繼上一系列的姊妹篇《風(fēng)控規(guī)則類型策略淺析（認(rèn)知）》，這篇定位是關(guān)于金融+風(fēng)控類的認(rèn)知。

總的來(lái)說，這篇主要想說明的是幾個(gè)認(rèn)知上的東西：

• 一是了解風(fēng)控中金融常見業(yè)務(wù)規(guī)則的類型（大概有個(gè)認(rèn)知即可）；
• 二是了解對(duì)應(yīng)架構(gòu)是如何的（以攜程為例，簡(jiǎn)單了解即可）；
• 三是對(duì)一些金融中常用的策略模型算法解釋，這部分是重點(diǎn)重點(diǎn)（金融風(fēng)控玩的就是策略+模型）。這幾個(gè)都是以實(shí)踐通用去說，以金融風(fēng)控PM的角度去看，并且以O(shè)TA產(chǎn)品，以攜程或者螞蟻金融風(fēng)控為例加強(qiáng)認(rèn)知。

（如唯品會(huì)金融的唯品花，攜程金融的拿去花，螞蟻支付寶的花唄等服務(wù)，其實(shí)在金融中既屬于業(yè)務(wù)也屬于理財(cái)或者消費(fèi)產(chǎn)品，對(duì)于風(fēng)控+金融類PM，這些是他們落地實(shí)踐和應(yīng)用的產(chǎn)品對(duì)象。）

補(bǔ)充1，關(guān)于風(fēng)控：

風(fēng)控策略通常會(huì)包含很多種類型的規(guī)則，每個(gè)規(guī)則都是結(jié)合產(chǎn)品、業(yè)務(wù)基于經(jīng)驗(yàn)和數(shù)據(jù)分析產(chǎn)生出來(lái)的。所以，用于區(qū)分線上交易中產(chǎn)生的針對(duì)不同場(chǎng)景的問題交易，包括欺詐，洗錢，賬戶盜用等等。那么，這里的策略更多地會(huì)結(jié)合用戶體驗(yàn)和業(yè)務(wù)來(lái)平衡損失跟業(yè)務(wù)發(fā)展的關(guān)系，不同企業(yè)應(yīng)該根據(jù)自身的業(yè)務(wù)情況選擇適合的策略體系。

補(bǔ)充2：關(guān)于風(fēng)控PM（面試或者書面背景，比較常用到）：

風(fēng)控是一個(gè)對(duì)抗性很強(qiáng)的工作，風(fēng)控PM是一個(gè)很nice（耐撕）的人。

當(dāng)你有了比較強(qiáng)的防御措施之后，敵人（對(duì)不起，其實(shí)不應(yīng)該說敵人，應(yīng)該說黑產(chǎn)或者“平臺(tái)不喜歡的用戶”，但如果你在“風(fēng)控類PM”的面試時(shí)，如果說“敵人”，可能會(huì)引起共鳴加分喲）就會(huì)知道他們的某些行為觸犯風(fēng)控規(guī)則，此時(shí)他們不會(huì)無(wú)謂地嘗試?yán)速M(fèi)手里的資源。

目前黑產(chǎn)非常龐大，他們可能擁有比風(fēng)控策略還要全的一套流程和資源。

這要求風(fēng)控策略要不斷的更新升級(jí)，而且監(jiān)控、回顧和分析歷史規(guī)則是一項(xiàng)基本的風(fēng)控工作，那么，PM必須要及時(shí)地更新策略以及策略的玩法，保證你所負(fù)責(zé)產(chǎn)品范圍的風(fēng)控策略的靈活性。

總的來(lái)說，風(fēng)控類PM要記住的一個(gè)很關(guān)鍵的點(diǎn)，其實(shí)也挺有意思——就是我們做PM，往往都說用戶是上帝，尤其對(duì)于C端要和用戶做朋友，他們所想所需你應(yīng)該要滿足，同理B端也是大概如此，只是用戶不是個(gè)人可能是企業(yè)可能是內(nèi)部某群體。

但是，風(fēng)控PM則不同，你的落地所面向的用戶，其實(shí)看起來(lái)是用戶，但其實(shí)不是真正的用戶，或者理解不是一個(gè)符合你產(chǎn)品業(yè)務(wù)、公司行業(yè)規(guī)則的正常用戶，而是敵人。

所以你這個(gè)對(duì)待“用戶”的關(guān)系要調(diào)整，你可以換位思考可以用同理心，但是你的取向更多是對(duì)抗性質(zhì)，就如同我為什么第一句就是說風(fēng)控本質(zhì)就是一個(gè)對(duì)抗。畢竟你的所研究用戶化對(duì)象是一群善于偽裝，不斷調(diào)整和改進(jìn)，想盡辦法模仿成正常人，享受著與風(fēng)控對(duì)抗并獲利的一群人，所以風(fēng)控策略PM也是無(wú)時(shí)無(wú)刻不在攻防呀~

另外，如果對(duì)風(fēng)控或者風(fēng)控PM不是很了解的，強(qiáng)烈建議先看：《風(fēng)控規(guī)則類型策略淺析（認(rèn)知）》

目錄：

一、先說下風(fēng)控金融的基本業(yè)務(wù)和風(fēng)控規(guī)則

（1）風(fēng)控金融所針對(duì)的業(yè)務(wù)

（2）金融的主流風(fēng)控規(guī)則和體系（干貨+認(rèn)知）

二、再談?wù)勏到y(tǒng)層面的架構(gòu)（上下游、中臺(tái)、支撐層面）

（1）中臺(tái)

（2）風(fēng)控產(chǎn)品系統(tǒng)架構(gòu)

