模型和策略的開發是一個系統工程，這其中需要有業務經驗、統計理論、算法運用、和數據認知，是一個不斷反思，不斷積累經驗的過程。沙灘上建不起摩天大樓。紮紮實實的基本功永遠有價值，永遠不會過時。

——餘旭鑫博士

說明

互聯網風控是無邊界的，幾乎所有時間、所有地方、所有人都能以某種方式參與進來，未成年人、納稅人、老黑、賴鬼、企業風險管理者，衆生芸芸，各自爲陣，相剋相生。

互聯網風控是半透明的，一半畫地爲牢，一半豔陽高照，一半立地爲魔，一半得道成佛，喧鬧中呼嘯着裂骨寒風。

互聯網風控是無止境的，漏洞給了黑產機會，欺詐團伙便蜂擁而入。無限度縱容意味着背後有貓膩，無死角限制意味着眼前無格局。人性之光在和人性貪婪做鬥爭，誰輸誰贏乾坤未定，既然未定。

本人主業風控策略，雖然其他版塊也略懂一二，但始終覺得能自以爲豪的還是策略。既然有模型師、分析師、精算師，那麼把這個行業的策略人員親切的稱作策略師，應該不算太過分。

因規則話題較爲敏感，所以本文主要描述策略框架、生成思路和科學部署方式，涉及到業內具體的風控規則，會做脫敏和加密處理。由於內容全面且廣泛，需要其他知識晶體的支撐，爲此文末特別新增【好文推薦】版塊，向所有金融行業和風控領域的貢獻者和參與者致敬。

另外，涉及到信貸風控產品、流程、數據、指標、分析等知識的擴展，建議同學們可以先回顧一下其他板塊相關文章：

（一）全面瞭解信貸業務流程

（二）全面瞭解量化風險管理

（三）全面瞭解風控指標體系

（四）全面瞭解風控數據體系

（五）全面瞭解小微信貸風控

（六）全面瞭解風控決策引擎

本文由正陽執筆，思茂校正，同時感謝正陽學院近300位策略師的協同，全文總計5.0w字，因內容較長，固前設大綱，方便索引；後有推文，方便擴散。主體可分五部分展開閱讀：

1.策略先行之道
- 策略定義
- 策略特性
- 策略類型
- 決策路徑
2.信貸策略之法
- 大道至簡，有跡可尋
- 五行生剋，妙在均衡
- 審時度勢，伺機而動
- 平臺奠基，產品顯形
- 始於風控，精於運營
- 潛心耕耘，推己及人
3. 風控策略之規
- 崗位職能，全
- 營銷獲客，準
- 貸前審批，嚴
- 貸中監控，密
- 貸後管理，勤
4. 決策科學之術
- 策略來源分類
- 單條規則開發
- 組合策略生成
- 策略模型部署
- 決策管理控制
5. 終章·策略師
- 策略師的道法規術
- 策略師的格局
- 策略師的策略
- 策略師的行動

閱讀全文前，建議反覆多看幾遍目錄

本着對讀者負責的態度，行文時儘可能做到以下幾點：內容真實、結構完整、邏輯清晰、重點突出、刪繁就簡，用關鍵詞、數據、配圖和案例體現信貸風控策略體系的分類、開發、規則以及決策科學等。由於專業領域和視野受限，難免有錯漏或不當之處，會不斷更新完善，敬請批評指正。如需瞭解更多，請關注知乎**“正陽”或微信公衆號“正陽能量場”**！

注：後附本文引用及查閱文獻清單，如有疏漏，請聯繫作者說明。文中內容如有侵權，首先請接受筆者誠懇道歉，後請聯繫筆者處理，感謝理解支持。

1.策略先行之道

本章內容偏心法和方法論，更適合管理層或着架構者。爲求準確，本章大部分概念的解釋來自百度百科，少部分來自於自己的創造，筆者將其統籌整理後在後文的策略應用方面做了一些延展，梳理、類比、歸納、關聯、知識晶體是本章的關鍵。

1.1 何爲策略

策略，指計策、謀略。一般是指：

可以實現目標的方案集合；
根據形勢發展而制定的行動方針和應對方法；
有鬥爭藝術，能注意方式方法，能結合環境變化，能分析敵我優劣，能進行主被動調整。

《論語》講修身養德之策，《道德經》講齊家治國之策，《孫子兵法》講詭變兵戰之策，《鬼谷子》講內楗權謀之策，《國富論》講國富民強之策，《博弈論》講運籌對局之策。可見，古往今來，四海內外，物競天擇，萬物可策。

1.2 策略特性

策略一詞，覆蓋面極爲廣泛，它可以建設於科學研究，也可以取源於市井民間；它可以帶着濃厚的學術蘊底，也可以簡單到一言以蔽；它可以解決世界難題，也可以顧及萬民生息。它具有諸多概念的基本面，又有很多獨具一格的特性，本節簡而言之，從主動性、程序性、競爭性、選擇性、預測性、有效性、侷限性等方面切入策略的諸多特性。

1.2.1 主動性

一般決策者採用策略都是有意識的心理過程。對於較新的決策任務，決策者總是在有意識、有目的地思考着決策過程的計劃。

1.2.2 程序性

策略是決策者制訂的計劃，由規則和技能構成。每一次決策都有相應的計劃，每一次決策的策略也會有不同響應。它約束着決策時做什麼不做什麼、先做什麼後做什麼、用什麼方式做、做到什麼程度等諸多方面的問題。

