1.当前，银行面临的主要风险还是信用风险，特别是贷款风险（当然，近年来“类信贷业务”占比也非常大）。一般来说，银行要给一个客户做贷款，前提是该客户在银行有较长时间的结算关系，有账户流水，更重要的是日常企业财务到银行对公、储蓄柜台办理各种业务透漏出来的一些信息，客户经理会和企业财务聊，从而获知企业的运作情况以及资金需求；传统上，银行一般不和陌生客户打交道，只有当企业符合一定条件了，银行才开始介入授信放款，包括主动向客户营销信贷产品或客户主动申请贷款。放款后的风险管理呢？银行要求借款人必须通过贷款银行进行日常结算，银行通过检查账户往来，可以发现一些信息（不是全部，更多的信息要靠银行与企业日常的沟通、走访获知）。

例如：借款人贷款1000万购买100台汽车，那么1000万支付出去以后，正常情况下后面陆陆续续会有汽车销售收入进账，比如一周进账几十万，说明汽车在正常销售，如果一个月内没有任何进账，那么银行就会很紧张！！！还有借款人缴税、水电费支付都是通过银行代扣代缴、工资通过银行代发。银行通过观察其支付是否中断、是否明显减少等，来判断企业经营是否发生重大变故。
分析账户交易流水本身就是一种本事，流水又和银行系统参数息息相关。其他放贷机构（如贷款公司、消费金融等等）没有结算网络，往往缺乏账户管控和流水分析的先天优势；虽然可以索取客户的流水，但是一方面流水可以PS，而且不同银行的流水格式参数千差万别，又如何识别真伪？就算是真的，又如何识别有效信息？银行系统时不时的更新升级，同样一个科目又有各种入账方式，隔行如隔山啊，差之毫厘谬以千里！所谓银行信贷风控，就是对每一个细节深入细致的熟悉，而不是空洞的FRM之类的理论。所以要到银行作风控，首先你要熟悉银行的结算系统，对公要熟悉，对私也要熟悉。

不少互联网公司也有办法，客户通过购物平台消费会留下各种消费记录，吃穿住行，这些也是一种流水，一种家庭经营活动，运用数据挖掘技术来筛选客户，这也是一个有意义的尝试。没有平台的，爬取客户的海量外部信息、非机构化信息，也可以试着做。

大数据固然重要，而作为银行人，我们往往更关心小数据，与手里的客户相关的小数据。结算数据类似于抽样，从客户成千上万的变量中抽取最能代表客户风险状况的东西——现金流信息。有时候做好了现金流分析，已经能够判断风险80%。当然，客户的一些社交网络信息（如微博、QQ信息、微信信息）重要不重要？有时候的确很重要，权当一种预警信息吧。对于那些不在结算体系里的客户，只能通过互联网抓外部信息，权作一种聊胜于无的分析。对于银行来说，直接放弃这些客户是比较保险的做法。

经营分析、流水分析属于第一还款来源分析，下面说说第二还款来源。当前，银行最大的风险缓释手段就是抵押物。做银行的风控，首先要熟悉各种抵押物，主要是房产。房产有几种类型？各有什么政策风险？抵押登记如何办理？他项权证也有假的哦！！！质押如何办理？政府哪个部门受理？出了风险如何处置？有哪些障碍？汽车抵押如何控制风险？如何盘库？如何拖车？所以，银行风险控制，就是这些细枝末节的东西。一个小细节失控，就是几个亿的漏洞！！！