三、最后談金融風(fēng)控——策略模型

（1）金融風(fēng)控模型體系的認(rèn)知

（2）金融風(fēng)控的模型評(píng)分標(biāo)準(zhǔn)

1、A卡

2、B卡

3、C卡

（3）重要金融風(fēng)控策略模型1：A卡（貸前信用風(fēng)險(xiǎn)模型）

1、PM要分析會(huì)遇到的風(fēng)險(xiǎn)問題

2、模型舉例分析

（4）重要金融風(fēng)控策略模型2：B卡（貸中反欺詐模型）

（5）新穎金融風(fēng)控策略模型：社交網(wǎng)絡(luò)在風(fēng)控模型中的應(yīng)用

四、沒有小結(jié)的總結(jié)

一、先說下風(fēng)控金融的基本業(yè)務(wù)和風(fēng)控規(guī)則

1. 風(fēng)控金融所針對(duì)的業(yè)務(wù)

一般來(lái)說，目前比較大和成熟的金融產(chǎn)品，其實(shí)都屬于消費(fèi)金融。他們的一些業(yè)務(wù)、產(chǎn)品，就是如：

• 消費(fèi)分期（如唯品會(huì)的唯品會(huì)、唯品貸、支付寶的花唄、攜程金融拿去花、京東白條等等）；
• 現(xiàn)金分期（如螞蟻的借唄、攜程金融的借去花、京東金條..）；
• 理財(cái)產(chǎn)品（銀行產(chǎn)品or第三方合作）
• 信用卡（銀行合作、自家網(wǎng)上銀行）；
• 供應(yīng)鏈金融（上下游業(yè)務(wù)合作、銀行合作）。

其實(shí)金融如同商品可以很靈活，業(yè)務(wù)驅(qū)動(dòng)導(dǎo)致產(chǎn)品不同，很多很多分類列不完的，但比較常見和主流就是以上這些，也是大部分用戶所玩的產(chǎn)品，業(yè)務(wù)盈利來(lái)源。

2. 金融的主流風(fēng)控規(guī)則和體系（干貨+認(rèn)知）

金融是很大的，本篇內(nèi)容只針對(duì)互聯(lián)網(wǎng)金融來(lái)看，即是消費(fèi)金融，如螞蟻金融，支付寶，美團(tuán)金融，JD金融，攜程金融等等都是。

這類消費(fèi)金融的風(fēng)控，主要是針對(duì)“風(fēng)險(xiǎn)”的預(yù)測(cè)、審判。

就是說更多是：有無(wú)資格呀？能過審判嗎？會(huì)不會(huì)欺詐呀？會(huì)不會(huì)延遲還款呀？會(huì)不會(huì)違約呀？

大白話，就是你要借錢給某人，你會(huì)怎樣思考和怎樣做？ （比較粗暴可以這樣理解）

整個(gè)金融風(fēng)控，大的來(lái)說就是抵御風(fēng)險(xiǎn)，而PM就是要設(shè)計(jì)一些規(guī)則應(yīng)用到模型中來(lái)幫助抵御風(fēng)險(xiǎn)。

所以，金融風(fēng)控即抵御風(fēng)險(xiǎn)，金融風(fēng)控更多最后是要建立某個(gè)風(fēng)險(xiǎn)體系，或者說基于不同業(yè)務(wù)所應(yīng)用不同風(fēng)險(xiǎn)模型得出的等級(jí)效果估算?！救绻鸓M面試相關(guān)的，這話可以作為觀點(diǎn)，作為思考輸出】

補(bǔ)充：干貨

這類消費(fèi)金融的風(fēng)險(xiǎn)大體可分為：可控風(fēng)險(xiǎn)、不可控風(fēng)險(xiǎn)。

（圖片有問題失真了，在底部圈住的文字，就是我下面書寫的文字點(diǎn)，比如….）

• 算法能解決的主要是可控風(fēng)險(xiǎn)：比如欺詐風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)及作業(yè)風(fēng)險(xiǎn)；其中，欺詐風(fēng)險(xiǎn)指的是客戶在發(fā)起借款請(qǐng)求時(shí)即無(wú)意還款，按照人數(shù)可以分為團(tuán)伙欺詐和個(gè)人欺詐，欺詐者往往通過偽造身份信息、聯(lián)系方式信息、設(shè)備信息、資產(chǎn)信息等方式實(shí)施欺詐。
• 信用風(fēng)險(xiǎn)：指的是借款人因各種原因未能及時(shí)、足額償還債務(wù)或銀行貸款而違約的可能性。（比如市場(chǎng)風(fēng)險(xiǎn)、實(shí)質(zhì)風(fēng)險(xiǎn)及名義風(fēng)險(xiǎn)、政府“紅、黑名單”征信制度等）

所以這里綜合小結(jié)一下，金融風(fēng)控中，模型占據(jù)很高的地位，大廠都是玩這個(gè)。

所以接下來(lái)在第三部分會(huì)重點(diǎn)談。（第二部分接下來(lái)是一些基礎(chǔ)的系統(tǒng)和產(chǎn)品層面的架構(gòu)介紹，以攜程OTA為例、并且介紹下最近很熱的“中臺(tái)”）

二、再談?wù)勏到y(tǒng)層面的架構(gòu)（上下游、中臺(tái)、支撐層面）

補(bǔ)充1：要介紹這塊，是為了讓風(fēng)控金融類PM，其實(shí)也不僅僅是這類PM，而是我們整個(gè)策略PM在負(fù)責(zé)某個(gè)產(chǎn)品都需要去了解這樣的背景。

