風控什么是建模？模型可以分為兩種:1。一刀切，超過這個門檻的就拒之門外。2、分級，不確定人工干預。這個模型是一刀切。首先要說明的是，在我的理解中，沒有一家公司有這個膽量，要完全依靠a 模型來判斷客戶的好壞，借錢給他與否。如果這個公司存在，請接受我的跪求大神收我為徒。畢竟我的公司不敢這么做。一般這種一刀切模型是很多策略規(guī)則、反欺詐規(guī)則、各種驗證規(guī)則的最后一步。模型，模型給客戶一個分數(shù)，用分數(shù)劃分一個閾值，高于閾值(假設分數(shù)越高，客戶質量越高)，低于閾值。

Da 數(shù)據(jù)目前有兩種商業(yè)模式可以實現(xiàn)數(shù)據(jù)清算。一種是精準營銷，典型場景是產(chǎn)品推薦和精準廣告。另一個是Da-2風控。金融的本質是風險管理，風控是所有金融業(yè)務的核心。抵押貸款、消費貸款、P2P、供應鏈金融、票據(jù)融資等典型的金融借貸業(yè)務，都需要數(shù)據(jù) 風控來識別欺詐用戶，評估其信用等級。

信用相關性強的數(shù)據(jù)的緯度約為十，包括年齡、職業(yè)、收入、學歷、工作單位、貸款情況、房產(chǎn)、車、單位、還貸記錄等。金融企業(yè)參照用戶提交的數(shù)據(jù)進行評分，最終得到申請人的信用評分，并根據(jù)評分決定是否放貸以及貸款額度。其他信用相關數(shù)據(jù)包括地區(qū)、產(chǎn)品、理財方式、行業(yè)、支付方式、支付記錄、金額、時間、頻率。普惠在線互聯(lián)網(wǎng)金融數(shù)據(jù) 風控的普及并沒有完全改變傳統(tǒng)風控，實際上豐富了傳統(tǒng)風控/的緯度。

1，評分建模:風控part；2.IT系統(tǒng):業(yè)務系統(tǒng)、審批系統(tǒng)、征信系統(tǒng)、催收系統(tǒng)、會計系統(tǒng)；3.決策配置工具:即信用決策引擎；4.征信大學整合模塊數(shù)據(jù)。大數(shù)據(jù) 風控系統(tǒng)的優(yōu)勢在于大數(shù)據(jù)驅動，兼容人工、自動審批、決策、后臺管理。Alpha image 風控基于人工智能的機器學習-0 模型，比傳統(tǒng)的基于規(guī)則的模型，更先進、更快速、更準確，可以實現(xiàn)亞秒級授信；

Da 數(shù)據(jù)風控，即使用Da數(shù)據(jù)技術(hadoop、spark等。)建Da數(shù)據(jù)加工。包括數(shù)據(jù)訪問平臺、數(shù)據(jù)倉庫、數(shù)據(jù)處理能力、數(shù)據(jù)分析演示等。然后利用這些能力進行用戶畫像和風險建模，達到風險監(jiān)測、風險預測和風險控制的目的。Ok 風控策略sum 風控 模型，可有效風控。風控一般包括:風險政策、反欺詐、審計可分為:貸前貸后如:用戶畫像，簡述如下:基本信息:姓名、地址、聯(lián)系人等交易行為屬性:交易次數(shù)、逾期行為、利息、愛好、利息信用信息:銀行征信、黑名單、外部信用評分如:風控建模(參數(shù) 算法(公式))使用用戶多個行為指標或原始變量(逾期、信用額度 交易次數(shù))生成衍生變量(6個月內的交易金額大于上個月的月均分，6個月內最大逾期為——最重要的是生成在一定時期內具有趨勢性和穩(wěn)定性的個體。 最好是基于某種算法(通常是logistic回歸)來訓練參數(shù)，最后形成一個分數(shù)。我們都可以用決策引擎來風控用戶的點餐行為決策層一般會關注整體風控監(jiān)控，單獨分析異常日期。

1，基于某個特定的目標群體，特定的行業(yè)，商圈等。風控由于對特定人群、行業(yè)、商圈等垂直目標的深耕，更容易建立相應的風險點和風控策略。比如大學生消費貸款，主要針對大學生特點，針對農(nóng)機行業(yè)的融資擔保。批發(fā)市場商圈信用。2.基于自身平臺身份數(shù)據(jù)、歷史交易數(shù)據(jù)、支付數(shù)據(jù)、信用數(shù)據(jù)、行為數(shù)據(jù)、黑名單/白名單等。

信用數(shù)據(jù):如P2P平臺借款還款積累的信用數(shù)據(jù)、電商平臺根據(jù)交易行為形成的信用數(shù)據(jù)、信用評分(JD.COM白條、支付寶花唄)、SNS平臺的信用數(shù)據(jù)。行為數(shù)據(jù):比如電商購買行為，互動行為，實名認證行為(比如類似新浪微博公司認證，好友認證)，修改信息(比如修改家庭和公司地址，通過換頻確認職業(yè)穩(wěn)定)，黑名單/白名單:信用卡黑名單、賬戶白名單等。