1.2.3 競爭性

策略經常帶有競爭氣息，競爭就有優劣勢之分，策略可以根據己方條件制定：

優勢策略：多維錯維降維，參考字節跳動，欲速。

劣勢策略：尋找最優選擇，參考田忌賽馬，思變。

均衡策略：輸贏機會均等，參考囚徒困境，聯邦。

1.2.4 選擇性

策略的內核就是決策樹中的一個個分支和選擇，選擇A產品或者B產品；選擇A方式或者B方式；選擇A理論或者B理論，選擇A羣體或者B羣體。現着重介紹下企業用戶增長策略中的頭部效應、長尾效應、邊緣效應。

1.2.4.1 頭部效應

頭部效應是指在一個領域中，第一名往往會獲得更多的關注，擁有更多的資源，所在領域的賽道，要麼高價值要麼有優勢。頭部更接近壟斷，頭部意味着引導。商業銀行依靠得天獨厚的優勢，鉗制着互聯網金融科技的命脈。

1.2.4.2 長尾效應

就人類需求來看，大部分需求會集中於頭部，我們可以稱之爲流行。而分佈在尾部的需求是個性化的、零散的、小量的、差異化的，這部分需求會在需求曲線上形成一條長長的“尾巴”。所謂長尾效應就在於它的數量，一旦累加起來，就會形成一個不容忽視甚至大於頭部市場的市場。金融業下沉用戶因缺乏徵信記錄，經常無法及時得到幫助，但他們纔是普惠金融的核心。

1.2.4.3 邊緣效應

邊緣化是一個比較抽象的說法，是指向人或事物發展主流的反方向移動、變化，也就是非中心，非主流，或者說被主流（社會、人羣、意識形態、文化、經濟等）所排斥，所不包容。黑產很囂張，但見不得天日。

1.2.5 預測性

策略的目的，多半在於預測事件結果。可理解爲一個MVP流程：事件——策略——結果，也就是信息工程的輸入——函數——響應，也就是量化分析中的數據——算法——模型。

1.2.6 有效性

所謂策略，實際上是相對效果和效率而言的。閉環策略較之隨機策略，通常更爲有效。

1.2.7 侷限性

可以理解爲不確定性，依賴對手或者環境的隨機化。A環境下的優勢策略，到B環境中，很有可能無效；A時間的策略，同樣可能在B時間下無效。消費升級、消費降級下的信貸增長表現不同，長尾用戶貸款需求不同，企業決策就不盡相同，應及時響應。

1.3 策略類型

高維空間下，我們就是上帝視角，眼中的一切，都有了方位性和層次感。

1.3.1 宏觀策略與微觀策略

宏觀策略和微觀策略可類比經濟學中的兩大課題：宏觀經濟學和微觀經濟學。宏觀經濟學是總量分析，即對能夠反映整個經濟運行情況的經濟變量的決定、變動及其相互關係進行分析。微觀經濟學是個量分析，單個單位的最優化行爲奠定了微觀經濟學的基礎。

就風險管理而言，宏觀策略是基於組織的風險管理框架而制定與風險偏好和風險容忍度相一致的經營管理策略。在風險和收益相匹配的導向下，我們需要擬定組織風險管理的大方向，比如信用風險管理、市場風險管理、流動性風險管理、操作風險管理、戰略、監管、輿情風險管理等等。在擬定宏觀策略時候，需要了解業內相似的架構、宏觀性政策性條文等，同時也要兼顧輿論，需要全面的風險觀。而對於具體的執行面，就需要了解整個產品的流程、與客戶相關的所有的風險信息等，這就是微觀方面的策略。

1.3.1.1 全局與局部

全局指事物的整體及其發展的全過程；局部指組成事物整體的各個部分、方面以及發展的各個階段。全局和局部的區分是相對的，在一定場合爲全局(或局部)，在另一場合則爲局部(或全局)。全局由各個局部組成，高於局部，統率局部。局部是全局的一部分，對全局有不同程度的影響，在一定條件下對全局有決定意義。

1.3.1.2 羣體與個體

“物以類聚，人以羣分”。羣體與個體相對，是個體的共同體。不同個體按某種特徵結合在一起，進行共同活動、相互交往，就形成了羣體。個體往往通過羣體活動達到參加社會生活併成爲社會成員的目的，並在羣體中獲得安全感、責任感、親情、友情、關心和支持。在風險管理中，我們主要從識別、預防、傳播等角度來觀察羣體和個體的行爲差異。

羣體識別與個體識別

羣體識別：包括人羣密度識別、羣體一致性行爲識別、羣體異常行爲識別等，主要方法有貝葉斯方法、支持向量機方法、關係特徵抽取、關係挖掘、關係網絡等。在識別羣體風險上，則需要我們具備能夠快速挖掘關係網絡，總結關係規則的基礎工具，在生產的時候我們又需要去保證能夠實時的應用這些反欺詐規則進行團伙或者用戶關聯等的風險的評判。

個體識別：個人識別是用科學的方法對活體進行個人同一認定，包括人臉識別、指紋識別、虹膜驗證等生物識別，包括三要素身份驗證等，也包括個體異常行爲的識別。有些用戶的基礎信息不符合一個正常人的使用習慣，就能確認一個用戶是異常的。技術上，主要通過個體數據相關的統計、可視化、規則、數據校驗、統計特徵、時序特徵等方式來進行識別。在個體識別中，要強調時效性和感知性，提升用戶體驗。

羣體預防與個體預防

羣體預防：羣體預防(colonyprevention)是疾病預防的一種策略，指包括健康人在內的整個人羣的疾病預防。主要通過改善社會環境、消除潛在危險因素等方式，達到保持健康、預防疾病的目標。在信貸風控中可以表現爲通過用戶授權、保密協議、准入規則的規範性和一致性，來防治平臺操作風險和合規風險的發生，強調人人平等。