為何呢？

因?yàn)椴呗灶怭M更多都是屬于“承上啟下”的角色，要么支撐，要么應(yīng)用，都是有上下游流轉(zhuǎn)的概念。你知道了上下游才能更好去開展工作。

要介紹部分，需要先介紹一個(gè)概念，也是目前比較熱的“中臺(tái)”。

1. 中臺(tái)

這個(gè)概念介紹，網(wǎng)上很多了，所以簡(jiǎn)單大白話說說即可。

我這里主要強(qiáng)調(diào)在金融風(fēng)控中：它是什么東西，為什么要它。

中臺(tái)這個(gè)概念早期是由美軍的作戰(zhàn)體系演化而來(lái)的，技術(shù)上所說的“中臺(tái)”主要是指學(xué)習(xí)這種高效、靈活和強(qiáng)大的指揮作戰(zhàn)體系。

（比如電商領(lǐng)域，經(jīng)過十幾年的發(fā)展，組織龐大而復(fù)雜，業(yè)務(wù)不斷細(xì)化拆分，也導(dǎo)致野蠻發(fā)展的系統(tǒng)越來(lái)越不可維護(hù)，開發(fā)和改造效率極低，也有很多新業(yè)務(wù)不得不重復(fù)造輪子，因此業(yè)界誕生了不少知名中臺(tái)系統(tǒng)，最著名的是阿里云的數(shù)據(jù)中臺(tái)建設(shè)。）

首先，有中臺(tái)的多數(shù)是公司業(yè)務(wù)、技術(shù)相對(duì)成熟完善的平臺(tái)。即中臺(tái)模型是基于完善的技術(shù)平臺(tái)的，如阿里的中臺(tái)就很出名，甚至有個(gè)中間組件團(tuán)隊(duì)“橫掃”阿里內(nèi)部，這個(gè)橫掃是指支撐的作用和重要性描述。

其次，這種數(shù)據(jù)中臺(tái)一般可以抽象為三個(gè)層次，底層是基礎(chǔ)數(shù)據(jù)層，中層業(yè)務(wù)抽象模型層，以及最上層的算法模型層。

最后，在我以往所見所聞，對(duì)內(nèi)部中臺(tái)的理解是：大數(shù)據(jù)中臺(tái)的目標(biāo)是為了解決效率問題，同時(shí)降低創(chuàng)新成本。

細(xì)化具體如下:（面試如果問到中臺(tái)，可以結(jié)合經(jīng)驗(yàn)說說自己的簡(jiǎn)短理解，供參考）

• 中臺(tái)的目標(biāo)：減少溝通成本，提升協(xié)作效率；
• 中臺(tái)的實(shí)現(xiàn)手段：制定標(biāo)準(zhǔn)/規(guī)范、提供高可用數(shù)據(jù)/算法/應(yīng)用服務(wù)、提供統(tǒng)一、標(biāo)準(zhǔn)的數(shù)據(jù)研發(fā)工具；
• 中臺(tái)的原則：數(shù)據(jù)資產(chǎn)的集中管控，分布式執(zhí)行。

補(bǔ)充2：最后補(bǔ)充一個(gè)中臺(tái)的全景圖（以攜程金融為例）。

2. 風(fēng)控產(chǎn)品系統(tǒng)架構(gòu)

補(bǔ)充1：

其實(shí)風(fēng)控也是近幾年慢慢興起。

這個(gè)很簡(jiǎn)單的邏輯，沒有用戶量沒有利益對(duì)抗根本不搞風(fēng)控都是可以的。但是隨著業(yè)務(wù)發(fā)展，用戶量增多，風(fēng)控就必要了。尤其是大數(shù)據(jù)、人工智能相關(guān)的興起，有了技術(shù)支撐。

那么通用的風(fēng)控產(chǎn)品系統(tǒng)架構(gòu)，后面發(fā)現(xiàn)攜程不錯(cuò)。

為啥？因?yàn)橐彩瞧脚_(tái)級(jí)，并且是O2O+OTA平臺(tái)，適用性很強(qiáng)，還可以連通線下數(shù)據(jù)，有很強(qiáng)借鑒意義。并且11年他們才開始搭建風(fēng)控體系，這個(gè)時(shí)間點(diǎn)其實(shí)也剛好是云計(jì)算等概念開始興起，所以有很強(qiáng)背景性。

以攜程為例：按其內(nèi)部說法，現(xiàn)在最新的架構(gòu)屬于3.0版本，也就是引入了上面中臺(tái)的東西。

但是最初的風(fēng)控小系統(tǒng)是11年開始搭建起來(lái)，大概經(jīng)歷了幾個(gè)大的迭代。所以下面就一步步去看這幾個(gè)過程的“進(jìn)化”。這些內(nèi)容不是這篇文章的重點(diǎn)，所以更多是羅列和總結(jié)一些特別之處。主要是保持完整性，我更多以圖片說明。（圖來(lái)自攜程內(nèi)部風(fēng)控大數(shù)據(jù)以及我的一些梳理）

如果要了解攜程風(fēng)控的進(jìn)展和描述，可以點(diǎn)這《分享關(guān)于攜程的一些風(fēng)控干貨》

第一階段

這個(gè)時(shí)候的風(fēng)控服務(wù)將所有在線決策功能整合在一個(gè)系統(tǒng)內(nèi)實(shí)現(xiàn)，包括規(guī)則判斷、名單庫(kù)、流量計(jì)算，而這些邏輯都基于數(shù)據(jù)庫(kù)實(shí)現(xiàn)。

