计算机专业背景，想从事风控工作，该如何准备？

 关于如何转行风控是个非常宽泛的话题。不过既然是“转行”，我以为首要应该考虑的是定位问题。

不同金融机构的风控部门关注的重 点不同，其组织架构差异也较大，对应所需要的技能和知识也就不同。

风控体系是一个庞杂的系统，在相同金融机构的风险架构下，不同部门不同岗位的职责和所需要的技能、知识也是各不相同的。比如，银行对公条线的风控和零售业务的风控，在流程、策略上都是大相径庭的。

除了传统金融机构，在国内目前经济转型、消费升级、大数据、移动支付的大背景下，互联网金融、消费金融机构的风控近几年发展迅猛，因此产生了很多与计算机相关的工作机遇。

传统金融机构，银行、证券、基金的风控，更多需要的是偏信用风险、市场风险、流动性风险、政策风险方面的知识，一般不会涉及太复杂的量化模型或者计量分析。

如果是计算机专业转传统风控岗位，推荐考FRM。

一方面可以弥补专业知识的不足；另一方面FRM持证人在国内外的认可度都很高，在求职的时候还是相当有优势。

下面主要说说计算机专业转互联网风控岗位。

互联网风控不同于传统风控的地方主要在于，依托大数据和机器学习算法，用线上的实时风险审批和监控来代替传统的人工授信，这大大节约了成本的同时还能有效的控制风险。

因此对于计算机背景的同学，其实是很大的一个机遇。

本身如果有不错的工程能力，如果多了解一些常用的统计、机器学习的算法、模型，也算是入了大数据风控的门了。

如果对深度学习，神经网络有一定研究的话，也是很抢手的，毕竟AI是未来的趋势，各大厂也在着力部署相关领域的研究和应用落地。

清晰的职业规划和定位可以帮助题主更有针对性的储备相关技能，转行自己感兴趣和匹配的岗位。

就题主的计算机背景来说，我个人认为比较匹配的是大数据风控（量化风控）方向。

事实上，在数据驱动的互联网金融公司，量化风控对口的专业不是金融、经济管理类，反而是数学、统计、计算机。比如风险数据分析、数据挖掘、机器学习算法工程师（计量分析师）。

下面简单说说各岗位的大致工作内容和技能需求。

大数据工程师

目前的金融企业，不管是传统的还是互联网的，都时时刻刻在积累着海量的数据。对这些数据的管理和运用是各家企业迫切而现实的需求，互联网金融企业尤甚。

程序员投身互联网业，从事大数据工程师职业，其实严格意义不算转行，不过也不失为有志于风控行业的程序员的一块敲门砖。

在专业技术上，这里就不罗列大数据工程师需要什么基本技能了。对Hadoop生态、数据仓库等等技术的相关构架的了解及熟练运用是需要的。同时，比较容易理解的是，风控方向通常对数据和系统的稳定性要求比较高。这映射到大数据系统上应该作何考虑，就是大数据工程师们需要认真思考的问题了。

数据分析

分析类的岗位是市场上需求很大的。

很多券商和基金的风控部门，日常的工作主要是撰写大量的分析报告，报告里重要的一环就是以数据为支撑的各种风险、收益分析。同时，这也是门槛相对较低的一类岗位，所需要的技能相对比较基础。一般来说，SQL，Excel，VBA是标配。所以，计算机背景的同学想转行互联网风控，可以从这里做起。

数据分析岗平时主要的职责，除了例行的分析业务走向的数据表现之外，还经常要从数据库中为业务方提取各种数据，比如适当的人群名单。这个过程中所用的代码对于前程序员们来说自然是小意思，但是具体做的时候需要注意的是，各种统计口径以及具体运行过程中的数据倾斜等等技术问题，找工作或者入职之前提前准备一下相关的知识。

当然，门槛虽然不很高，要做好了却也并不容易。进阶的数据分析师需要的是对市场动向的敏锐把握和对产品的深刻理解。所以程序员们如果在之前的企业有一些跟产品相关的经验会好很多，平时多多的与PM同学交流也可以作为一种积累（别他一过来就老想着“扫码改需求”……）。

如果是传统的金融机构，尤其是银行，和各大咨询公司，主要是用SAS分析和建模。SAS官方也有一系列的认证，包括Ⅰ、Ⅱ、Ⅲ级考试，想了解的话可以自行搜索看看。

算法工程师

算法工程师主要是需要根据业务需求，开发相关的业务模型，对数学有要求。

计算机背景的同学，如果对数学也有一定的了解的话，也可以考虑这个方向。反过来讲，因为算法工程师中的很多人，计算机水平往往是“够用就成”，所以懂数学的程序员会在考虑算法的时间和空间效率等等问题时有不小的优势。

大数据背景下尤其如此。

在具体的工作过程中，算法工程师需要具备全流程的模型开发思路：面对业务方五花八门的需求，如何合理的将问题转化成可实现的模型工具，再到特征工程、模型训练调优、评估、监控等。

在算法方面，如果想入门的话，可以先从李航的“蓝皮书”和周志华的“西瓜书”开始。

具体的实现过程可以使用各种已经开发好了的程序包，但是很多实际问题，可能没有现成的包调用，需要自己编码实现，这就要求有一定的概统基础，并且熟悉各机器学习算法的原理和套路了。同时，对各种算法的交叠使用也是经常的，所以各种算法的优缺点和适用范围也需要摸得很清楚，这样才能运用自如。

同样的，基于风控行业的基本特点，“稳定性”的考虑也需要体现在算法的层面，如何在算法性能和稳定性之间寻求一个平衡是需要仔细推敲的。

补充介绍一些具体的风控应用场景。

一般从流程上，风控的几个环节，主要是贷前、贷中、贷后。

贷前可能涉及的是线上的实时授信审批；反欺诈系统、授信额度和息费的给定；贷后行为评级模型、贷后的风险定价等。更多的可以参考《Consumer Credit Models: Pricing, Profit and Portfolios》。

以上就是现在互联网金融机构量化风控领域和计算机专业关联度比较大的几个岗位所需技能点的介绍，希望有所帮助。