繼上一系列的姊妹篇《風(fēng)控規(guī)則類型策略淺析（認(rèn)知）》，這篇定位是關(guān)于金融+風(fēng)控類的認(rèn)知。

總的來說，這篇主要想說明的是幾個認(rèn)知上的東西：

• 一是了解風(fēng)控中金融常見業(yè)務(wù)規(guī)則的類型（大概有個認(rèn)知即可）；

• 二是了解對應(yīng)架構(gòu)是如何的（以攜程為例，簡單了解即可）；

• 三是對一些金融中常用的策略模型算法解釋，這部分是重點重點（金融風(fēng)控玩的就是策略+模型）。這幾個都是以實踐通用去說，以金融風(fēng)控PM的角度去看，并且以O(shè)TA產(chǎn)品，以攜程或者螞蟻金融風(fēng)控為例加強認(rèn)知。

（如唯品會金融的唯品花，攜程金融的拿去花，螞蟻支付寶的花唄等服務(wù)，其實在金融中既屬于業(yè)務(wù)也屬于理財或者消費產(chǎn)品，對于風(fēng)控+金融類PM，這些是他們落地實踐和應(yīng)用的產(chǎn)品對象。）

補充1，關(guān)于風(fēng)控：

風(fēng)控策略通常會包含很多種類型的規(guī)則，每個規(guī)則都是結(jié)合產(chǎn)品、業(yè)務(wù)基于經(jīng)驗和數(shù)據(jù)分析產(chǎn)生出來的。所以，用于區(qū)分線上交易中產(chǎn)生的針對不同場景的問題交易，包括欺詐，洗錢，賬戶盜用等等。那么，這里的策略更多地會結(jié)合用戶體驗和業(yè)務(wù)來平衡損失跟業(yè)務(wù)發(fā)展的關(guān)系，不同企業(yè)應(yīng)該根據(jù)自身的業(yè)務(wù)情況選擇適合的策略體系。

補充2：關(guān)于風(fēng)控PM（面試或者書面背景，比較常用到）：

風(fēng)控是一個對抗性很強的工作，風(fēng)控PM是一個很nice（耐撕）的人。

當(dāng)你有了比較強的防御措施之后，敵人（對不起，其實不應(yīng)該說敵人，應(yīng)該說黑產(chǎn)或者“平臺不喜歡的用戶”，但如果你在“風(fēng)控類PM”的面試時，如果說“敵人”，可能會引起共鳴加分喲）就會知道他們的某些行為觸犯風(fēng)控規(guī)則，此時他們不會無謂地嘗試?yán)速M手里的資源。

目前黑產(chǎn)非常龐大，他們可能擁有比風(fēng)控策略還要全的一套流程和資源。

這要求風(fēng)控策略要不斷的更新升級，而且監(jiān)控、回顧和分析歷史規(guī)則是一項基本的風(fēng)控工作，那么，PM必須要及時地更新策略以及策略的玩法，保證你所負(fù)責(zé)產(chǎn)品范圍的風(fēng)控策略的靈活性。

總的來說，風(fēng)控類PM要記住的一個很關(guān)鍵的點，其實也挺有意思——就是我們做PM，往往都說用戶是上帝，尤其對于C端要和用戶做朋友，他們所想所需你應(yīng)該要滿足，同理B端也是大概如此，只是用戶不是個人可能是企業(yè)可能是內(nèi)部某群體。

但是，風(fēng)控PM則不同，你的落地所面向的用戶，其實看起來是用戶，但其實不是真正的用戶，或者理解不是一個符合你產(chǎn)品業(yè)務(wù)、公司行業(yè)規(guī)則的正常用戶，而是敵人。

所以你這個對待“用戶”的關(guān)系要調(diào)整，你可以換位思考可以用同理心，但是你的取向更多是對抗性質(zhì)，就如同我為什么第一句就是說風(fēng)控本質(zhì)就是一個對抗。畢竟你的所研究用戶化對象是一群善于偽裝，不斷調(diào)整和改進，想盡辦法模仿成正常人，享受著與風(fēng)控對抗并獲利的一群人，所以風(fēng)控策略PM也是無時無刻不在攻防呀~

另外，如果對風(fēng)控或者風(fēng)控PM不是很了解的，強烈建議先看：《風(fēng)控規(guī)則類型策略淺析（認(rèn)知）》

目錄：

一、先說下風(fēng)控金融的基本業(yè)務(wù)和風(fēng)控規(guī)則

（1）風(fēng)控金融所針對的業(yè)務(wù)

（2）金融的主流風(fēng)控規(guī)則和體系（干貨+認(rèn)知）

二、再談?wù)勏到y(tǒng)層面的架構(gòu)（上下游、中臺、支撐層面）

（1）中臺

（2）風(fēng)控產(chǎn)品系統(tǒng)架構(gòu)