基于當(dāng)時(shí)攜程對(duì)風(fēng)控的需求，系統(tǒng)以滿足功能為主。

PM大白話去理解：

• 規(guī)則怎么判斷？就是根據(jù)數(shù)據(jù)庫(kù)記錄大于、小于、等于等判斷規(guī)則，接收到風(fēng)險(xiǎn)事件后獲取流量值和規(guī)則進(jìn)行比較，得到最終的風(fēng)險(xiǎn)判斷；
• 名單庫(kù)怎么判斷？數(shù)據(jù)庫(kù)維護(hù)黑白名單信息（屬性類型、屬性值、判斷依據(jù)等），程序判斷風(fēng)險(xiǎn)事件中的值是否命中名單。

第二階段

然而，在上線運(yùn)行一段時(shí)間后，隨著攜程業(yè)務(wù)的增長(zhǎng)，風(fēng)控系統(tǒng)的流量不斷增加，基于SQL的流量統(tǒng)計(jì)耗時(shí)嚴(yán)重制約了系統(tǒng)的響應(yīng)時(shí)間，因此優(yōu)化改版。

那么怎么改呢？

由于主要性能瓶頸在于數(shù)據(jù)庫(kù)實(shí)現(xiàn)的流量查詢，這次優(yōu)化主要方向就是優(yōu)化流量查詢的實(shí)現(xiàn)：在原來(lái)單個(gè)數(shù)據(jù)庫(kù)的基礎(chǔ)上，采用分庫(kù)分表的方式均攤壓力，以達(dá)到更快的響應(yīng)時(shí)間和更高的吞吐量。

架構(gòu)圖如下：（下圖）

這個(gè)階段的版本比較重要。是為后面新版打了很關(guān)鍵的基礎(chǔ)。

從特點(diǎn)來(lái)看：

• 更方便快捷的接入除了支付風(fēng)險(xiǎn)，業(yè)務(wù)的風(fēng)險(xiǎn)也需要風(fēng)控支持；
• 更多的外部數(shù)據(jù)接入：用戶信息、位置信息、UBT信息；
• 更豐富的規(guī)則邏輯：支持任意變量的規(guī)則判斷，支持更多的判斷邏輯；
• 更高的性能：流量10x的增長(zhǎng)，響應(yīng)時(shí)間不超過1秒；
• 編程語(yǔ)言的更新：攜程推動(dòng)公司內(nèi).net轉(zhuǎn)java。

基于以上，才有了實(shí)時(shí)性的風(fēng)控在線支撐，也就是3.0版本了。

第三階段

個(gè)人認(rèn)為這個(gè)版本有幾個(gè)很不錯(cuò)的亮點(diǎn)：

1. 有全鏈條的風(fēng)控。就是看上圖，從你設(shè)備行為（采集分析）到出票（交易完成）的全鏈條都是風(fēng)控有監(jiān)督；（別小看這個(gè)設(shè)備采集的環(huán)節(jié)，在整個(gè)體系中，指紋數(shù)據(jù)采集和指紋識(shí)別生成，從而判斷設(shè)備的唯一性，而唯一標(biāo)識(shí)用戶的身份是非常關(guān)鍵的，冤有頭債有主）
2. 全鏈條相關(guān)聯(lián)的。就是上下游環(huán)節(jié)相互影響，相互分析和判斷。
3. 引入了用戶風(fēng)險(xiǎn)畫像，這個(gè)可以說是用戶畫像中比較特殊的內(nèi)容標(biāo)簽了，風(fēng)控。
4. 實(shí)時(shí)。

補(bǔ)充2：

為了更好理解上面的第1點(diǎn)找了一些相關(guān)圖片補(bǔ)充，依次排列：

三、最后談金融風(fēng)控——策略模型

在最前面講到金融風(fēng)控的風(fēng)險(xiǎn)體系——消費(fèi)金融的風(fēng)險(xiǎn)大體可分為可控風(fēng)險(xiǎn)及不可控風(fēng)險(xiǎn)，所以這里的策略模型就是為了規(guī)避這些風(fēng)險(xiǎn)而誕生的。

1. 金融風(fēng)控模型體系的認(rèn)知

一般來(lái)說，從上上面看整個(gè)系統(tǒng)流程圖，可以知道的是：風(fēng)控模型貫穿獲客、準(zhǔn)入、經(jīng)營(yíng)、逾期的整個(gè)客戶生命周期。

所以，按消費(fèi)金融類產(chǎn)品而言，大范圍通用的手段：是可以根據(jù)用戶生命周期的不同階段，可將風(fēng)控模型分為貸前信用風(fēng)險(xiǎn)模型、貸中行為風(fēng)險(xiǎn)模型、欺詐檢測(cè)及貸后催收模型。

不過在實(shí)踐中和業(yè)務(wù)事實(shí)上，抓住信貸審批管理就能控制80%的風(fēng)險(xiǎn)，一旦用戶獲得授信，后續(xù)的管理只能控制20%的風(fēng)險(xiǎn)。

除此之外，其實(shí)核心也可以根據(jù)：貸前、貸中、貸后不同場(chǎng)景，可以從不同的觀測(cè)粒度進(jìn)行建模與抽象。

拿攜程金融的業(yè)務(wù)來(lái)講，PM可以這些角度去看：

1. 可以從每一筆交易角度來(lái)看，
2. 可以從攜程生態(tài)中用戶賬戶來(lái)看，
3. 可以從自然人概念為核心的客戶級(jí)別來(lái)看。
4. 一個(gè)自然人客戶與賬號(hào)可以是一對(duì)多的關(guān)系，一個(gè)賬號(hào)與交易也可以是一對(duì)多的關(guān)系。

補(bǔ)充1：

根據(jù)上述的前中后，業(yè)務(wù)和應(yīng)用算法策略：

2. 金融風(fēng)控的模型評(píng)分標(biāo)準(zhǔn)

• 你有無(wú)額度、額度多少；
• 能不能開信用卡；
• 為什么沒有借唄對(duì)你開放….