個體預防：個體預防強調異常性，如果命中某條規則，則視爲有風險，就需要給予一定如拒絕、人工複審、擱置等的預防措施。

羣體傳播與個體傳播

傳播是一種社會性傳遞信息的行爲，是個人之間、集體之間以及個人與集體之間交換、傳遞新聞、事實、意見的信息過程。在業務中，要防止個體事件向羣體性事件的轉變，導致由個體傳播轉變爲羣體傳播，給企業帶來公關上的風險。

1.3.2 流式策略與箱式策略

流式策略一般是動態的、連續的、可換的，而箱式策略的特點是靜態的、封裝的、固化的。本節的概念，大多來源於系統工程學和計算機科學領域，其在策略制定方面有非常豐富的類比性。第四章節的決策科學之術，有很多思路來源於本節的概念，建議深入思考，舉一反三。

1.3.2.1 啓動與停止

是一種工程上的安全性考量。包括策略啓動前的檢查、啓動、運行中監視、故障原因及處理、緊急停止條件、停止等。

1.3.2.2 前置與後置

前置條件：發生的前提條件，滿足什麼條件纔可以發生；

後置條件：發生之後的結果，會產生哪些影響。

另有說法：規則前置是規則，規則後置是套路。

1.3.2.3 串行與並行

在計算機之間、計算機內部各部分之間，通信可以以串行和並行的方式進行。一個並行連接通過多個通道在同一時間內傳播多個數據流；而串行在同一時間內只連接傳輸一個數據流。所謂的串行策略和並行策略，指策略是先後執行有邏輯關係的，還是同時執行可替代或者加權的。

1.3.2.4 同步與異步

來源於計算機進程概念。

同步：所有的操作都做完，才返回給用戶。這樣用戶在線等待的時間太長，給用戶一種卡死了的感覺（就是系統遷移中，點擊了遷移，界面就不動了，但是程序還在執行，卡死了的感覺）。這種情況下，用戶不能關閉界面，如果關閉了，即遷移程序就中斷了。

異步：將用戶請求放入消息隊列，並反饋給用戶，系統遷移程序已經啓動，你可以關閉瀏覽器了。然後程序再慢慢地去寫入數據庫去。這就是異步。但是用戶沒有卡死的感覺，會告訴你，你的請求系統已經響應了。你可以關閉界面了。

在審批中，常常遇到熱點時間或者事件下的進程池卡頓問題，如果無法實現秒級響應和及時反饋，審批上會異常喫力，甚至帶來嚴重的系統bug。

1.3.2.5 即時和延時

即時意味着發生即響應，延時則表明發生即監控，最後做響應。類比工作時收到微信消息，如果是緊急重要信息，及時回覆；如果是日常信息，可以延時，但必須回覆；如果是垃圾消息，可以不回覆。在風控中，通常是一種反饋上的選擇，如欺詐用戶，可對其大量信息和行爲收集完畢後，再給出最終的決策，這樣可以讓欺詐無法感知自己被拒的原因，也有助於保留信息的完整性。

1.3.2.6 靜態與動態

靜態和動態的概念分佈很廣，如博弈競爭中的靜態博弈與動態博弈，企業戰略管理的靜態模式與動態模式，計算機語言中的靜態分配與動態分配。在策略方面，靜態指無特殊事件發生時保持不變，如年齡等准入規則。動態指隨環境、政策、分析、時序等因素實時調動，如多頭規則的監測及調整。

1.3.3 基本策略與支持策略

1.3.3.1 觀察與調優

強調可修復。單個策略如果失效可以可根據統計或算法及時調整。

1.3.3.2 循環與嵌套

強調可迭代。單個策略可根據歷史表現和未來預測進行自我調節。

1.3.3.3 執行與替代

強調可替換。多個策略功能相似，一旦出現問題，可以用B策略及時替代A策略。

1.3.3.4 存量與增量

強調可補充。多個策略功能不同，如有必要，可在原有基礎上新增備用策略，有備無患。

1.3.2.5 單一與混合

強調可覆蓋。在無法用單一策略做決策時，可以用打包策略覆蓋單個策略的不足，寧錯殺不放過。

1.3.4 硬策略與軟策略

首先說一下風險管理中政策和策略之間的不同點，政策規定了哪些能做與不能做，可以理解爲硬規則；策略解釋了怎麼做，可以不斷進行調整，理解爲軟規則。在風控策略制定的過程中，通常會藉助經驗與閾值、分羣與分層、異常與孤立、可視與隱藏等思路，來影響規則制定的強弱選擇。

1.3.4.1 經驗與閾值

風控主要經歷了幾個階段：

經驗：直接判斷通過，或不通過。

數據：可以通過客戶的資產，流水，來判斷客戶的資質優劣。

模型：通過數據分析、數據挖掘，找到相應的規律，識別出人工難以找到的部分人羣。

但是，數據是有限的，成本很高，會限制風控的上限；同時，如何有效的結合經驗、數據、模型，來實現業務目標，這就需要統籌的風控策略來完成。

許多前輩認爲在金融風控領域裏，策略即規則，所以也常聽說風控就是策略和模型的加成。不過筆者認爲策略是方案，包括了規則、模型以及其他一些邏輯性的串聯。

規則：主要由數據和經驗共同驅動。

閾值：主要由數據和算法共同驅動。

人工：主要由業務和經驗共同驅動。

規則與模型的作用可以看成用於給客羣分層，目的是爲了高風險的過濾或者授信不同APR的產品和額度。規則與模型互相補充，相互作用。

1.3.4.2 分羣與分層

用戶分層和用戶分羣都是將用戶分成不同的類別，以此來區別對待不同的用戶。用戶分層，是基於大方向的劃分，而用戶分羣，則是將這些層次切分成更細的粒度。分層和分羣用戶，可能採用幾套完全不同的策略，分而治之。具體方法，後文詳解。

