风控培训ppt课件
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
By Hong
维度多 – 以下是仅风控数据模型
• 基本信息：39 Attribute • 单位调查：64 Attribute • 联系人：77 * 7 Attribute • 面审：67 Attribute • 终审：45 Attribute • 初审：33 Attribute • 流水及征信：82 Attribute • 电话调查：7 * 15 Attribute • 总计：974种Attribute （每种2-8个可能性）
P s :此部分不具备真实数据作为支撑
By Hong
换个角度
> 5% 100 (人) 14.7%利率 2%风险准备金 > 10% 200 (人) 26.7%利率 6%风险准备金 > 15% 400 (人) 35.0%利率 12%风险准备金 > 30% 500(人) 60.0%利率 23%风险准备金 > 50% 725 (人) 90.0%-120.0%利率 >30%风险准备金
By Hong
Mini Data - Data Center
By Hong
Q&A
By Hong
通过价格机制：赚取任何具备回款率用户的钱， 让所有用户替我们承担风险。
Ps:此部分不具备真实数据作为支撑
By Hong
数据量少
• 目前100- 200单/月 • 明年3月预期2000单/月 • 明年年底30家门店*500单 = 15000单/月 • 明年年底撑死15W单数据储备
Ps：每家门店500单/月（风控同仁的理想状态）
期望：寻找出1+1+1=？ 结论：3
By Hong
总人数： 9470 男： 6822 女： 2648 金牛座：789 天平座：789 XX座：789 时间：M1、M2、 M3……M11、M12
By Hong
期望：结果 处女座违约率最高 天平座回款率最高 男性风险相对较高 春节前是旺季
By Hong
信贷征信培训
1. 国内外征信-风控发展 2. 国内审核系统及决策引擎 3. 征信数据-风控数据中心
风控国内外情况
审核流程
审核操作流程
信贷系统
个人信贷 消费信贷
信贷系统
个人信贷 消费信贷
催收
风控模型基础流程
数据来源与征信验证
评分引擎
防欺诈策略引擎
防欺诈策略引擎-部分方法
Yooli.com亲情提供：
By Hong
加权计算&归类后
> 5% 100 (人) > 10% 200 (人) > 15% 400 (人) > 30% 500(人) > 50% 725 (人)
传统的风控思想认为：当在预期坏账率5% 的情况下， 我们应该在符合5% 坏账率的群体中（500+100人）利益 最大化。
资产重组和证券化策略引擎流程
催收策略引擎
风控国内外情况
Meta Data+Data+关联+期望
By Hong
源自文库
最简单的数据挖掘思想：归类 最简单的数据挖掘方法：加权 Data：a=1,b=1 关联：+ 结果：2 Meta Data(a)：参数 整数 正数 Meta Data(b)：参数 整数 正数
By Hong
Mini Data - Data Center
• 每一个柱状体代表一种Attribute，根据某种规 则聚集在同一区间内的反应对数据进行评级， 在最终做出归类 By Hong
Mini Data - Data Center
• Database Management System • MongoDB & MapReduce
By Hong
7792种类型的单！
• 散列在15W单数据中。 • 平均每种类型具有19.25 单。 • 归纳为“惠薪”，“惠财”，“惠业”，“惠商”四种人群。 • 通过机器学习或人工方式评估每个Attribute的权值，
根据四种人群特征分别进行加权计算。
Ps：这里使用算术平均值，而加权平均值会更加准确
维度多 – 以下是仅风控数据模型
• 基本信息：39 Attribute • 单位调查：64 Attribute • 联系人：77 * 7 Attribute • 面审：67 Attribute • 终审：45 Attribute • 初审：33 Attribute • 流水及征信：82 Attribute • 电话调查：7 * 15 Attribute • 总计：974种Attribute （每种2-8个可能性）
P s :此部分不具备真实数据作为支撑
By Hong
换个角度
> 5% 100 (人) 14.7%利率 2%风险准备金 > 10% 200 (人) 26.7%利率 6%风险准备金 > 15% 400 (人) 35.0%利率 12%风险准备金 > 30% 500(人) 60.0%利率 23%风险准备金 > 50% 725 (人) 90.0%-120.0%利率 >30%风险准备金
By Hong
Mini Data - Data Center
By Hong
Q&A
By Hong
通过价格机制：赚取任何具备回款率用户的钱， 让所有用户替我们承担风险。
Ps:此部分不具备真实数据作为支撑
By Hong
数据量少
• 目前100- 200单/月 • 明年3月预期2000单/月 • 明年年底30家门店*500单 = 15000单/月 • 明年年底撑死15W单数据储备
Ps：每家门店500单/月（风控同仁的理想状态）
期望：寻找出1+1+1=？ 结论：3
By Hong
总人数： 9470 男： 6822 女： 2648 金牛座：789 天平座：789 XX座：789 时间：M1、M2、 M3……M11、M12
By Hong
期望：结果 处女座违约率最高 天平座回款率最高 男性风险相对较高 春节前是旺季
By Hong
信贷征信培训
1. 国内外征信-风控发展 2. 国内审核系统及决策引擎 3. 征信数据-风控数据中心
风控国内外情况
审核流程
审核操作流程
信贷系统
个人信贷 消费信贷
信贷系统
个人信贷 消费信贷
催收
风控模型基础流程
数据来源与征信验证
评分引擎
防欺诈策略引擎
防欺诈策略引擎-部分方法
Yooli.com亲情提供：
By Hong
加权计算&归类后
> 5% 100 (人) > 10% 200 (人) > 15% 400 (人) > 30% 500(人) > 50% 725 (人)
传统的风控思想认为：当在预期坏账率5% 的情况下， 我们应该在符合5% 坏账率的群体中（500+100人）利益 最大化。
资产重组和证券化策略引擎流程
催收策略引擎
风控国内外情况
Meta Data+Data+关联+期望
By Hong
源自文库
最简单的数据挖掘思想：归类 最简单的数据挖掘方法：加权 Data：a=1,b=1 关联：+ 结果：2 Meta Data(a)：参数 整数 正数 Meta Data(b)：参数 整数 正数
By Hong
Mini Data - Data Center
• 每一个柱状体代表一种Attribute，根据某种规 则聚集在同一区间内的反应对数据进行评级， 在最终做出归类 By Hong
Mini Data - Data Center
• Database Management System • MongoDB & MapReduce
By Hong
7792种类型的单！
• 散列在15W单数据中。 • 平均每种类型具有19.25 单。 • 归纳为“惠薪”，“惠财”，“惠业”，“惠商”四种人群。 • 通过机器学习或人工方式评估每个Attribute的权值，
根据四种人群特征分别进行加权计算。
Ps：这里使用算术平均值，而加权平均值会更加准确