其實(shí)，如今在銀行、消費(fèi)金融公司等各種貸款業(yè)務(wù)機(jī)構(gòu)，普遍使用信用評(píng)分，對(duì)客戶實(shí)行打分制，目的是想對(duì)客戶的風(fēng)險(xiǎn)水平有一個(gè)準(zhǔn)確的判斷，并作為風(fēng)險(xiǎn)定價(jià)的重要手段。

行業(yè)內(nèi)常用的是ABC三張?jiān)u分卡。A卡、B卡、C卡分別表示：

• 申請(qǐng)?jiān)u分卡(Application Score Card)；
• 行為評(píng)分卡(Behavior Score Card)；
• 催收評(píng)分卡(Collection Score Card)。

（1）A卡：在獲客過程中用到的信用風(fēng)險(xiǎn)模型

從模型的角度來(lái)看，它會(huì)對(duì)用戶未來(lái)一定周期內(nèi)的逾期風(fēng)險(xiǎn)作預(yù)測(cè)，即模型會(huì)在用戶授權(quán)的情況下收集用戶多維度的信息，以此來(lái)預(yù)測(cè)逾期概率。

預(yù)測(cè)的逾期概率被用于風(fēng)控策略或者轉(zhuǎn)換成信用評(píng)分。（比如國(guó)外經(jīng)典的FICO評(píng)分，國(guó)內(nèi)的螞蟻信用芝麻分、京東小白評(píng)分、攜程金融的程信分等。A卡評(píng)分除了用于決定是否通過用戶的信用申請(qǐng)，還用于風(fēng)險(xiǎn)定價(jià)，比如額度、利率等。）

（2）B卡：為評(píng)分

即用戶拿到信用額度后，模型根據(jù)用戶的貸中行為數(shù)據(jù)，進(jìn)行風(fēng)險(xiǎn)水平的預(yù)測(cè)。

本質(zhì)上講，這個(gè)模型是一個(gè)事件驅(qū)動(dòng)的模型（即輸入多維度行為——輸出結(jié)果預(yù)期分，不同的選擇造就不同的結(jié)果，很多黑產(chǎn)賣pos機(jī)或者養(yǎng)卡，就是利用一些銀行的規(guī)則），在互聯(lián)網(wǎng)金融領(lǐng)域，一般會(huì)比A卡的預(yù)測(cè)時(shí)間窗口要短，對(duì)用戶的行為更為敏感。（因?yàn)锽卡除了可以用于高風(fēng)險(xiǎn)用戶的攔截，也可以作為額度、利率調(diào)整的重要參考因素。）

（3）C卡：催收評(píng)分會(huì)判斷

這個(gè)比較好理解，沒有那么復(fù)雜，簡(jiǎn)單說就是怎樣追債成功率會(huì)大一些。who、time、how much……(例如當(dāng)用戶出現(xiàn)逾期時(shí)，機(jī)構(gòu)應(yīng)該先催誰(shuí)，或者哪些用戶不用催，就自動(dòng)會(huì)把錢還回來(lái)。催收模型一定程度節(jié)約催收成本，提高回催率）

補(bǔ)充：小結(jié)

個(gè)人認(rèn)為上面的，金融風(fēng)控PM一般會(huì)比較關(guān)注AB類，C類往往是由一些“催債員”去跟進(jìn)。

其中以A卡為重點(diǎn)策略模型，為何？

因?yàn)闆Q定給不給你，等同吸引他人掏錢購(gòu)物，是一個(gè)本質(zhì)重要性。（下面以金融+風(fēng)控PM角度去看，重點(diǎn)分析幾個(gè)金融風(fēng)控策略模型）

3. 重要金融風(fēng)控策略模型1：A卡（貸前信用風(fēng)險(xiǎn)模型）

（1）PM要分析會(huì)遇到的風(fēng)險(xiǎn)問題

貸前主要解決用戶準(zhǔn)入和風(fēng)險(xiǎn)定價(jià)問題（大白話去理解就是：即面對(duì)一個(gè)新申請(qǐng)的進(jìn)件用戶，判斷用戶是否符合產(chǎn)品的放款條件及相應(yīng)的放款額度、價(jià)格、期限等問題。）

補(bǔ)充1：（面試會(huì)經(jīng)常問答的）

PM面試，回答從來(lái)離不開業(yè)務(wù)+業(yè)務(wù)遇到的問題，沒有這個(gè)為前提的任何思考和需求都是比較虛的，沒有支撐點(diǎn)。

細(xì)分問題，PM所重點(diǎn)關(guān)注側(cè)策略模型，要解決的關(guān)鍵點(diǎn)：

1. 反欺詐識(shí)別：根據(jù)用戶提交的材料進(jìn)行身份核實(shí)，確保用戶不存在欺詐行為；
2. 信用評(píng)級(jí)：與傳統(tǒng)銀行的信用評(píng)分卡原理類似，數(shù)據(jù)維度更加豐富，綜合用戶的社交數(shù)據(jù)、行為數(shù)據(jù)、收入數(shù)據(jù)等，判定用戶的信用風(fēng)險(xiǎn)等級(jí)，評(píng)估用戶的履約能力；
3. 風(fēng)險(xiǎn)定價(jià)：根據(jù)用戶的負(fù)債能力和收入穩(wěn)定性，判斷用戶可承擔(dān)的月供金額，確定用戶的放款額度、償還期限等，并根據(jù)用戶風(fēng)險(xiǎn)等級(jí)確定用戶的費(fèi)率。

