什么是风控？（针对风控做个概述初步的认识后续会进行从产品到策略上的深度解析）

最近工作有点心情抑郁的我，来撸几个文吧。如果有不对的地方请各位勿喷，只是经验之谈。本期只针对风控做个概述，初步的认识，后续会进行从产品到策略上的深度解析。

风控对于很多人来说觉得很高大上，其实是挺高大上的，但也不是那么难的。很多人问我，是不是我得会建模？逻辑回归、决策树、机器学习、NPL等等，听起来是听厉害的，我看也是又会这又会那是挺厉害的，其实，很多事情并不难，且听我一一道来。

其实风控分几种，分别是风控产品、风控策略、风控建模。没错，不是每个风控人员都会建模，其实大部分人只是会SQL语句，找到维度共性，在让专业做模型的同学去完成后面的操作，不过是用Logistic还是用什么，不过风控现在比较常用的是Logistic和Decision Tree以及分类算法。

那么，机器学习是什么？作用是什么？其实主要是喂养数据，调整模型的，风控看的比较多的是KS值，和AUC以及其他的一些值。

大体简单介绍下这两个值，KS值主要是为了区分数据样本在模型的正负关系（也就是好坏程度），主要是这个图是个曲线，对于风控来说，如果数据样本呈正态分布是一个好现象。所以，KS其实也是区分这个曲线的正太分布情况的，取值是在0~1区间，数值越大，就可以说样本分的过开，可能样本不是很好（或者模型不好）。当然，KS只是代表模型的分隔能力，并不代表正确。

（来自网络图片）

那么，AUC是什么呢？其实也是跟ks差不多的一个分值器，用以区分好坏样本，是ROC曲线的概率区域。AUC值越大，证明该算法在正负样本内有更好的分类。

（来自网络图片）

好了，这个其实不懂也没关系，作为风控产品，模型还是交给专业的人士去做吧~

那么言归正传，风控产品需要懂什么呢？首先，我们要明白这个风控是给什么公司做的，传统的金融机构比如银行、证券公司我就不说了，因为他们的风控早些年还是通过评分卡进行打分，并且都是通过专业的风控、信审人员去线下核对的，此外再加上央行报告，所以逾期率比较低。这里介绍的风控主要是针对大数据风控的。

大数据风控（主要针对金融行业，如果是其他行业的我以后会说），顾名思义得有大数据，很多公司没有咋办？当然是采购，市面上很多数据公司，数据公司的选择自己评估吧。我只是大概说下一般需要什么类型的数据：

1. 身份认证类（比如三要素、四要素等）
2. 反欺诈类（如运营商信息等）
3. 名单核验类（黑白灰名单、司法等）
4. 第三方评分类（可有可无，主要针对自己模型没有建立的）

基本用户进件后风控流程如下所示：

当然根据公司场景还会增加，反欺诈除了运营商的数据类型以外，其实更多的是通过手机设备指纹收集的用户的一些操作行为数据，进行反欺诈规则的设置分析。

这又不得不说到风控的本质了，风控的本质其实就是区分用户是好人还是坏人、是人还是机器人。在风控策略设置上只要紧扣这2点就行。

那么针对一个系统，整体流程是怎么样的呢？如下图所示（只是个大概）

主要风控，是一个选件的过程，通过内置一些风控规则和数据支持，通过计算机更好的区分这个用户是否是好人、是否是人，是否能还款、有没有还款能力这几件事，来帮助金融类公司进行更好的借贷、分期等消费分期行为。

具体的风控策略设置、风控系统搭建会在以后介绍，本期内容就到此为止，如有问题欢迎指正。

读者福利：免费提供私域运营诊断方案（每天随机10个名额）加微信： 57807073 (长安复制） 马上咨询 ！

版权声明：本文内容由互联网用户自发贡献，该文观点及内容相关仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容请联系QQ：15101117立即清除！