三、最后談金融風(fēng)控——策略模型

（1）金融風(fēng)控模型體系的認(rèn)知

（2）金融風(fēng)控的模型評分標(biāo)準(zhǔn)

1、A卡

2、B卡

3、C卡

（3）重要金融風(fēng)控策略模型1：A卡（貸前信用風(fēng)險模型）

1、PM要分析會遇到的風(fēng)險問題

2、模型舉例分析

（4）重要金融風(fēng)控策略模型2：B卡（貸中反欺詐模型）

（5）新穎金融風(fēng)控策略模型：社交網(wǎng)絡(luò)在風(fēng)控模型中的應(yīng)用

四、沒有小結(jié)的總結(jié)

一般來說，目前比較大和成熟的金融產(chǎn)品，其實都屬于消費金融。他們的一些業(yè)務(wù)、產(chǎn)品，就是如：

• 消費分期（如唯品會的唯品會、唯品貸、支付寶的花唄、攜程金融拿去花、京東白條等等）；

• 現(xiàn)金分期（如螞蟻的借唄、攜程金融的借去花、京東金條..）；

• 理財產(chǎn)品（銀行產(chǎn)品or第三方合作）

• 信用卡（銀行合作、自家網(wǎng)上銀行）；

• 供應(yīng)鏈金融（上下游業(yè)務(wù)合作、銀行合作）。

其實金融如同商品可以很靈活，業(yè)務(wù)驅(qū)動導(dǎo)致產(chǎn)品不同，很多很多分類列不完的，但比較常見和主流就是以上這些，也是大部分用戶所玩的產(chǎn)品，業(yè)務(wù)盈利來源。

2. 金融的主流風(fēng)控規(guī)則和體系（干貨+認(rèn)知）

金融是很大的，本篇內(nèi)容只針對互聯(lián)網(wǎng)金融來看，即是消費金融，如螞蟻金融，支付寶，美團金融，JD金融，攜程金融等等都是。

這類消費金融的風(fēng)控，主要是針對“風(fēng)險”的預(yù)測、審判。

就是說更多是：有無資格呀？能過審判嗎？會不會欺詐呀？會不會延遲還款呀？會不會違約呀？

大白話，就是你要借錢給某人，你會怎樣思考和怎樣做？ （比較粗暴可以這樣理解）

整個金融風(fēng)控，大的來說就是抵御風(fēng)險，而PM就是要設(shè)計一些規(guī)則應(yīng)用到模型中來幫助抵御風(fēng)險。

所以，金融風(fēng)控即抵御風(fēng)險，金融風(fēng)控更多最后是要建立某個風(fēng)險體系，或者說基于不同業(yè)務(wù)所應(yīng)用不同風(fēng)險模型得出的等級效果估算?！救绻鸓M面試相關(guān)的，這話可以作為觀點，作為思考輸出】

補充：干貨

這類消費金融的風(fēng)險大體可分為：可控風(fēng)險、不可控風(fēng)險。

（圖片有問題失真了，在底部圈住的文字，就是我下面書寫的文字點，比如….）

• 算法能解決的主要是可控風(fēng)險：比如欺詐風(fēng)險、信用風(fēng)險及作業(yè)風(fēng)險；其中，欺詐風(fēng)險指的是客戶在發(fā)起借款請求時即無意還款，按照人數(shù)可以分為團伙欺詐和個人欺詐，欺詐者往往通過偽造身份信息、聯(lián)系方式信息、設(shè)備信息、資產(chǎn)信息等方式實施欺詐。

• 信用風(fēng)險：指的是借款人因各種原因未能及時、足額償還債務(wù)或銀行貸款而違約的可能性。（比如市場風(fēng)險、實質(zhì)風(fēng)險及名義風(fēng)險、政府“紅、黑名單”征信制度等）

所以這里綜合小結(jié)一下，金融風(fēng)控中，模型占據(jù)很高的地位，大廠都是玩這個。

所以接下來在第三部分會重點談。（第二部分接下來是一些基礎(chǔ)的系統(tǒng)和產(chǎn)品層面的架構(gòu)介紹，以攜程OTA為例、并且介紹下最近很熱的“中臺”）

二、再談?wù)勏到y(tǒng)層面的架構(gòu)（上下游、中臺、支撐層面）

補充1：要介紹這塊，是為了讓風(fēng)控金融類PM，其實也不僅僅是這類PM，而是我們整個策略PM在負(fù)責(zé)某個產(chǎn)品都需要去了解這樣的背景。