這三個(gè)問題往往是互相影響、互為前提的。

（舉個(gè)簡(jiǎn)單的例子，對(duì)一個(gè)月收入3000的用戶來(lái)說，月供在1000左右，用戶可能履約良好，信用等級(jí)良好；但如果月供提高到4000，嚴(yán)重超出了其收入水平，即便不是有意欺詐，也可能出現(xiàn)斷供的情況，從而得到比較差的信用等級(jí)）

（2）模型舉例分析

從PM角度去看，以攜程金融為例，看看信用風(fēng)險(xiǎn)建模（A卡）做了關(guān)鍵點(diǎn)。

首先從模型的源頭，建模開始。

PM會(huì)對(duì)A卡建模工作的側(cè)重點(diǎn)，主要包括如下幾方面：（前兩點(diǎn)比較口水話，個(gè)人價(jià)值一般般，面試也比較少深挖的。第三和第四點(diǎn)重要，此類PM實(shí)踐工作會(huì)較多的，遇到問題也是這些環(huán)節(jié)出現(xiàn)較多，可以重點(diǎn)mrak）

1. 確保策略的一致性。就是盡量減少人工干預(yù)，并利用機(jī)器學(xué)習(xí)的優(yōu)勢(shì)提升決策效率；
2. 準(zhǔn)確反映并量化用戶的風(fēng)險(xiǎn)級(jí)別。策略人員可以控制和減少風(fēng)險(xiǎn)損失，因此對(duì)評(píng)分卡等級(jí)的排序能力、穩(wěn)定性要求會(huì)比較高。
3. 對(duì)好壞用戶定義。（這部用戶畫像PM會(huì)參與進(jìn)來(lái)的）這個(gè)很有意思，因?yàn)轱L(fēng)控是對(duì)抗性，所以這里的用戶心理和傳統(tǒng)PM所想的不一樣。（這個(gè)我在后面補(bǔ)充了）
4. 樣本規(guī)?；I備、算法迭代推進(jìn)。簡(jiǎn)單說就是不斷找新的數(shù)據(jù)去測(cè)試，測(cè)試好了又不斷升級(jí)。同時(shí)不僅僅是數(shù)據(jù)量不斷更新，當(dāng)有了新的業(yè)務(wù)，那么發(fā)展起來(lái)的風(fēng)控也是需要不同的。（這個(gè)也比較核心，后面補(bǔ)充了）

補(bǔ)充1：如何定義好壞用戶

所謂好壞用戶，這一點(diǎn)可能是A卡甚至是互金大部分風(fēng)控模型的最基礎(chǔ)最核心的工作。

前面別小看這個(gè)，這個(gè)不是那么容易和簡(jiǎn)單解決的。雖然看就像性別標(biāo)簽，無(wú)非男抑或男。但是！在大數(shù)據(jù)大互聯(lián)網(wǎng)背景下的風(fēng)控，你要定義用戶好壞，進(jìn)而分配資源和權(quán)限資格給特定用戶，其本質(zhì)對(duì)公司產(chǎn)品業(yè)務(wù)是十分影響的。就如10個(gè)犯人中，但誤捉了5個(gè)人導(dǎo)致冤獄，后果不僅僅是這5個(gè)人的被冤枉，更加反映是用戶群和市場(chǎng)對(duì)這個(gè)產(chǎn)品的信心不足（對(duì)司法體系不信任）

PM對(duì)這個(gè)模型建立的核心工作：

• 是對(duì)樣本標(biāo)簽的定義；
• 是與實(shí)際業(yè)務(wù)場(chǎng)景、策略目標(biāo)相一致；
• 是綜合考慮不同定義下的樣本量。

補(bǔ)充：案例

上面比較虛，補(bǔ)充一下案例。

以下可以作為面試時(shí)的具體案例分享，或者你對(duì)風(fēng)控案例的一些思考。可以作為面試的回答。如果有經(jīng)驗(yàn)和把控，想獲得強(qiáng)的把控，一定要學(xué)會(huì)設(shè)計(jì)提問和作答，讓面試官下個(gè)問題會(huì)問到你預(yù)期設(shè)想的，注重社區(qū)的文章邏輯，如果有心，基本全部?jī)?nèi)容都可以變成面試回答點(diǎn)。當(dāng)然，這是要分方向的前提。你不可能面試推薦PM回答風(fēng)控PM的點(diǎn)。

• 比如1：在現(xiàn)金分期場(chǎng)景中，可以畫一下用戶回款率（或者滾動(dòng)率）和逾期天數(shù)趨勢(shì)分布曲線，用戶逾期N天以后回款率或者滾動(dòng)率便已經(jīng)趨于穩(wěn)定(梯度平穩(wěn))，則可以N天以上逾期作為篩選壞樣本的依據(jù)。
• 比如2：在某些場(chǎng)景下，如曾經(jīng)的Payday Loan，由于整個(gè)業(yè)務(wù)周期只有半月或1個(gè)月，為加快模型迭代速度，有時(shí)甚至?xí)x7+甚至1+逾期用戶為壞客戶。在一些銀行場(chǎng)景中，出于壞賬計(jì)提考慮，可能定義90天以上逾期為壞客戶?？傊?，好壞用戶的定義不能純靠人工經(jīng)驗(yàn)，應(yīng)該以場(chǎng)景的數(shù)據(jù)為基礎(chǔ)，進(jìn)行數(shù)據(jù)分析之后確定。

