风控培训.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,信贷征信培训,国内外征信,-,风控发展,国内审核系统及决策,引擎,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,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,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：,2Meta Data(a),：参数 整数 正数,Meta Data(b),：参数 整数 正数,期望：寻找出,1+1+1=,？,结论：,3,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,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,Y,亲情提供：,加权计算,&,归类后,30%500(,人,),15%400(,人,),10%200(,人,),5%100(,人,),50%725(,人,),Ps:,此部分不具备真实数据作为支撑,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。,换个角度,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。,30%500(,人,)60.0%,利率,23%,风险准备金,15%400(,人,)35.0%,利率,12%,风险准备金,10%200(,人,)26.7%,利率,6%,风险准备金,5%100(,人,)14.7%,利率,2%,风险准备金,50%725(,人,)90.0%-120.0%,利率,30%,风险准备金,Ps:,此部分不具备真实数据作为支撑,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）,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）,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,Mini Data,-,Data,Center,Database Management System,MongoDB&MapReduce,Mini Data,-,Data,Center,Mini Data,-,Data Center,Q&A,