為何呢？

因為策略類PM更多都是屬于“承上啟下”的角色，要么支撐，要么應(yīng)用，都是有上下游流轉(zhuǎn)的概念。你知道了上下游才能更好去開展工作。

要介紹部分，需要先介紹一個概念，也是目前比較熱的“中臺”。

1. 中臺

這個概念介紹，網(wǎng)上很多了，所以簡單大白話說說即可。

我這里主要強調(diào)在金融風(fēng)控中：它是什么東西，為什么要它。

中臺這個概念早期是由美軍的作戰(zhàn)體系演化而來的，技術(shù)上所說的“中臺”主要是指學(xué)習(xí)這種高效、靈活和強大的指揮作戰(zhàn)體系。

（比如電商領(lǐng)域，經(jīng)過十幾年的發(fā)展，組織龐大而復(fù)雜，業(yè)務(wù)不斷細(xì)化拆分，也導(dǎo)致野蠻發(fā)展的系統(tǒng)越來越不可維護，開發(fā)和改造效率極低，也有很多新業(yè)務(wù)不得不重復(fù)造輪子，因此業(yè)界誕生了不少知名中臺系統(tǒng)，最著名的是阿里云的數(shù)據(jù)中臺建設(shè)。）

首先，有中臺的多數(shù)是公司業(yè)務(wù)、技術(shù)相對成熟完善的平臺。即中臺模型是基于完善的技術(shù)平臺的，如阿里的中臺就很出名，甚至有個中間組件團隊“橫掃”阿里內(nèi)部，這個橫掃是指支撐的作用和重要性描述。

其次，這種數(shù)據(jù)中臺一般可以抽象為三個層次，底層是基礎(chǔ)數(shù)據(jù)層，中層業(yè)務(wù)抽象模型層，以及最上層的算法模型層。

最后，在我以往所見所聞，對內(nèi)部中臺的理解是：大數(shù)據(jù)中臺的目標(biāo)是為了解決效率問題，同時降低創(chuàng)新成本。

細(xì)化具體如下:（面試如果問到中臺，可以結(jié)合經(jīng)驗說說自己的簡短理解，供參考）

• 中臺的目標(biāo)：減少溝通成本，提升協(xié)作效率；

• 中臺的實現(xiàn)手段：制定標(biāo)準(zhǔn)/規(guī)范、提供高可用數(shù)據(jù)/算法/應(yīng)用服務(wù)、提供統(tǒng)一、標(biāo)準(zhǔn)的數(shù)據(jù)研發(fā)工具；

• 中臺的原則：數(shù)據(jù)資產(chǎn)的集中管控，分布式執(zhí)行。

補充2：最后補充一個中臺的全景圖（以攜程金融為例）。

2. 風(fēng)控產(chǎn)品系統(tǒng)架構(gòu)

補充1：

其實風(fēng)控也是近幾年慢慢興起。

這個很簡單的邏輯，沒有用戶量沒有利益對抗根本不搞風(fēng)控都是可以的。但是隨著業(yè)務(wù)發(fā)展，用戶量增多，風(fēng)控就必要了。尤其是大數(shù)據(jù)、人工智能相關(guān)的興起，有了技術(shù)支撐。

那么通用的風(fēng)控產(chǎn)品系統(tǒng)架構(gòu)，后面發(fā)現(xiàn)攜程不錯。

為啥？因為也是平臺級，并且是O2O+OTA平臺，適用性很強，還可以連通線下數(shù)據(jù)，有很強借鑒意義。并且11年他們才開始搭建風(fēng)控體系，這個時間點其實也剛好是云計算等概念開始興起，所以有很強背景性。

以攜程為例：按其內(nèi)部說法，現(xiàn)在最新的架構(gòu)屬于3.0版本，也就是引入了上面中臺的東西。

但是最初的風(fēng)控小系統(tǒng)是11年開始搭建起來，大概經(jīng)歷了幾個大的迭代。所以下面就一步步去看這幾個過程的“進化”。這些內(nèi)容不是這篇文章的重點，所以更多是羅列和總結(jié)一些特別之處。主要是保持完整性，我更多以圖片說明。（圖來自攜程內(nèi)部風(fēng)控大數(shù)據(jù)以及我的一些梳理）

如果要了解攜程風(fēng)控的進展和描述，可以點這《分享關(guān)于攜程的一些風(fēng)控干貨》

第一階段

這個時候的風(fēng)控服務(wù)將所有在線決策功能整合在一個系統(tǒng)內(nèi)實現(xiàn)，包括規(guī)則判斷、名單庫、流量計算，而這些邏輯都基于數(shù)據(jù)庫實現(xiàn)。

