我分为两部分回答这个问题——干什么、怎么干。
1，干什么（大数据风控的目的是什么）
可能大家都知道，当我们想去银行办一笔贷款的时候，从客户的角度，大概流程是这样的，
当我们换个角度，从银行的角度来看，流程又是这样的
从上面两张图看起来，这里有这个重要的环节就是，在贷款申请人提交了申请资料之后，银行需要来审核这个人的申请资料。毕竟是银行要先给你钱，银行总要知道你以后是很有可能会还这笔钱，而不是说拿了钱就跑。
拿一笔房贷来说，如果你贷款300万元，年化利率是5%，一共贷30年，那么在这30年中，银行大概是一共可以收你200万多的利息(是不是很多？)。这个钱其实也就是银行赚的钱(如果你知道资金成本这回事，你应该已经不是这个问题的读者了)。
那从合理的角度来说，我一笔可以赚到这么多钱，那么我派好几个人来审核你的贷款，从成本（主要是这几个人的工资）上来说也是划算的。
我们再来看看这些小额贷款。如果你贷款2000块，只借一个月，就算在这一个月，我收你10%的利息(年化利率比100%还高，是不是看起来很高？)。那么从金融机构的角度来讲，他只能赚200块。从这个角度来说，如果我再派一个人花好几天的时间来审核你的贷款申请，先不讨论客户体验的问题，仅从银行收入的角度来说（赚的钱还不够发工资的呢，更别说别的成本了），就不是一个合算的买卖。
我们该怎么办呢？
真相只有一个——用机器(主要是电脑)去提高劳动生产率，把成本降低到能让企业赚钱的程度。
但用电脑代替人有一个很重要的前提是
用数字去描述人的各种行为，并且要把这些描述逻辑写成电脑程序，以便电脑可以执行。
所以，简单说来，用电脑代替人来进行贷款审核，会需要如下的四类职位共同的协作来完成（毕竟他们需要的专业知识还是有相当差距的），当然实际情况会比这个复杂的多。
业务人员
这类职位主要确定我们的金融产品的相关细节，他会懂得客户的需求和金融相关的知识，一般来说，他是所有需求的发起者。
数据分析师
这类职位的主要作用就是把业务需求转化为数学逻辑。
it研发
这类职位就是把数据分析师所得到的数学逻辑写成计算机程序和代码。
it运维
这类职位的主要作用就是保证电脑的正常运行，不要死机。
当然，根据实际情况职位之间也会有相互交叉，同时也会有更多细分的职位。
我们说的大数据风控其实就是这里提到的数据分析师和业务人员的结合体。而大数据风控的目的也就是把人对风险的判断转换成电脑可以识别的数学逻辑。