1.3.4.3 異常與孤立

**異常點：**異常點是指數據集、羣體中和其它點不一樣的點，分爲點異常和集合異常，異常檢測就是要找到這些點。

離羣點：也叫孤立點，孤立點是指不符合數據一般模型的數據，區分於內點、聚點等，在挖掘正常類知識時，通常總是把它們作爲噪聲來處理。

異常點可以理解爲邊界之外的，要特別重視和區別對待。邊界也分兩種：別人的邊界和自己的邊界。孤立點可以理解爲羣體中被孤立的，同樣需要有所區分。

1.3.4.4 可視與隱藏

來源於編程語言，即元素的顯示與隱藏。就策略而言，通常黑盒隱藏，但也有顯示的情況，比如QQ會員等級提升的依據和建議，比如螞蟻花唄信用分增長的方法，這些規則都以可視的方式提供給用戶，人人皆知悉，則人人皆遵守。作爲一種羣體策略，合適的展示可以起到用戶教育的作用。

1.4 決策路徑

對消費者來說有消費路徑，對系統工程來說有控制路徑，那麼對決策者來說，就有一條點到點之間的決策路徑。在此推薦正陽十二字解惑心法：目標緊、策略準、執行狠、覆盤穩，以此來統領本節後文。

1.4.1 判斷驅動因素

驅動因素有別於影響因素：驅動機制往往能使事件帶來影響力較大的後果，常常是一個重大的舉措，影響因素也會產生影響，但不一定帶來重大後果。驅動常常以政治化或者文件性的書面表達形式呈現，較爲嚴謹正式，而影響因素常常是小事件或者通用的事件。

理念驅動：企業理念是企業文化中的重要組成部分，是企業精神活動和智慧的結晶，也是企業實踐成果提升和總結的精髓。理念通常是影響決策第一道因素也是最後一道因素。

政策驅動：政策驅動常常是某一領域的動力發生點。當政治、經濟、貿易、科技、服務、教育、醫療等等各大系統運轉的時候，設置發展動力點是企業新動能的根本。

資源驅動：在對接的雙邊市場中，進行資源與需求的對接時，平臺的核心競爭力在於服務資源的聚集能力。平臺在發展初期需要從核心資源用戶切入，整合服務資源向服務需求方推廣，形成在服務鏈條上的自上而下的商業發展路徑。

用戶驅動：在切入某塊市場區域時，以鎖定市場中的核心用戶，滿足用戶的核心需求爲切入點，快速獲取用戶，佔領市場，並且由核心服務爲中心，向周邊的其他基礎服務需求延伸，打造完整的商業模式。

系統驅動：對於企業來說,優秀的企業有優秀的系統，普通的企業有普通的系統，失敗的企業沒有系統。企業間的競爭，不再是一對一的競爭，而是系統與系統的競爭。

模式驅動：運營模式、代理模式、移動互聯網化等，市場紅利開始時，通常是商業模式的轉變驅動企業的發展變化。

技術驅動：技術意味着創新，騰訊、阿里、華爲，在雲計算、人工智能、區塊鏈、5G方面的研究，一定程度上指點着江山。當今時代背景下，技術意味着競爭力。

產品驅動：區別於運營驅動。雖然都是爲了商業利益，但獲得利益的起點不同，產品驅動和運營驅動有一個很大的區別：前者技術型，後者業務型。

業務驅動：對業務的價值把握以及業務流程有一定的深入理解，並沉澱爲行業經驗。瞭解每個技術的亮點與應用場景，能熟練的通過這些工具去解決不通業務的問題，是每個人技術型策略人員的終身目標。

事件驅動：事件驅動是指在持續事務管理過程中，進行決策的一種策略，即跟隨當前時間點上出現的事件，調動可用資源，執行相關任務，使不斷出現的問題得以解決，防止事務堆積。

需求驅動：技術的變革，通常來源於用戶需求的驅動。

驅動因素分析：分爲兩步：辨認各種驅動因素，估量出驅動因素將會對行業產生的影響。

1.4.2 激發思維模式

目標思維：確立目標後，一步一步去實現其目標的思維方法。其思維過程具有指向性、層次性。

邏輯思維：邏輯思維是指將思維內容聯結、組織在一起的方式或形式。

形象思維：通過形象來進行思維的方法。它具有的形象性、感情性，是區別於抽象思維的重要標誌。

全域思維：有些看似局部的事物，在更小的尺度空間觀察時可以表現爲整體。

局部思維：有些看似整體的事物，在更大的尺度空間觀察時可能表現爲局部。

縮放思維：切換視角，用放大鏡、顯微鏡、平面鏡思維度量全局形態和局部動態。

發散思維：根據已有的某一點信息，然後運用已知的知識、經驗，通過推測、想象，沿着不同的方向去思考，重組記憶中的信息和眼前的信息，產生新的信息。它可分流暢性、變通性、獨創性三個層次。

