不多，核心在于如何培养适应未来互联网金融发展需求的风控人才。最看重技术能力和业务能力的复合，将来银行数字化转型的最终结果理解为互联网化。互联网金融的本质分为两个，本质互联网和本质金融。之前遇到不少同学都有点偏科，有的同学是直接金融型人才，但对于互联网了解的少；有的同学是所谓的算法人才、模型人才，他们对业务的了解又相对薄弱，如果将来能把两类人才稍微做交叉、培养的复合能力，就很好。其次像刚刚乔总说的分析能力、独立思考能力、提炼解决方案的能力，也给提了很大的醒。

Q

刚才大家的观点都非常好，总体来讲，金融科技特别是智能风控领域对人才的需求，希望能既懂金融、懂风控的业务，同时又有较强的技术基础，比如编程、算法、建模等，然后在此基础之上，要具备就像乔总刚才提到的分析能力、创新能力等。接下来提到的问题很实际，对于刚刚进入智能风控行业，以及对行业感兴趣，想实现职业转型的同学来讲，如何提升金融科技人才技能和促进职业发展，大家都有什么好建议？

乔杨：我觉得也很难说，刚进入行业最重要的是积累个人经验，不断打磨技术能力，但更重要一点就是一定要在所从事的岗位对整个业务进行深入理解，最终通过技术带来整体效率的提升也好，流程的优化也好，它归根结底基于对整个业务的理解。进入到一行，不能大而全的去想什么东西都会接触到，而是要专注于所在的领域，真正沉下心来把整个领域学透学精，然后在基础上再实现通过技术对整个业务提升和赋能，觉得这很关键。另一种有效方式就是进行充电，比如高金的特许全球金融科技师认证项目就非常好，可以帮助大家在专业领域提升认知和经验，同时也有机会接触到行业里有经验的专家，从他们身上也学到很多知识。

周立烽：刚入行很多人都从统计硕士毕业，或者统计博士毕业，刚开始进入工作岗位一般是算法岗位，随着年龄增长，建议一般在算法岗位从事两三年以后，大家就可以去深入了解策略知识，加深对业务理解。比如如何对人行征信的上面业务、人行征信的上面字段做延伸，如何做收入模型，如何做还款能力或者DTT 等业务指标。同时在做业务指标时就要对业务有十分深刻的理解，同时再结合所学算法知识，来解决工作中实际问题。这样就能一步一步提高解决业务的能力。

正阳：关于这个问题，觉得在座的几位老师更有发言权，因为我从事此领域只有2~3年的经验。相对来说，算法在初期需要打扎实基础，随着算法论或者算法数据论概念出现越来越多，这个领域的人才会去进修比如说像迁移学习、不均衡学习这类型的技能。但问题在于，在学习过程当中不能脱离实际业务，即沉浸在算法研究中。像立烽老师说，有些实际业务中算法解决不了问题，比如经常所说的模型迭代，第一步要做策略分析，对客群、对产品，如果在了解情况下，去用方法做出来，效果会好一点，但对于在领域进步有一点阻碍。所以觉得在打扎实的基础上去了解业务，尤其是了解所负责产品的整个流程，包括前端产品的卖点、数据结构、特征变量衍生的过程等。

谢士晨：对于刚入行的或者之前没有从事过风控领域工作的朋友，他一开始先需要深入的去读一本书，然后得读透，或者说得反复去阅读，然后结合实际项目经验，扎实做好工作，再结合这些理解去应用。以乔总的书为例，阅读后结合实际，比如网上找经验和代码去实际地运行，了解具体的操作流程，最后运用到实际的项目中，这样的话会有比较快的成长。当然交大高金这金融科技师认证项目，也是很好的起点和方向。

冯海杰：我第一份入职岗位是模型岗，按照师傅给的脚本跑一段评分卡的流程，但总觉得少点什么，就问自己的模型为什么评价指标用KS、为什么用PSI？带着这些疑问查了好多书，包括乔老师的书，还有其它比如信用评分工具、国外的英文书，希望去找答案。大概有思考之后，觉得应该回公司去沉淀去输出，开始写相应的文章。重新走一遍流程，带着流程去思考中间存在的问题。一套流程做下来之后打开了广度，在前模型怎么样、在中模型怎么样，它们之间的差异在建模时最重要的就是确定样本，还有特征，还有里外对比，从这三方面去思考模型该怎么去组成，带着这些问题慢慢的就会把模型这一块沉淀下来。

另外，模型毕竟是为业务服务的，如果比模型更进一步，那就去参与策略岗的事情。这样又可以思考模型如何服务到策略里面，模型作为其中的变量，可以带着模型的思维去改造业务。所以从这些经验来看，在每一步的进阶过程中，能够时刻的带着这些问题反思，就像站在路口，应该如何再往前更进一步。

主持人

刚才几位都结合自己的从业经验，分享了对于智能风控的理解，对于人才需要什么技能，以及对于职业发展的建议。这里也给广大金融科技从业的小伙伴带来好消息，刚才也提到为满足金融科技人才技能提升和价值增值的需求，上海高级金融研究院和上海高级金融学院七月一日正式推出特许全球金融科技CGFT认证项目。

CGFT打造三大体系，特许全球金融科技师由上海高金金融研究院发起，上海交通大学上海高级金融学院提供学术指导，由管会教育互联网创新提供模式支持，联合打造的金融科技人才技能认证，人才教育培训和人才价值生态三大体系。CGMT不仅仅认证，在价格生态这一块，为人才能够搭建专业的交流和同业资源的平台，以及终身学习体系，为社会促进金融科技行业的交流，提升人才教育，促进行业交流。而技能认证这一块，通过建立认证考试的体系和人才认证的标准，对学员来说提升就业转岗晋升和发展的竞争力；对企业提升，提供知识技能评测的依据，辅助人才的选拔；而在教育培养这一块，覆盖金融科技核心知识技能的在线课程体系，能够做到学以致用和灵活应用。

CGFT总共分为三级课程。在CGFT一级课程，强调精通金融科技应用之术，包括金融模块、科技模块和应用模块。金融模块包括金融学基础、会计学和财务分析基础；科技模块覆盖大数据技术机器学习原理及应用、区块链技术原理及应用以及Python编程语言基础；应用模块会结合多种应用场景来阐述金融科技应用的专题。CGFT二级的课程强调数字转型之道。在金融模块的包括数量金融课程和金融风险管理课程，而科技模块仍然是大数据即学习区块链和Python语言编程基础，而在应用模块就更强调的具体的行业的应用的案例应该干货更多。CGFT三级课程强调实际行业、应用行业前沿之势，主要包括行业前沿和应用实务两部分。行业前沿介绍行业前沿的技术与趋势，特别最近两年内金融科技行业的新概念、新方法、新技术、新趋势，包括像开放银行数字化转型、数字数据、中台数据化运营，联邦学习、迁移学习知识图谱等等，也包括近两年内金融科技行业的行业研究报告，还有相关的监管政策法规等等。在应用实务方面，金融科技行业的应用实务与分析，针对特定业务场景设计解决方案，并对行业热点和前沿趋势发表有深度的观点。