基于當(dāng)時攜程對風(fēng)控的需求，系統(tǒng)以滿足功能為主。

PM大白話去理解：

• 規(guī)則怎么判斷？就是根據(jù)數(shù)據(jù)庫記錄大于、小于、等于等判斷規(guī)則，接收到風(fēng)險事件后獲取流量值和規(guī)則進行比較，得到最終的風(fēng)險判斷；

• 名單庫怎么判斷？數(shù)據(jù)庫維護黑白名單信息（屬性類型、屬性值、判斷依據(jù)等），程序判斷風(fēng)險事件中的值是否命中名單。

第二階段

然而，在上線運行一段時間后，隨著攜程業(yè)務(wù)的增長，風(fēng)控系統(tǒng)的流量不斷增加，基于SQL的流量統(tǒng)計耗時嚴(yán)重制約了系統(tǒng)的響應(yīng)時間，因此優(yōu)化改版。

那么怎么改呢？

由于主要性能瓶頸在于數(shù)據(jù)庫實現(xiàn)的流量查詢，這次優(yōu)化主要方向就是優(yōu)化流量查詢的實現(xiàn)：在原來單個數(shù)據(jù)庫的基礎(chǔ)上，采用分庫分表的方式均攤壓力，以達(dá)到更快的響應(yīng)時間和更高的吞吐量。

架構(gòu)圖如下：（下圖）

這個階段的版本比較重要。是為后面新版打了很關(guān)鍵的基礎(chǔ)。

從特點來看：

• 更方便快捷的接入除了支付風(fēng)險，業(yè)務(wù)的風(fēng)險也需要風(fēng)控支持；

• 更多的外部數(shù)據(jù)接入：用戶信息、位置信息、UBT信息；

• 更豐富的規(guī)則邏輯：支持任意變量的規(guī)則判斷，支持更多的判斷邏輯；

• 更高的性能：流量10x的增長，響應(yīng)時間不超過1秒；

• 編程語言的更新：攜程推動公司內(nèi).net轉(zhuǎn)java。

基于以上，才有了實時性的風(fēng)控在線支撐，也就是3.0版本了。

第三階段

個人認(rèn)為這個版本有幾個很不錯的亮點：

1. 有全鏈條的風(fēng)控。就是看上圖，從你設(shè)備行為（采集分析）到出票（交易完成）的全鏈條都是風(fēng)控有監(jiān)督；（別小看這個設(shè)備采集的環(huán)節(jié)，在整個體系中，指紋數(shù)據(jù)采集和指紋識別生成，從而判斷設(shè)備的唯一性，而唯一標(biāo)識用戶的身份是非常關(guān)鍵的，冤有頭債有主）

2. 全鏈條相關(guān)聯(lián)的。就是上下游環(huán)節(jié)相互影響，相互分析和判斷。

3. 引入了用戶風(fēng)險畫像，這個可以說是用戶畫像中比較特殊的內(nèi)容標(biāo)簽了，風(fēng)控。

4. 實時。

補充2：

為了更好理解上面的第1點找了一些相關(guān)圖片補充，依次排列：

三、最后談金融風(fēng)控——策略模型

在最前面講到金融風(fēng)控的風(fēng)險體系——消費金融的風(fēng)險大體可分為可控風(fēng)險及不可控風(fēng)險，所以這里的策略模型就是為了規(guī)避這些風(fēng)險而誕生的。

1. 金融風(fēng)控模型體系的認(rèn)知

一般來說，從上上面看整個系統(tǒng)流程圖，可以知道的是：風(fēng)控模型貫穿獲客、準(zhǔn)入、經(jīng)營、逾期的整個客戶生命周期。

所以，按消費金融類產(chǎn)品而言，大范圍通用的手段：是可以根據(jù)用戶生命周期的不同階段，可將風(fēng)控模型分為貸前信用風(fēng)險模型、貸中行為風(fēng)險模型、欺詐檢測及貸后催收模型。

不過在實踐中和業(yè)務(wù)事實上，抓住信貸審批管理就能控制80%的風(fēng)險，一旦用戶獲得授信，后續(xù)的管理只能控制20%的風(fēng)險。

除此之外，其實核心也可以根據(jù)：貸前、貸中、貸后不同場景，可以從不同的觀測粒度進行建模與抽象。

拿攜程金融的業(yè)務(wù)來講，PM可以這些角度去看：

1. 可以從每一筆交易角度來看，

2. 可以從攜程生態(tài)中用戶賬戶來看，

3. 可以從自然人概念為核心的客戶級別來看。

4. 一個自然人客戶與賬號可以是一對多的關(guān)系，一個賬號與交易也可以是一對多的關(guān)系。

補充1：

根據(jù)上述的前中后，業(yè)務(wù)和應(yīng)用算法策略：

2. 金融風(fēng)控的模型評分標(biāo)準(zhǔn)

• 你有無額度、額度多少；

• 能不能開信用卡；

• 為什么沒有借唄對你開放….