聚合思維：又稱求同思維。是指從不同來源、不同材料、不同方向探求一個正確答案的思維過程和方法。

歸納思維：根據一般寓於特殊之中的原理而進行推理的一種思維形式。

演繹思維：從普遍到特殊的思維方法，具體形式有三段論、聯言推理、假言推理、選言推理等。

聯想思維：相似聯想、接近聯想、對比聯想、因果聯想。

遷移思維：是指把某一領域的科學技術成果運用到其他領域的一種創造性思維方法，仿生學是典型的事例。

辯證思維：辯證思維是反映和符合客觀事物辯證發展過程及其規律性的思維，分客觀辯證法和認識過程辯證法等。辯證思維的特點是在對象內在矛盾的運動變化中，從其各個方面的相互聯繫中進行考察，以便從整體上、本質上完整地認識對象。

究根思維：究根思維是一種價值思維，它要求把一件事物分成若干部分，找出最關鍵最本質的那一部分。

線性思維：由一件事物經過演變而發展成另外一件事物。

逆向思維：是目標思維的對應面，從目標點反推出條件、原因的思維方法。它也是一種有效的創新方法。

直覺思維：是指對一個問題未經逐步分析，僅依據內因的感知迅速地對問題答案作出判斷，猜想、設想，或者在對疑難百思不得其解之中，突然對問題有“靈感”和“頓悟”，甚至對未來事物的結果有“預感”“預言”等都是直覺思維。

量化思維：有一維量化、多維量化、多維嵌套量化之分。量化思維是一種數字化思維，是認知中對事物的條理化分析。

產品思維：產品思維的核心就是：發現問題，分析問題，解決問題。與用戶的共情、換位思考、高維思考、取捨、洞察等，都是產品思維的高光表現。

1.4.3 藉助科學分析

利弊分析法：SWOT分析，明確指出研究的問題及其對策，列出這一對策的優點、缺點，確定幾個簡明的判斷標準，綜合判斷對策的可取性，研究如何加以改進。簡單地說就是一個問題分成兩半來回答，一半隻說好的，一半隻說壞的。

矩陣分析法：矩陣圖上各元素間的關係如果能用數據定量化表示，就能更準確地整理和分析結果。這種可以用數據表示的矩陣圖法，叫做矩陣數據分析法。例如常見的混淆矩陣，就是一種定量分析問題的方法。

決策樹分析：決策樹分析法是一種運用概率與圖論中的樹對決策中的不同方案進行比較，從而獲得最優方案的風險型決策方法。它利用了概率論的原理，常用來做風險分析決策。

概率樹分析：概率分析又稱風險分析，是通過研究各種不確定性因素髮生不同變動幅度的概率分佈及其對項目經濟效益指標的影響，對項目可行性和風險性以及方案優劣作出判斷的一種不確定性分析法。概率分析常用於對大中型重要若干項目的評估和決策之中。

加權排序法：就是將重要因素加以排序，根據重要的程度賦予不同的值，然後和當前的結果相乘，得到一個新的結果，依此決定重要程度。

效用分析法：效用分析決策法是風險型決策的基本方法之一。它是利用效用價值的理論和方法，對風險和收益進行比較，從而進行決策的方法。它不僅爲諮詢部門提供了判斷決策者所提供的方案的可能性，而且爲比較不同的決策方法對決策的影響，提高決策的質量提供了條件，深受企業組織的青睞。

假設測試法：也叫假設檢驗，又稱統計假設檢驗，是用來判斷樣本與樣本、樣本與總體的差異是由抽樣誤差引起還是本質差別造成的統計推斷方法。顯著性檢驗是假設檢驗中最常用的一種方法，也是一種最基本的統計推斷形式，其基本原理是先對總體的特徵做出某種假設，然後通過抽樣研究的統計推理，對此假設應該被拒絕還是接受做出推斷。常用的假設檢驗方法有Z檢驗、t檢驗、卡方檢驗、F檢驗等。

1.4.4 付諸有效行動

有效行動：針對目標，有效行動，與目標無關的動作不必做，與結果無關的事件不必管。

條件行動：博弈論中，將策略行動分爲有條件行動和無條件行動，即當己方可以先出招時，所制定的迴應規則，其目的是改變對方的預期，從而改變博弈的結果，搶佔先機，率先出招。

執行動作：威脅與許諾，警告與保證，時報的策略等。

1.4.5 完成閉環覆盤

閉環：一方面，把整個策略管理看作一個閉環系統，並把該系統中的各項專業管理如：決策路徑、驅動因素、思維模式、成本考量、人事環境、安全漏洞等作爲閉環子系統，使系統和子系統內的管理構成連續封閉和迴路且使系統活動維持在一個平衡點上。另一方面，對變化進行靈敏、正確有力的信息反饋並作出相應變革，使矛盾和問題得到及時解決。

決策、控制、反饋、再決策、再控制、再反饋…從而在循環積累中不斷提高，促進策略不斷髮展。

覆盤：覆盤，圍棋術語，也稱 “復局”，指對局完畢後，復演該盤棋的記錄，以檢查對局中招法的優劣與得失關鍵。一般用以自學，或請高手給予指導分析。具體爲把整個思維過程客觀地表現出來，即當時是如何想的，爲什麼“走”這一步，如何設計，預想接下來的幾步的。在覆盤中，雙方進行雙向交流，對自己、對對方走的每一步的成敗得失進行分析，同時提出假設：如果不這樣走，還可以怎樣走；怎樣走，纔是最佳方案。

通過覆盤，當某種熟悉的類似的局面出現在面前的時候，往往能夠知道將如何去應對，腦海中就會出現多種應對的方法，或者可以敏銳的感覺當前所處的狀態，從而對下一步的走向作出判斷。

