在实际工作中，经常会讨论一个问题：信贷风险难做，还是欺诈风险难做。
按照前面的分析，二者本质上要解决的问题不一样，难点也各不相同。
信用风险对应的是客观上的不确定性事件。借款人主观上大多愿意还款，但未来经营、收入存在波动，最终会不会逾期，连借款人自己都不能确定。风控要做的，是对这类不确定的未来做概率预测。这件事的难点，是问题本身自带不确定性，不存在可以一锤定音的标准答案。无论数据再多、模型再精细，也只能估算概率，做群体层面的管控，做不到对单个用户结果的精准判定。
欺诈风险则不一样。欺诈行为本身是确定性事件。一个人是不是打算骗贷，在申请那一刻，事实就已经确定。但难点在于，实施欺诈的主体不会主动把真实意图告知机构，黑产和欺诈人员会刻意伪装成正常借款人，隐瞒动机、伪造材料、模仿正常用户的行为特征。
我们看不到直接的"欺诈标签"，只能通过各类间接线索，从海量正常样本当中，去挖掘异常信号，还原背后真实的意图。欺诈还会持续迭代手段，旧的识别规则生效之后，黑产就会变换新的伪装方式，需要持续跟踪、研究、更新识别方法。
简单来说： 信用风险的难，来自事件本身的不可预知，我们在处理一个概率问题； 欺诈风险的难，来自事实被刻意隐藏，我们要在大量噪声里面去还原已经确定的真相。
两者没有绝对的谁更简单，只是困难的来源不同。信用风险受外部市场、经营环境影响，上限由客观现实约束；欺诈风险则是攻防对抗，是持续的博弈。在业务落地的时候，两类问题会交织在一起，共同构成风控的整体工作。