其實，如今在銀行、消費金融公司等各種貸款業(yè)務(wù)機構(gòu)，普遍使用信用評分，對客戶實行打分制，目的是想對客戶的風(fēng)險水平有一個準(zhǔn)確的判斷，并作為風(fēng)險定價的重要手段。

行業(yè)內(nèi)常用的是ABC三張評分卡。A卡、B卡、C卡分別表示：

• 申請評分卡(Application Score Card)；

• 行為評分卡(Behavior Score Card)；

• 催收評分卡(Collection Score Card)。

（1）A卡：在獲客過程中用到的信用風(fēng)險模型

從模型的角度來看，它會對用戶未來一定周期內(nèi)的逾期風(fēng)險作預(yù)測，即模型會在用戶授權(quán)的情況下收集用戶多維度的信息，以此來預(yù)測逾期概率。

預(yù)測的逾期概率被用于風(fēng)控策略或者轉(zhuǎn)換成信用評分。（比如國外經(jīng)典的FICO評分，國內(nèi)的螞蟻信用芝麻分、京東小白評分、攜程金融的程信分等。A卡評分除了用于決定是否通過用戶的信用申請，還用于風(fēng)險定價，比如額度、利率等。）

（2）B卡：為評分

即用戶拿到信用額度后，模型根據(jù)用戶的貸中行為數(shù)據(jù)，進行風(fēng)險水平的預(yù)測。

本質(zhì)上講，這個模型是一個事件驅(qū)動的模型（即輸入多維度行為——輸出結(jié)果預(yù)期分，不同的選擇造就不同的結(jié)果，很多黑產(chǎn)賣pos機或者養(yǎng)卡，就是利用一些銀行的規(guī)則），在互聯(lián)網(wǎng)金融領(lǐng)域，一般會比A卡的預(yù)測時間窗口要短，對用戶的行為更為敏感。（因為B卡除了可以用于高風(fēng)險用戶的攔截，也可以作為額度、利率調(diào)整的重要參考因素。）

（3）C卡：催收評分會判斷

這個比較好理解，沒有那么復(fù)雜，簡單說就是怎樣追債成功率會大一些。who、time、how much……(例如當(dāng)用戶出現(xiàn)逾期時，機構(gòu)應(yīng)該先催誰，或者哪些用戶不用催，就自動會把錢還回來。催收模型一定程度節(jié)約催收成本，提高回催率）

補充：小結(jié)

個人認(rèn)為上面的，金融風(fēng)控PM一般會比較關(guān)注AB類，C類往往是由一些“催債員”去跟進。

其中以A卡為重點策略模型，為何？

因為決定給不給你，等同吸引他人掏錢購物，是一個本質(zhì)重要性。（下面以金融+風(fēng)控PM角度去看，重點分析幾個金融風(fēng)控策略模型）

3. 重要金融風(fēng)控策略模型1：A卡（貸前信用風(fēng)險模型）

（1）PM要分析會遇到的風(fēng)險問題

貸前主要解決用戶準(zhǔn)入和風(fēng)險定價問題（大白話去理解就是：即面對一個新申請的進件用戶，判斷用戶是否符合產(chǎn)品的放款條件及相應(yīng)的放款額度、價格、期限等問題。）

補充1：（面試會經(jīng)常問答的）

PM面試，回答從來離不開業(yè)務(wù)+業(yè)務(wù)遇到的問題，沒有這個為前提的任何思考和需求都是比較虛的，沒有支撐點。

細(xì)分問題，PM所重點關(guān)注側(cè)策略模型，要解決的關(guān)鍵點：

1. 反欺詐識別：根據(jù)用戶提交的材料進行身份核實，確保用戶不存在欺詐行為；

2. 信用評級：與傳統(tǒng)銀行的信用評分卡原理類似，數(shù)據(jù)維度更加豐富，綜合用戶的社交數(shù)據(jù)、行為數(shù)據(jù)、收入數(shù)據(jù)等，判定用戶的信用風(fēng)險等級，評估用戶的履約能力；

3. 風(fēng)險定價：根據(jù)用戶的負(fù)債能力和收入穩(wěn)定性，判斷用戶可承擔(dān)的月供金額，確定用戶的放款額度、償還期限等，并根據(jù)用戶風(fēng)險等級確定用戶的費率。

這三個問題往往是互相影響、互為前提的。

（舉個簡單的例子，對一個月收入3000的用戶來說，月供在1000左右，用戶可能履約良好，信用等級良好；但如果月供提高到4000，嚴(yán)重超出了其收入水平，即便不是有意欺詐，也可能出現(xiàn)斷供的情況，從而得到比較差的信用等級）

