本文將探討為何在當(dāng)前環(huán)境下，傳統(tǒng)的知識(shí)傳授方式不再是首選，以及如何利用現(xiàn)代技術(shù)手段，特別是人工智能，來構(gòu)建自己的知識(shí)體系和解決實(shí)際問題的能力。

為什么我不寫風(fēng)控的基礎(chǔ)知識(shí)？

就是那些什么概念是什么，計(jì)算公式是什么，代碼實(shí)現(xiàn)如何如何，應(yīng)用案例有什么的問題。

基礎(chǔ)知識(shí)都沒有寫的必要了。

以前你要檢索到你想了解的知識(shí)點(diǎn)，一般需要看多個(gè)博客或者貼子或者回答或者百科，現(xiàn)在ai可以幫你檢索總結(jié)歸納，這比一般人寫的書好用多了。

實(shí)際上，最好的學(xué)習(xí)基礎(chǔ)知識(shí)的辦法是，也就是說入門一個(gè)行業(yè)的辦法是，你去想辦法搞定一個(gè)目錄，然后自行去問ai，和ai對(duì)話直到你搞明白那些知識(shí)點(diǎn)。最好的學(xué)習(xí)辦法不是找到一本書看一遍，而是自己寫一本書，借助ai。當(dāng)然，你不用產(chǎn)出這個(gè)實(shí)體。這很顯而易見，不是暴論。

至于怎么搞定目錄，你可以檢索一些東西，去建立一些感覺，更快捷的辦法是網(wǎng)上找一些課程（我沒讓你付費(fèi)）做參考，然后整理出一套你覺得可以的目錄。甚至，這個(gè)問題本身你可以也問ai啊。

一、基本知識(shí)

1. 消費(fèi)貸、現(xiàn)金貸
2. 個(gè)人消費(fèi)貸、小微企業(yè)貸
3. 自營(yíng)、助貸、聯(lián)營(yíng)

二、產(chǎn)品要素

1. 額度
2. 定價(jià)
3. 期數(shù)
4. 還款方式

三、風(fēng)險(xiǎn)類別

1. 欺詐風(fēng)險(xiǎn)：一方欺詐、三方欺詐
2. 信用風(fēng)險(xiǎn)：還款能力、還款意愿

四、資產(chǎn)指標(biāo)

1. 時(shí)點(diǎn)余額、新增放款額
2. 資產(chǎn)收益率，風(fēng)險(xiǎn)成本、資金成本、獲客成本等，盈虧線

五、運(yùn)營(yíng)指標(biāo)

1. 轉(zhuǎn)化率：點(diǎn)擊、申請(qǐng)、通過、用信???????
2. 通過率：授信、用信，加一個(gè)催回率吧???????????
3. 各種率：復(fù)借率、入催率、不良率、額度使用率……
4. 客群質(zhì)量：各種分布、psi
5. 久期

六、風(fēng)險(xiǎn)指標(biāo)

1. fpd
2. dpd：M1、M2、M3……
3. 年化風(fēng)險(xiǎn)
4. 時(shí)點(diǎn)不良率、新發(fā)不良率

七、效果指標(biāo)

1. iv
2. auc
3. ks
4. lift

八、標(biāo)簽分析

1. vintage
2. 滾動(dòng)率

九、模型策略算法

1. 邏輯回歸??????
2. 決策樹
3. 梯度提升樹、神經(jīng)網(wǎng)絡(luò)等??
4. 交叉矩陣分析法

十、階段

1. 貸前：反欺詐、審批、額度、定價(jià)???
2. 貸中：調(diào)額調(diào)價(jià)，交易攔截，止付清退???????
3. 貸后：催收?

十一、策略和模型

1. 策略：分群、評(píng)級(jí)????????
2. 模型：A卡、B卡、C卡、F卡????
3. 兩者差異點(diǎn)

十二、數(shù)據(jù)

1. 黑名單
2. 征信報(bào)告
3. 三方數(shù)據(jù)
4. 內(nèi)部行為數(shù)據(jù)

十三、其他

1. 多頭：是什么，有什么特點(diǎn)和影響?????
2. 分?jǐn)?shù)校準(zhǔn)：是什么，為什么做，怎么做
3. 普惠金融：是什么，普在哪，惠在哪，挑戰(zhàn)在哪

以上，列了很多名詞，我第一感覺還是列得太簡(jiǎn)單了。

但你不只是要了解這些名詞，還包括在這些基礎(chǔ)知識(shí)背后無限延伸的知識(shí)點(diǎn)，例如訓(xùn)練、測(cè)試、驗(yàn)證，例如過擬合、欠擬合，例如需求提出、方案設(shè)計(jì)、開發(fā)、驗(yàn)證、應(yīng)用、部署、監(jiān)控和迭代……實(shí)際上，很多名詞都可以展開成一本書，這么看也還行。

很多人喜歡要代碼，很好笑。實(shí)際上，ai隨時(shí)可以告訴你，你既不用搜集收藏，你只是需要知道那個(gè)知識(shí)點(diǎn)，知道那么回事，真的要代碼的時(shí)候，問ai就行了，何必找自己的收藏呢？

還是舉舉例子吧，要謙卑要有耐心。

例如，評(píng)分卡建模要先進(jìn)行變量篩選，缺失率、psi、iv、相關(guān)系數(shù)、多重共線性等等，這些概念是什么，常見閾值是什么，為什么是這個(gè)閾值或者說這個(gè)閾值代表著什么，代碼怎么實(shí)現(xiàn)，搞清楚這些，最好的辦法是什么？問ai，要什么書？

例如，ABCF卡是什么？區(qū)別在哪里？對(duì)應(yīng)的特征是什么？標(biāo)簽是什么？應(yīng)用場(chǎng)景是什么？問ai。

例如，策略和模型分別是干什么的？相同點(diǎn)在哪，差異點(diǎn)在哪？問ai。

唯一有一個(gè)難點(diǎn)是，要想擅長(zhǎng)提問，要很會(huì)觀察。因?yàn)檎嬲闹R(shí)有很多細(xì)節(jié)，你忽略了細(xì)節(jié)，就相當(dāng)于無知。

例如前面ABCF卡，你光問是什么、怎么做是不夠的，真實(shí)項(xiàng)目不是一個(gè)kaggle比賽，你哪來的y，你的特征在哪里？甚至，樣本選擇有沒有講究，效果大概是多少，是不是不同的場(chǎng)景都不太一樣，你做出來的ks是10怎么辦，30怎么辦，50怎么辦？你總要?jiǎng)e人提醒你，怎么著怎么著，你就希望從書里看到別人說：It’s worth noting that …看到好多notes了吧，但因?yàn)椴皇悄阕约合氲?，過眼就成云煙了吧。

發(fā)現(xiàn)了沒有，你真正需要做的是什么？是提出問題，一般的書不教你這一點(diǎn)。作者不一定很懂行，更不一定懂教書，他們做的只是匯總信息，而這一點(diǎn)意義都沒有。

當(dāng)你真的懂提問的時(shí)候，你才入了行，然后才能感悟到一些東西。你越強(qiáng)，越能懂我強(qiáng)。

好了，雖然你可能極度失望，心想看了個(gè)寂寞。但事實(shí)上，至少你知道了第一個(gè)你需要解決的問題：搞定目錄。這很重要，你解決了一系列問題然后成為了專家，而不是買了幾本書收藏了幾篇文章。