眾所周知，金融是數(shù)據(jù)化程度最高的行業(yè)之一，也是人工智能和大數(shù)據(jù)技術(shù)重要的應(yīng)用領(lǐng)域。隨著大數(shù)據(jù)收集、存儲(chǔ)、分析和模型技術(shù)日益成熟，大數(shù)據(jù)技術(shù)逐漸應(yīng)用到金融風(fēng)控的各個(gè)環(huán)節(jié)。個(gè)推作為專業(yè)的數(shù)據(jù)智能服務(wù)商，擁有海量數(shù)據(jù)資源，在智慧金融領(lǐng)域也推出了相應(yīng)的數(shù)據(jù)解決方案-個(gè)真，為金融客戶提供智能反欺詐、多維信貸風(fēng)險(xiǎn)評(píng)估和高意愿用戶智能篩選等全流程的數(shù)據(jù)服務(wù)，助力各金融機(jī)構(gòu)全面提升風(fēng)控能力。本文將圍繞大數(shù)據(jù)風(fēng)控，結(jié)合個(gè)推實(shí)踐，介紹金融風(fēng)控機(jī)器學(xué)習(xí)的基本流程、算法實(shí)踐和產(chǎn)品化建設(shè)等內(nèi)容。

風(fēng)控流程 & 多維度特征

大數(shù)據(jù)風(fēng)控的內(nèi)容

數(shù)據(jù)是風(fēng)控的核心要素，大數(shù)據(jù)風(fēng)控實(shí)際上就是對(duì)數(shù)據(jù)的處理、建模和應(yīng)用的過(guò)程。大數(shù)據(jù)風(fēng)控的流程主要分為四個(gè)階段：數(shù)據(jù)獲取、數(shù)據(jù)分析、數(shù)據(jù)建模、風(fēng)控產(chǎn)品應(yīng)用。對(duì)獲取到的海量數(shù)據(jù)進(jìn)行清洗和挖掘，有針對(duì)性地對(duì)金融特征進(jìn)行深加工；接著通過(guò)規(guī)則策略和模型算法的構(gòu)建，對(duì)外輸出相應(yīng)的風(fēng)控服務(wù)。

個(gè)推以消息推送服務(wù)起家，為數(shù)十萬(wàn)APP提供高效穩(wěn)定的推送服務(wù)，并沉淀了豐富的數(shù)據(jù)資源，覆蓋超過(guò)40億終端設(shè)備，數(shù)據(jù)全面、廣泛且有深度。利用設(shè)備基礎(chǔ)信息、線上APP偏好數(shù)據(jù)、線下場(chǎng)景數(shù)據(jù)以及外部補(bǔ)充數(shù)據(jù)，個(gè)推構(gòu)建了8個(gè)維度、350+特征，同時(shí)對(duì)特征進(jìn)行動(dòng)態(tài)更新。基本屬性、資產(chǎn)、金融、行為偏好、社會(huì)屬性、消費(fèi)偏好、風(fēng)險(xiǎn)和穩(wěn)定性構(gòu)成了個(gè)推金融數(shù)據(jù)的八大維度；個(gè)推利用數(shù)據(jù)的八大維度，逾350種特征進(jìn)行模型構(gòu)建，并將其應(yīng)用于金融風(fēng)控各環(huán)節(jié)。

金融風(fēng)控機(jī)器學(xué)習(xí)的基本流程

整個(gè)風(fēng)控建模流程，在個(gè)推大數(shù)據(jù)平臺(tái)上完成。首先，對(duì)持續(xù)更新的海量一手?jǐn)?shù)據(jù)進(jìn)行收集、清洗、存儲(chǔ)，在數(shù)據(jù)存儲(chǔ)前進(jìn)行ID打通；第二步，對(duì)清洗好的原數(shù)據(jù)進(jìn)行特征構(gòu)建；最后，利用多維度特征進(jìn)行金融風(fēng)控模型構(gòu)建，用到的技術(shù)包括協(xié)同推薦算法、LR算法、XGBoost、營(yíng)銷模型、多頭模型和信用分模型等。

建模流程

如何高效構(gòu)建特征，是風(fēng)控建模中一個(gè)至關(guān)重要的問(wèn)題。在實(shí)踐中，個(gè)推會(huì)對(duì)特征進(jìn)行穩(wěn)定性分析、臟數(shù)據(jù)/異常數(shù)據(jù)處理、特征分箱、特征聚合和特征有效性驗(yàn)證。特征評(píng)估指標(biāo)則包括IV值、Gain值、單調(diào)性、穩(wěn)定性和飽和度等。

風(fēng)控場(chǎng)景機(jī)器學(xué)習(xí)的算法實(shí)踐

利用上述多維度特征和建模能力，增能于貸前、貸中和貸后全流程：拉、選、評(píng)、管、催五大環(huán)節(jié)。

全流程數(shù)據(jù)增能

拉-營(yíng)銷模型，甄別虛假注冊(cè)，評(píng)估借貸意愿

在拉新獲客階段，個(gè)推制定貼合大額、小額兩種營(yíng)銷場(chǎng)景需求的營(yíng)銷模型，通過(guò)規(guī)則策略、模型策略、風(fēng)控策略三管齊下，幫助客戶識(shí)別“真人”，有效降低獲客成本、提升注冊(cè)率和轉(zhuǎn)化率?？蛻艨赏ㄟ^(guò)提供樣本數(shù)據(jù)，通過(guò)個(gè)推來(lái)完成建模，同時(shí)，在缺乏樣本數(shù)據(jù)的情況下，個(gè)推依托自身積累的海量樣本數(shù)據(jù)，可以構(gòu)建出多種營(yíng)銷場(chǎng)景下的通用模型，供客戶使用。