（2）模型舉例分析

從PM角度去看，以攜程金融為例，看看信用風(fēng)險建模（A卡）做了關(guān)鍵點。

首先從模型的源頭，建模開始。

PM會對A卡建模工作的側(cè)重點，主要包括如下幾方面：（前兩點比較口水話，個人價值一般般，面試也比較少深挖的。第三和第四點重要，此類PM實踐工作會較多的，遇到問題也是這些環(huán)節(jié)出現(xiàn)較多，可以重點mrak）

1. 確保策略的一致性。就是盡量減少人工干預(yù)，并利用機器學(xué)習(xí)的優(yōu)勢提升決策效率；

2. 準(zhǔn)確反映并量化用戶的風(fēng)險級別。策略人員可以控制和減少風(fēng)險損失，因此對評分卡等級的排序能力、穩(wěn)定性要求會比較高。

3. 對好壞用戶定義。（這部用戶畫像PM會參與進來的）這個很有意思，因為風(fēng)控是對抗性，所以這里的用戶心理和傳統(tǒng)PM所想的不一樣。（這個我在后面補充了）

4. 樣本規(guī)模籌備、算法迭代推進。簡單說就是不斷找新的數(shù)據(jù)去測試，測試好了又不斷升級。同時不僅僅是數(shù)據(jù)量不斷更新，當(dāng)有了新的業(yè)務(wù)，那么發(fā)展起來的風(fēng)控也是需要不同的。（這個也比較核心，后面補充了）

補充1：如何定義好壞用戶

所謂好壞用戶，這一點可能是A卡甚至是互金大部分風(fēng)控模型的最基礎(chǔ)最核心的工作。

前面別小看這個，這個不是那么容易和簡單解決的。雖然看就像性別標(biāo)簽，無非男抑或男。但是！在大數(shù)據(jù)大互聯(lián)網(wǎng)背景下的風(fēng)控，你要定義用戶好壞，進而分配資源和權(quán)限資格給特定用戶，其本質(zhì)對公司產(chǎn)品業(yè)務(wù)是十分影響的。就如10個犯人中，但誤捉了5個人導(dǎo)致冤獄，后果不僅僅是這5個人的被冤枉，更加反映是用戶群和市場對這個產(chǎn)品的信心不足（對司法體系不信任）

PM對這個模型建立的核心工作：

• 是對樣本標(biāo)簽的定義；

• 是與實際業(yè)務(wù)場景、策略目標(biāo)相一致；

• 是綜合考慮不同定義下的樣本量。

補充：案例

上面比較虛，補充一下案例。

以下可以作為面試時的具體案例分享，或者你對風(fēng)控案例的一些思考。可以作為面試的回答。如果有經(jīng)驗和把控，想獲得強的把控，一定要學(xué)會設(shè)計提問和作答，讓面試官下個問題會問到你預(yù)期設(shè)想的，注重社區(qū)的文章邏輯，如果有心，基本全部內(nèi)容都可以變成面試回答點。當(dāng)然，這是要分方向的前提。你不可能面試推薦PM回答風(fēng)控PM的點。

• 比如1：在現(xiàn)金分期場景中，可以畫一下用戶回款率（或者滾動率）和逾期天數(shù)趨勢分布曲線，用戶逾期N天以后回款率或者滾動率便已經(jīng)趨于穩(wěn)定(梯度平穩(wěn))，則可以N天以上逾期作為篩選壞樣本的依據(jù)。

• 比如2：在某些場景下，如曾經(jīng)的Payday Loan，由于整個業(yè)務(wù)周期只有半月或1個月，為加快模型迭代速度，有時甚至?xí)x7+甚至1+逾期用戶為壞客戶。在一些銀行場景中，出于壞賬計提考慮，可能定義90天以上逾期為壞客戶。總之，好壞用戶的定義不能純靠人工經(jīng)驗，應(yīng)該以場景的數(shù)據(jù)為基礎(chǔ)，進行數(shù)據(jù)分析之后確定。

補充2：如何不斷迭代算法

這個一般是分階段的：

1. 如在業(yè)務(wù)初期，樣本數(shù)據(jù)量極少，往往根據(jù)相關(guān)業(yè)務(wù)經(jīng)驗確定使用的特征和規(guī)則；（說的不好聽就是團隊自己內(nèi)部推理，分析，經(jīng)驗預(yù)判）

2. 如隨著數(shù)據(jù)的慢慢積累，開始采用部分精細(xì)特征，使用簡單的機器學(xué)習(xí)算法訓(xùn)練；

3. 如當(dāng)樣本數(shù)據(jù)量積累到百萬級以上，可以嘗試采用神經(jīng)網(wǎng)絡(luò)算法進行特征自動提取或者end-to-end的風(fēng)控模型訓(xùn)練。