2.信貸策略之法

2.1 大道至簡，有跡可尋

《易經》中“易”有三義，即變易、簡易、不易。

變易：世上之人事，乃至宇宙萬物，沒有一樣東西是不變的。

簡易：宇宙間的任何事物，有其事必有其理，只是我們的智慧不夠、經驗不足，找不出它的原理而已，當智慧夠了，解其本質，就變成爲平凡且簡單。

不易：萬事萬物隨時隨地都在變的，可是卻有一項永遠不變的東西存在，就是能變出來萬象的那個東西是不變的，那是永恆存在的。

2.1.1 地攤經濟與信貸業務

**地攤經濟：**宏觀政策支持——地方平臺開放——面向對象選品——營銷策劃拉新——經營管理促活

**信貸業務：**政策環境推動——金融體系建設——企業產品設計——貸前風險管理——貸後客戶運營

由此可見，本質上信貸也是一種不難理解的企業經營模式。我們可以簡單把信貸業務的總體策略簡化爲一種地攤經濟的策略，微觀上的細節會比較複雜，但宏觀上的道理卻極其簡單。

政策環境告訴我們什麼能做什麼不能做，平臺建設告訴我們可以在哪做可以怎麼做，產品設計指導我們該怎麼做要怎麼做，風險管理告訴我們誰能做誰不能做，而要想真正盈利，則需要靠客戶運營來實現，它告訴我們怎麼做才能更好。通俗點講，政策平臺產品是指我們做什麼生意，風控是指我們要和哪些人做生意，運營是指我們如何把生意做大做久。

2.1.2 信貸風險管理五大維度

基於這個邏輯進一步思考一下，就可以將信貸業務風險管理拆解爲五個維度（層次）：

政策面：國家風險、宏觀經濟風險、購買力風險、利率風險、匯率風險、市場風險等。

平臺面：合規風險、財務風險、經營風險、流動性風險、聲譽風險、法律風險、戰略風險等。

產品面：後臺漏洞、產品缺陷、數據安全、內容安全等。

風控面：欺詐風險、信用風險等。

運營面：操作風險、人員風險、活動風險等。

2.2 五行生剋，妙在均衡

2.2.1 行業生態

當局者：做局者——困局者——攪局者——破局者——守局者

行業生態：商業銀行——監管科技——網絡金融——金融科技——消費市場

只要消費市場還在，局就在，大家就在。

2.2.2 業務線條

經營線條：政策環境——平臺建設——產品設計——風險管理——客戶運營

組織架構：法務部——業管部——產品部——風控部——運營部

五行相生相剋，在業務開展過程中，每個人都不是孤立的，也不是單向的。

2.3 審時度勢，伺機而動

隨着消費降級，社會消費品總額增長放緩，居民狹義的負債率攀升，以及銀行不良貸款率增長的態勢，當前的信貸市場和幾年前比發生了非常大的變化。金融科技、監管科技的發展，也讓整個信貸市場的平臺產品、風險管理和客戶運營更加透明化、科技化、智能化、精細化。另外，隨着國民風險教育的提升，消費市場對於金融產品有了逆向選擇的權利，良好的產品設計、用戶體驗，是未來優勢信貸產品的基本要求。

2.3.1 商業銀行買馬招兵

現狀：互聯網金融的快速發展使商業銀行信貸業務的主體地位受到衝擊，行業滲透率下降，業務收入利潤減少，客戶資源大批流失。網絡平臺的借貸服務，逐漸取代銀行相關功能。

分析：一方面，互聯網金融模式下，市場開放，利率等因素由借貸雙方共同決定，借貸雙方各種資金和信息資源，不在集中在銀行手中，銀行中介作用降低。另一方面，銀行信貸業務流程弊端嚴重，貸款程序複雜，響應過於緩慢，人力成本、時間成本、場地成本高。而擔保和抵押，不再是風險控制最重要的手段，敏捷化、智能化、數據化服務用戶的趨勢，迫在眉睫。

解決：商業銀行受到刺激，被迫創新，多方位入手，提升市場競爭力：

宏觀導向方面：深入以客戶爲中心的思想，重視下沉羣體和小微企業的融資難的問題。在政策扶持和疫情刺激下，有序開展小微信貸業務等。

平臺機制方面：成立金融事業部或者獨立運營的金融科技子公司，跨板塊經營，追求創新，加強與互聯網金融合作，拓展信貸業務服務渠道等。

產品設計方面：參考其他互聯網產品推出自己的網貸產品，通過系統的分析和考量，開發適合本銀行的軟件系統和更多適應用戶需求的產品，加上銀行本身在專業性和安全性上具有明顯優勢，更能獲得消費者接受。

人才建設方面：招兵買馬，培養金融和互聯網方面複合型人才，通過技術和經驗，加強多方信息資源共享的合作。

2.3.2 監管科技循序漸進

原則：隱私保護、禁止歧視、公平信貸、資本要求。

探索：沙盒監管、服水土、喫百家飯博採衆長、探索新的合作模式、培育良好的產業生態。

科技：搭建監管科技體系，如身份識別、行爲監控、合規數據報送、法律法規跟蹤、風險數據融合分析、區塊鏈管理、金融機構壓力測試等。

2.3.3 互聯金融領異標新

優勢：互聯網金融產品，一定程度上彌補了我國金融市場信貸產品的缺陷。它可以及時有效交換信息，減少信息不對稱對借貸雙方帶來的損失。藉助大數據進行羣體和個體分析和預測，基於客戶信用評級，相應降低逆向選擇的道德風險。