補(bǔ)充2：如何不斷迭代算法

這個(gè)一般是分階段的：

1. 如在業(yè)務(wù)初期，樣本數(shù)據(jù)量極少，往往根據(jù)相關(guān)業(yè)務(wù)經(jīng)驗(yàn)確定使用的特征和規(guī)則；（說的不好聽就是團(tuán)隊(duì)自己內(nèi)部推理，分析，經(jīng)驗(yàn)預(yù)判）
2. 如隨著數(shù)據(jù)的慢慢積累，開始采用部分精細(xì)特征，使用簡(jiǎn)單的機(jī)器學(xué)習(xí)算法訓(xùn)練；
3. 如當(dāng)樣本數(shù)據(jù)量積累到百萬(wàn)級(jí)以上，可以嘗試采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行特征自動(dòng)提取或者end-to-end的風(fēng)控模型訓(xùn)練。

面試回答，可以用以下的話作為總結(jié)。

總之，金融的風(fēng)控模型優(yōu)化的過程，實(shí)質(zhì)是緊隨著業(yè)務(wù)從無(wú)到有、從小到大，數(shù)據(jù)量由少變多，特征由粗到細(xì)，模型由簡(jiǎn)單到復(fù)雜，效果由一般到突破的過程。

這個(gè)不管是阿里系的還是攜程的 乃至很多大廠的都是如此。

補(bǔ)充A：案例

（附上攜程某產(chǎn)品-XX花的迭代算法版本效果圖）

補(bǔ)充B：金融風(fēng)控PM在這個(gè)階段怎么做？

這個(gè)補(bǔ)充是來(lái)自于一些內(nèi)部學(xué)員的反饋，就是希望更具體知道這個(gè)階段推進(jìn)迭代是怎么開展的。

其實(shí)對(duì)于一個(gè)模型來(lái)說，你要達(dá)到什么指標(biāo)，滿足或者不滿足，不滿足就繼續(xù)推進(jìn)呀。而你要推進(jìn)這個(gè)迭代所期望的目標(biāo)，就要分析目前是有什么不足和問題，需要找資源呀。這個(gè)本質(zhì)和傳統(tǒng)PM或者其他策略PM，都是相通的。

但是！這里的資源和判斷方法是有區(qū)別的，你所監(jiān)控的數(shù)據(jù)指標(biāo)是也是有區(qū)別的。（如你要判斷客戶C端好不好，可能是通過日活，留存等指標(biāo)，但是算法策略模型，肯定不是說就這些了。如技術(shù)指標(biāo)AUC這些是主要的。）

下面說說：假設(shè)在模型建立后，需要對(duì)模型的預(yù)測(cè)能力、穩(wěn)定性進(jìn)行評(píng)估，從而進(jìn)行推進(jìn)迭代。那么，看模型效果不能只看KS，KS定義是從0-1概率之間好壞樣本累計(jì)概率最大差值，實(shí)際應(yīng)用中一般不會(huì)直接取這個(gè)閾值（cutoff）作為策略，因?yàn)樵谶@種cutoff下，通過率可能會(huì)很低。

風(fēng)控不能不管業(yè)務(wù)，舉個(gè)極端的例子，通過調(diào)整cutoff，風(fēng)控幾乎可以做到任意想要的逾期率，但這樣通過率就很低了，業(yè)務(wù)規(guī)?？赡苤煌Ａ粼跇O少數(shù)資質(zhì)優(yōu)秀的客戶。

所以評(píng)估模型時(shí)，基于風(fēng)險(xiǎn)的評(píng)估及基于業(yè)務(wù)的評(píng)估是必須的。

因此，模型評(píng)估可分為三層：

• 第一層：機(jī)器學(xué)習(xí)模型評(píng)估指標(biāo)。信用評(píng)分模型常用的評(píng)估指標(biāo)為KS、AUC等。 考慮到金融業(yè)務(wù)反饋周期長(zhǎng)的特點(diǎn)，除了劃分訓(xùn)練集、測(cè)試集外，通常會(huì)預(yù)留一段訓(xùn)練樣本覆蓋時(shí)間段之外的數(shù)據(jù)集，作為OOT（跨時(shí)間）測(cè)試集，以測(cè)量模型在時(shí)間上的穩(wěn)定性；
• 第二層：風(fēng)控層面；（比如在不同bucket下，預(yù)測(cè)概率的排序性能）
• 第三層：業(yè)務(wù)層面。（比如攔截率，通過率，逾期表現(xiàn)等）

總之，基于上面的評(píng)估分層，監(jiān)控也做對(duì)應(yīng)的分層監(jiān)控，如果有條件，還可以對(duì)輸入到模型中的特征進(jìn)行監(jiān)控（比如特征的分布、波動(dòng)率等）。

那么重點(diǎn)來(lái)了，你監(jiān)控這么多維度就可以判斷ok不ok，正常不正常，哪些不正常你就根據(jù)業(yè)務(wù)目標(biāo)、系統(tǒng)目標(biāo)去反推不足進(jìn)行迭代。

僅此而已，有時(shí)候?qū)τ陲L(fēng)控金融策略類PM，其實(shí)不用把他們想的太復(fù)雜和深?yuàn)W。

4. 重要金融風(fēng)控策略模型2：B卡（貸中反欺詐模型）

貸中反欺詐按粒度可分為兩類：用戶級(jí)與交易級(jí)。

1. 用戶級(jí)粒度：這個(gè)會(huì)相對(duì)粗一些，即斷定當(dāng)前客戶為欺詐客戶，可能的策略就是不允許欺詐用戶在平臺(tái)上發(fā)生交易行為；
2. 交易級(jí)粒度：這是較細(xì)粒度的，即根據(jù)交易上下文、IP、設(shè)備、地域判斷當(dāng)前交易是否為欺詐交易，如果是，即不允許客戶進(jìn)行此筆交易。