面試回答，可以用以下的話作為總結(jié)。

總之，金融的風(fēng)控模型優(yōu)化的過程，實質(zhì)是緊隨著業(yè)務(wù)從無到有、從小到大，數(shù)據(jù)量由少變多，特征由粗到細(xì)，模型由簡單到復(fù)雜，效果由一般到突破的過程。

這個不管是阿里系的還是攜程的 乃至很多大廠的都是如此。

補充A：案例

（附上攜程某產(chǎn)品-XX花的迭代算法版本效果圖）

補充B：金融風(fēng)控PM在這個階段怎么做？

這個補充是來自于一些內(nèi)部學(xué)員的反饋，就是希望更具體知道這個階段推進迭代是怎么開展的。

其實對于一個模型來說，你要達(dá)到什么指標(biāo)，滿足或者不滿足，不滿足就繼續(xù)推進呀。而你要推進這個迭代所期望的目標(biāo)，就要分析目前是有什么不足和問題，需要找資源呀。這個本質(zhì)和傳統(tǒng)PM或者其他策略PM，都是相通的。

但是！這里的資源和判斷方法是有區(qū)別的，你所監(jiān)控的數(shù)據(jù)指標(biāo)是也是有區(qū)別的。（如你要判斷客戶C端好不好，可能是通過日活，留存等指標(biāo)，但是算法策略模型，肯定不是說就這些了。如技術(shù)指標(biāo)AUC這些是主要的。）

下面說說：假設(shè)在模型建立后，需要對模型的預(yù)測能力、穩(wěn)定性進行評估，從而進行推進迭代。那么，看模型效果不能只看KS，KS定義是從0-1概率之間好壞樣本累計概率最大差值，實際應(yīng)用中一般不會直接取這個閾值（cutoff）作為策略，因為在這種cutoff下，通過率可能會很低。

風(fēng)控不能不管業(yè)務(wù)，舉個極端的例子，通過調(diào)整cutoff，風(fēng)控幾乎可以做到任意想要的逾期率，但這樣通過率就很低了，業(yè)務(wù)規(guī)?？赡苤煌Ａ粼跇O少數(shù)資質(zhì)優(yōu)秀的客戶。

所以評估模型時，基于風(fēng)險的評估及基于業(yè)務(wù)的評估是必須的。

因此，模型評估可分為三層：

• 第一層：機器學(xué)習(xí)模型評估指標(biāo)。信用評分模型常用的評估指標(biāo)為KS、AUC等。 考慮到金融業(yè)務(wù)反饋周期長的特點，除了劃分訓(xùn)練集、測試集外，通常會預(yù)留一段訓(xùn)練樣本覆蓋時間段之外的數(shù)據(jù)集，作為OOT（跨時間）測試集，以測量模型在時間上的穩(wěn)定性；

• 第二層：風(fēng)控層面；（比如在不同bucket下，預(yù)測概率的排序性能）

• 第三層：業(yè)務(wù)層面。（比如攔截率，通過率，逾期表現(xiàn)等）

總之，基于上面的評估分層，監(jiān)控也做對應(yīng)的分層監(jiān)控，如果有條件，還可以對輸入到模型中的特征進行監(jiān)控（比如特征的分布、波動率等）。

那么重點來了，你監(jiān)控這么多維度就可以判斷ok不ok，正常不正常，哪些不正常你就根據(jù)業(yè)務(wù)目標(biāo)、系統(tǒng)目標(biāo)去反推不足進行迭代。

僅此而已，有時候?qū)τ陲L(fēng)控金融策略類PM，其實不用把他們想的太復(fù)雜和深奧。

4. 重要金融風(fēng)控策略模型2：B卡（貸中反欺詐模型）

貸中反欺詐按粒度可分為兩類：用戶級與交易級。

1. 用戶級粒度：這個會相對粗一些，即斷定當(dāng)前客戶為欺詐客戶，可能的策略就是不允許欺詐用戶在平臺上發(fā)生交易行為；

2. 交易級粒度：這是較細(xì)粒度的，即根據(jù)交易上下文、IP、設(shè)備、地域判斷當(dāng)前交易是否為欺詐交易，如果是，即不允許客戶進行此筆交易。