選-貸前的審核，識(shí)別欺詐人群，防范惡意騙貸

貸前審核階段我們通常采取兩個(gè)策略：欺詐分模型、風(fēng)險(xiǎn)人群篩選。欺詐分模型指的是根據(jù)客戶提供的數(shù)據(jù)信息在個(gè)推平臺(tái)進(jìn)行數(shù)據(jù)轉(zhuǎn)換、特征匹配，并對(duì)其風(fēng)險(xiǎn)特征予以篩選，利用預(yù)設(shè)規(guī)則予以打分，最后得出相應(yīng)的欺詐分。個(gè)推在逾350種特征中識(shí)別出數(shù)幾十種風(fēng)險(xiǎn)特征。舉例來(lái)說(shuō)，當(dāng)某用戶安裝小貸類APP達(dá)到多款以上，或線下到訪場(chǎng)景異常，或該用戶命中黑名單都會(huì)被識(shí)別為風(fēng)險(xiǎn)特征。根據(jù)欺詐分的高低予以排序，為客戶列出不準(zhǔn)入人員、需重點(diǎn)關(guān)注人員等。

風(fēng)險(xiǎn)人群篩選指的是根據(jù)用戶存在的風(fēng)險(xiǎn)特征數(shù)量及程度，梳理出風(fēng)險(xiǎn)人員。個(gè)推利用篩選出的8種維度、350+特征，通過(guò)模型預(yù)測(cè)和規(guī)則制定，輸出三類風(fēng)險(xiǎn)人群：黑名單、灰名單、多頭名單。多頭名單顧名思義，當(dāng)某用戶頻繁安裝或卸載多款借貸類APP時(shí)則會(huì)被模型系統(tǒng)判定為多頭人員；灰名單指的是穩(wěn)定性較差的人員，黑名單指的是異常人員。在貸前審核階段，黑名單人員可直接不予以準(zhǔn)入，灰名單和多頭人員則需要重點(diǎn)關(guān)注。

評(píng)-信用分模型，貸前信用評(píng)估，輔助貸款定額

在評(píng)的階段，個(gè)推采用信用分模型，為客戶輸出用戶的信用評(píng)分。信用評(píng)分由五種維度構(gòu)建而成：資產(chǎn)、身份、穩(wěn)定性、關(guān)系、行為。個(gè)推信用評(píng)分模型先根據(jù)模型訓(xùn)練與規(guī)則模型，得到各個(gè)維度分，再將五個(gè)維度的個(gè)人評(píng)分作為特征輸入模型，作為特征得到總體個(gè)人信用分。

信用分模型由多個(gè)模型整合而成，第一層是分類模型（lr+xgboost）,得到分值；第二層在維度分的基礎(chǔ)上再進(jìn)行回歸，得到最終信用評(píng)分。

管-貸中管控，監(jiān)測(cè)異常特征，實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)警

在管的環(huán)節(jié)，個(gè)推采用貸中監(jiān)測(cè)模型。從整體人群篩選出逾期相似(相關(guān))人群，結(jié)合實(shí)時(shí)數(shù)據(jù)與高危特征異常監(jiān)測(cè)得到高疑用戶，結(jié)合客戶的實(shí)際需求，對(duì)此類用戶通過(guò)進(jìn)一步的精準(zhǔn)研判得到逾期風(fēng)險(xiǎn)人員，將此類人員告知客戶，讓其予以重點(diǎn)關(guān)注或排查。

催-貸后催管，催回價(jià)值評(píng)估，提高催回效率

在催的環(huán)節(jié)，個(gè)推基于自身構(gòu)建的催回評(píng)分系統(tǒng)，可以有效指導(dǎo)金融機(jī)構(gòu)制定差異化催管策略，助力更高效地完成催收工作。比如，當(dāng)客戶出現(xiàn)逾期和壞賬時(shí)，金融機(jī)構(gòu)通過(guò)個(gè)推的催回評(píng)分，對(duì)用戶的還款能力和還款意愿進(jìn)行評(píng)估，從而判斷哪些用戶優(yōu)先催。

風(fēng)控系統(tǒng)產(chǎn)品化

前面幾個(gè)流程主要講的是個(gè)推利用多維度特征自主構(gòu)建風(fēng)控模型，但在很多業(yè)務(wù)場(chǎng)景客戶希望快速構(gòu)建特征、快速返回風(fēng)控結(jié)果。為此，我們研發(fā)上線個(gè)真決策引擎，在規(guī)則設(shè)計(jì)層為客戶提供風(fēng)控規(guī)則，讓業(yè)務(wù)人員在規(guī)則執(zhí)行層通過(guò)規(guī)則性加工進(jìn)行靈活操作，目前已提供給部分客戶試用。

風(fēng)控決策引擎

如今，科技與金融深度交融的時(shí)代已經(jīng)到來(lái)，金融風(fēng)險(xiǎn)控制任重而道遠(yuǎn),。個(gè)推將持續(xù)挖掘其豐富的數(shù)據(jù)資產(chǎn)，不斷打磨自身技術(shù)，助力金融行業(yè)運(yùn)作效率和服務(wù)能力的全面提升。

大數(shù)據(jù)實(shí)踐——構(gòu)建新特征指標(biāo)與構(gòu)建風(fēng)控模型
https://blog.csdn.net/Tianweidadada/article/details/88902581/