原則：互聯網貸款應遵循小額、短期、高效和風險可控原則。單戶用於消費的個人信用貸款授信額度應當不超過人民幣20萬元，到期一次性還本的，授信期限不超過一年。

發展：如何提升信貸產品的個性化和服務的多樣化；提升客戶的服務質量和體驗；如何避免資金和客戶流失；如何對當前的信貸業務進行拓展和創新；如何對自身渠道進行建設。

2.3.4 金融科技鍛矛鑄盾

金融科技主要指運用前沿成果（如：人工智能如：人工智能、區塊鏈、大數據、雲計算、物聯網等）改造或創新金融產品、經營模式、業務流程，以及推動金融發展提質增效的一類技術。

鍛矛：雲計算披荊斬棘，深度挖掘用戶價值。

鑄盾：大數據降本增效，全面抵抗業務風險。

2.3.5 消費市場逆選逆控

逆向選擇：好的產品需要好的用戶去體驗並推廣，隨着信息不對稱的減弱，人羣逆向選擇的主動性在增強。

逆向監督：真正的監管，並非完全依賴監管機構，更需要消費市場集合起來，借集體的力量，引導正確的行業生態和商業價值觀。

金融機構對消費市場及用戶瞭解越深入，越容易設計出被大衆接受的產品。

2.4 平臺奠基，產品顯形

2.4.1 雕刻平臺基因

商業觀：有清醒的商業認知和商業洞察。銀行無法滿足的小額貸款需求，互聯網金融機構及產品給予滿足。銀行做不好的，自然有人需要去做。

人才觀：一般而言，人才的本質特徵主要有以下幾點：有才能；有遠見；有較強的開拓、創新能力等等，這也是就業市場和人才市場強者恆強的體現。

價值觀：價值觀是基於一定的思維感官之上而作出的認知、理解、判斷或抉擇，具有穩定性和持久性、歷史性與選擇性、主觀性的特點。平臺三觀正，便能吸引人才，創造邊際價值。

經營理念：所謂經營理念，就是管理者追求企業績效的根據，是用戶、競爭者以及職工價值觀與正確經營行爲的確認，然後在此基礎上形成企業基本設想與科技優勢、發展方向、共同信念和企業追求的經營目標。

平臺基因：80後、90後、00後，都自帶時代的基因，這種基因來源於對上一代的繼承，同時也意味着不斷的創新。對於平臺而言，從出生起便自帶基因，而這種基因通常來源於創始人，發揚於企業文化。

2.4.2 延展業務生命

啓動期：比較雜亂，資金、人員、技術和工藝等都比較薄弱，管理沒有真正形成。

發展期：經過一段時間的發展，企業已經有一定規模，在個方面積累了一定的基礎，呈現發展的態勢。

成熟期：企業發展到一個鼎盛時期，規模較以前明顯增大，人員穩定，工藝技術成熟，管理有自己的風格，有一定的競爭實力。

轉變期：隨着科技的進步，業務總會有替代品出現，此時就需要轉型。

衰退期：企業無法發展下去，勉強維持生產經營面或者臨着內憂外患，經營困難，員工流失嚴重，企業人心動盪，瀕臨倒閉。

2.4.3 打造優勢產品

產品經理需要有更多的策略思維，同樣，策略經理需要有更多的產品思維。

2.4.3.1 信息整理

任何商業行爲的發起和推動，核心在於掌握信息的全面性、真實性、有效性，也就是對所處領域宏觀及細節的瞭解。

瞭解行業：瞭解宏觀環境、細分行業、地域特性，政府扶助政策等。

瞭解需求：消費貸產品的特點是；小額貸款產品的特點是額度低、週期短、靈活性強、客戶體量大、通過續貸獲利等。

瞭解客羣 ：消費貸客羣的特徵是；現金貸客羣的特徵是：年輕人、低收入、無穩定工作、集中在三四線城市等，這些人相對下沉，不被傳統金融機構服務，風險成本高，催收難度較大。

2.4.3.2 產品設計

產品設計方方面面，如賬戶開戶、充值發標等，建議大家完整的瞭解產品設計流程，本節拋磚引玉：

產品定位：循環貸、消費貸、現金貸、汽車貸、抵押貸等。

業務週期：羊毛期、啓動期、發展期、擴張期、成熟期等。

流程設計：根據產品解決用戶核心問題的順序所梳理的完整的閉環流程，包括前端和後端兩方面，線上和線下兩部分。

用戶體驗：是用戶在使用產品過程中建立起來的一種純主觀感受，但是對於一個界定明確的用戶羣體來講，其用戶體驗的共性是能夠經由良好設計實驗來認識到。用戶體驗沒有確切的標準，它隨着網站的服務色彩與針對人羣不同採取的方式也不同。

用戶授權：授權機制，是手機操作系統安全機制中的一部分，在開發應用時需要用到各種各樣的手機系統權限。一般來說，在操作系統中權限會被分類，有些權限級別較低，應用只需在開發時聲明即可使用；而與用戶有關的權限級別都非常高，需要用戶親自授權纔可以。產品中的功能經常會涉及到這些權限，爲了能使應用正常使用，從而給用戶帶來更好的體驗，便需要用戶授予相關權限。