PM需要關(guān)注貸中反欺詐模型，有3方面的關(guān)鍵點(diǎn)：

1. 長(zhǎng)尾分布：欺詐用戶其實(shí)是極少的；
2. 對(duì)抗性顯著：欺詐用戶會(huì)想辦法找出系統(tǒng)及規(guī)則的漏洞；
3. 模仿正常行為：欺詐用戶會(huì)利用偽造消費(fèi)流水，前期正常還款等行為等，讓金融公司放松警惕，當(dāng)提額到一定程度后，便開始逾期。

除了以上，我建議想風(fēng)控類PM，不管是了解還是想轉(zhuǎn)行，可以從信用卡養(yǎng)卡策略和規(guī)則研究研究……理由不解釋。

5. 新穎金融風(fēng)控策略模型：社交網(wǎng)絡(luò)在風(fēng)控模型中的應(yīng)用

社交風(fēng)控模型，本質(zhì)就是基于社交網(wǎng)絡(luò)的反欺詐。（之前的借貸寶，就是很典型的基于該模型的一個(gè)P2P產(chǎn)品，熟人借錢等也是）

基本思想其實(shí)很簡(jiǎn)單，物以類聚，人以群分。比如：一個(gè)欺詐分子，可能與其有關(guān)系（在Graph上表現(xiàn)為有直接的邊連接，這種也稱之為一階親密度；或者通過邊的游走能夠觸達(dá)，這種稱之為多階親密度），那么可能這些與之有關(guān)系的用戶也是欺詐分子。

補(bǔ)充1：對(duì)社交風(fēng)控模型（反欺詐）的解釋

好多人應(yīng)該比較好奇這種模型。（微信內(nèi)部也有這樣的模型，但應(yīng)用是在微信內(nèi)部，朋友圈等方面，這個(gè)不方便多講，下面以攜程金融的風(fēng)控社交網(wǎng)絡(luò)為例，談?wù)剬?shí)踐方面PM的思考點(diǎn)）

如圖所示，通過梳理攜程生態(tài)內(nèi)關(guān)鍵實(shí)體、關(guān)系。

1. 首先構(gòu)建了一個(gè)龐大的異構(gòu)社交網(wǎng)絡(luò)，該網(wǎng)絡(luò)包含10億級(jí)別的頂點(diǎn)，50億級(jí)別的邊。
2. 接下來(lái)是通過算法，發(fā)現(xiàn)社區(qū)(Community)。由于社交網(wǎng)絡(luò)的數(shù)據(jù)量相對(duì)來(lái)講是比較大的，因此在算法層面，對(duì)運(yùn)算效率要求也是比較高的，同時(shí)對(duì)于社區(qū)劃分的穩(wěn)定性有一定要求。
3. 在實(shí)際落地中采用LPA、改進(jìn)的Louvain，實(shí)現(xiàn)T+1的社區(qū)發(fā)現(xiàn)。
4. 最后基于劃分的社區(qū)，可以獲得社區(qū)的各種屬性統(tǒng)計(jì)，這個(gè)作為反欺詐策略的重要參考。

算法的策略流程是怎樣的呢？

舉個(gè)例子，比如：當(dāng)有一個(gè)用戶到來(lái)的時(shí)候，看其屬于哪個(gè)社區(qū)，根據(jù)改社區(qū)的屬性確定該用戶是否為欺詐用戶。

據(jù)攜程內(nèi)部，目前在攜程金融的實(shí)際應(yīng)用中，基于社交網(wǎng)絡(luò)的風(fēng)控指標(biāo)已經(jīng)覆蓋了貸中80%的貸款請(qǐng)求，同時(shí)通過社交網(wǎng)絡(luò)，挖掘關(guān)系人一度或者多度關(guān)系，對(duì)嚴(yán)重的逾期行為，通過多度關(guān)系進(jìn)行催收，提升回催率。

四、總結(jié)

沒有太多總結(jié)，對(duì)于這部分更多是金融風(fēng)控+策略PM上認(rèn)知上的分析。其實(shí)還有個(gè)比較關(guān)鍵的內(nèi)容，就是實(shí)時(shí)性的計(jì)算。

關(guān)于金融類特征指標(biāo)的實(shí)時(shí)性，不會(huì)是全部都要求，只會(huì)選擇一些業(yè)務(wù)需要、風(fēng)險(xiǎn)相關(guān)的。

舉一些例子：（節(jié)選攜程PM團(tuán)隊(duì)內(nèi)部分享）

（1）如計(jì)算維度的特征：

（2）怎么計(jì)算呢？

Down，最后回顧一下，這篇主要定位是關(guān)于金融+風(fēng)控類的認(rèn)知。

總的來(lái)說，這篇主要想說明的是幾個(gè)認(rèn)知上的東西：

• 一是了解風(fēng)控中金融常見業(yè)務(wù)規(guī)則的類型（大概有個(gè)認(rèn)知即可）；
• 二是了解對(duì)應(yīng)架構(gòu)是如何的（以攜程為例，簡(jiǎn)單了解即可）；
• 三是對(duì)一些金融中常用的策略模型算法解釋，這部分是重點(diǎn)重點(diǎn)（金融風(fēng)控玩的就是策略+模型）。

這幾個(gè)都是以實(shí)踐通用去說，以金融風(fēng)控PM的角度去看，并且以O(shè)TA產(chǎn)品，以攜程或者螞蟻金融風(fēng)控為例加強(qiáng)認(rèn)知。如唯品會(huì)金融的唯品花，攜程金融的拿去花，螞蟻支付寶的花唄等服務(wù)，其實(shí)在金融中既屬于業(yè)務(wù)也屬于理財(cái)或者消費(fèi)產(chǎn)品，對(duì)于風(fēng)控+金融類PM，這些是他們落地實(shí)踐和應(yīng)用的產(chǎn)品對(duì)象。

本文由 @鳳城狂客 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplash，基于CC0協(xié)議