PM需要關(guān)注貸中反欺詐模型，有3方面的關(guān)鍵點：

1. 長尾分布：欺詐用戶其實是極少的；

2. 對抗性顯著：欺詐用戶會想辦法找出系統(tǒng)及規(guī)則的漏洞；

3. 模仿正常行為：欺詐用戶會利用偽造消費流水，前期正常還款等行為等，讓金融公司放松警惕，當(dāng)提額到一定程度后，便開始逾期。

除了以上，我建議想風(fēng)控類PM，不管是了解還是想轉(zhuǎn)行，可以從信用卡養(yǎng)卡策略和規(guī)則研究研究……理由不解釋。

5. 新穎金融風(fēng)控策略模型：社交網(wǎng)絡(luò)在風(fēng)控模型中的應(yīng)用

社交風(fēng)控模型，本質(zhì)就是基于社交網(wǎng)絡(luò)的反欺詐。（之前的借貸寶，就是很典型的基于該模型的一個P2P產(chǎn)品，熟人借錢等也是）

基本思想其實很簡單，物以類聚，人以群分。比如：一個欺詐分子，可能與其有關(guān)系（在Graph上表現(xiàn)為有直接的邊連接，這種也稱之為一階親密度；或者通過邊的游走能夠觸達(dá)，這種稱之為多階親密度），那么可能這些與之有關(guān)系的用戶也是欺詐分子。

補充1：對社交風(fēng)控模型（反欺詐）的解釋

好多人應(yīng)該比較好奇這種模型。（微信內(nèi)部也有這樣的模型，但應(yīng)用是在微信內(nèi)部，朋友圈等方面，這個不方便多講，下面以攜程金融的風(fēng)控社交網(wǎng)絡(luò)為例，談?wù)剬嵺`方面PM的思考點）

如圖所示，通過梳理攜程生態(tài)內(nèi)關(guān)鍵實體、關(guān)系。

1. 首先構(gòu)建了一個龐大的異構(gòu)社交網(wǎng)絡(luò)，該網(wǎng)絡(luò)包含10億級別的頂點，50億級別的邊。

2. 接下來是通過算法，發(fā)現(xiàn)社區(qū)(Community)。由于社交網(wǎng)絡(luò)的數(shù)據(jù)量相對來講是比較大的，因此在算法層面，對運算效率要求也是比較高的，同時對于社區(qū)劃分的穩(wěn)定性有一定要求。

3. 在實際落地中采用LPA、改進的Louvain，實現(xiàn)T+1的社區(qū)發(fā)現(xiàn)。

4. 最后基于劃分的社區(qū)，可以獲得社區(qū)的各種屬性統(tǒng)計，這個作為反欺詐策略的重要參考。

算法的策略流程是怎樣的呢？

舉個例子，比如：當(dāng)有一個用戶到來的時候，看其屬于哪個社區(qū)，根據(jù)改社區(qū)的屬性確定該用戶是否為欺詐用戶。

據(jù)攜程內(nèi)部，目前在攜程金融的實際應(yīng)用中，基于社交網(wǎng)絡(luò)的風(fēng)控指標(biāo)已經(jīng)覆蓋了貸中80%的貸款請求，同時通過社交網(wǎng)絡(luò)，挖掘關(guān)系人一度或者多度關(guān)系，對嚴(yán)重的逾期行為，通過多度關(guān)系進行催收，提升回催率。

四、總結(jié)

沒有太多總結(jié)，對于這部分更多是金融風(fēng)控+策略PM上認(rèn)知上的分析。其實還有個比較關(guān)鍵的內(nèi)容，就是實時性的計算。

關(guān)于金融類特征指標(biāo)的實時性，不會是全部都要求，只會選擇一些業(yè)務(wù)需要、風(fēng)險相關(guān)的。

舉一些例子：（節(jié)選攜程PM團隊內(nèi)部分享）

（1）如計算維度的特征：

（2）怎么計算呢？

Down，最后回顧一下，這篇主要定位是關(guān)于金融+風(fēng)控類的認(rèn)知。

總的來說，這篇主要想說明的是幾個認(rèn)知上的東西：

• 一是了解風(fēng)控中金融常見業(yè)務(wù)規(guī)則的類型（大概有個認(rèn)知即可）；

• 二是了解對應(yīng)架構(gòu)是如何的（以攜程為例，簡單了解即可）；

• 三是對一些金融中常用的策略模型算法解釋，這部分是重點重點（金融風(fēng)控玩的就是策略+模型）。

這幾個都是以實踐通用去說，以金融風(fēng)控PM的角度去看，并且以O(shè)TA產(chǎn)品，以攜程或者螞蟻金融風(fēng)控為例加強認(rèn)知。如唯品會金融的唯品花，攜程金融的拿去花，螞蟻支付寶的花唄等服務(wù)，其實在金融中既屬于業(yè)務(wù)也屬于理財或者消費產(chǎn)品，對于風(fēng)控+金融類PM，這些是他們落地實踐和應(yīng)用的產(chǎn)品對象。

本文由 @鳳城狂客 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。

題圖來自Unsplash，基于CC0協(xié)議