搜索
信贷征信培训1.国内外征信-风控发展2.国内审核系统及决策引擎3.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MetaData+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：2MetaData(a)：参数整数正数MetaData(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：789XX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Yooli.com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：39Attribute•单位调查：64Attribute•联系人：77*7Attribute•面审：67Attribute•终审：45Attribute•初审：33Attribute•流水及征信：82Attribute•电话调查：7*15Attribute•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MiniData-DataCenter•DatabaseManagementSystem•MongoDB&MapReduceMiniData-DataCenterMiniData-DataCenterQ&A