風險定價：風險定價有兩個關鍵點：第一，降低成本，包括獲客成本、運營成本、資金成本和風險成本等，是定價的基礎；第二，認識用戶，將客羣分級，精細化運營。

風險定價的核心思路，主要有以下幾點：

第一人羣的劃分，面對什麼樣的客羣，客羣的劃分是否準確清晰，正所謂物以類聚，人以羣分；

第二風險評估預測，這個客羣的風險表現到底是怎樣的，會產生多少的90+的壞賬率；

第三成本分攤，將獲客成本，資金成本，催收成本等涉及到信貸環節的支出分攤到每個客羣上。具體的常用定價方法有兩種：基準利率定價法和客戶盈利分析法

基準利率定價法=基準利率 + 違約風險溢價 + 期限風險溢價；

客戶盈利分析法，從某一客戶的身上獲得的整體收益，是否能滿足整體的利潤要求，也就是根據成本和收益覈算，對應的公式是：貸款成本 = 資金成本 + 風險成本 + 運營成本 + 預期收益金額；

對於互聯網消費金融來說，合適的定價方式是採用客戶盈利分析法，定價費率（預期利潤） = 綜合成本 + 風險溢價 + 預期收益

2.4.3.3 技術支持

諸如：平臺建設、框架設計、系統功能、接口開發、頁面設計、版本控制等。

2.4.3.4 數據建設

諸如：數據化建設、數據埋點、數據獲取、數據接入、數據分層、數據管理、數據存儲等。

2.5 始於風控，精於運營

風險類型：金融的本質是將風險偏好不同的資金供給方和風險不同的資金需求方匹配起來，因此風控是所有金融業務的核心。金融業務風險可以分爲信用風險、市場風險、操作風險、流動性風險、國家（政策）風險、法律風險、聲譽風險和戰略風險。

風險管理策略：是指企業根據自身條件和外部環境，圍繞企業發展戰略，確定風險偏好、風險承受度、風險管理有效標準，選擇風險承擔、風險規避、風險轉移、風險轉換、風險對沖、風險補償、風險控制等合適的風險管理工具的總體策略，並確定風險管理所需人力和財力資源的配置原則。

信貸風控策略：主要是根據不同業務場景，針對目標客羣，通過一系列規則，對客戶進行篩選和分類，發現風險點（包括：信用卡欺詐、團伙窩案、高危用戶等），降低風險，同時降低成本、提升效率，實現反欺詐，授信，風險定價，催收等各階段目標。

信貸運營策略：則是

2.5.1 關鍵概念

思路：最大效率、最小成本的基礎上避免傷害。

2.5.1.1 最短路徑

最短路徑：最短路徑問題是圖論研究中的一個經典算法問題，旨在尋找圖（由結點和路徑組成的）中兩結點之間的最短路徑。如果將審批發起和完成決策視作兩個節點，那麼節點中的路徑就由准入、反欺詐、授信、定額等環節組成，每一個環節又由不同規則集組成。好的決策路徑不止一條，通常，我們要找到的是最優方案集合中最短的那條決策路徑。

路徑算法：用於解決最短路徑問題的算法被稱做“最短路徑算法”，有時被簡稱作“路徑算法”。最常用的路徑算法有：

Dijkstra算法

SPFA算法\Bellman-Ford算法

Floyd算法\Floyd-Warshall算法

2.5.1.2 最小成本

平臺成本：在工業生產中，最佳生產要素組合是兩要素的邊際產量之比等於價格之比，涉及到平均成本、可變成本、邊際成本等概念。我們做風控策略，需結合數據獲取成本、模型研發成本、用戶信用風險成本、平臺運營成本等因素去探索信貸決策分析中成本最小化情況下的最佳實現方法。

**用戶成本：**大多數風控策略都會給平臺用戶造成額外成本，風控人員的附加期望也會給用戶增加更多限制，如補充更多信息才能申請,（例：聯繫人手機號等信息），如獲取更多權限才能申請（例：通訊錄權限），這樣的條件對用戶來說意味着更高的交換成本。用戶成本增高，信用風險隨之增高。

2.5.1.3 避免傷害

對平臺的傷害：類似交易類平臺刷補貼，互金平臺各類欺詐，共享單車平臺用戶惡意損壞單車，現金貸平臺提現失敗等，對平臺建設來說都是不小的風險事件。

**對用戶的傷害：**內容/社交平臺的垃圾信息，交易類平臺的惡意取消等，都會對用戶造成一定的傷害，信貸業務中，任何高召回的策略都存在一定概率的誤傷，在信用風險混淆矩陣中，通常高召回率對應着高誤殺率，cutoff的選擇直接反映了策略師的專業度和風險偏好，誤殺大概率意味着客戶對本產品的第一印象非常差。

2.5.2 核心思路

2.5.2.1 找

強調主動性：市場競爭形勢嚴峻，如果平臺不夠大不夠知名，客戶通常不會主動上門，甚至找不到門在哪裏。那麼，業務的拓展，就基本依賴於前線市場團隊的開山、鋪路、搭橋，不論是線下行銷，還是電話營銷，本質上平臺都需要從思維和行動上主動“尋找”客戶。對於現金貸平臺來說，主動找上門來的和沒有渠道標記的客戶，風險通常相對較高。

2.5.2.1 擋

強調原則性：在拓客過程中，我們通常無法第一時間判斷用戶各類風險的高低，而一旦進入到風險識別環節，首先要做的就是將涉及到政策風險或者企業平臺風險的客戶識別並婉拒，這類客戶即使信用良好，但因諸多強規則和不可控因素，還是需要暫時“拒”之門外。但是，如有必要則需給予一定的“拒絕原因”提示，以達到平臺最大限度客戶教育和長久上挽留客戶的目的，這也是用戶體驗的一部分。

2.5.2.2 抓

強調破壞性：該類客戶，通常以有組織有紀律有目的的形式對新平臺新產品虎視眈眈羣起攻之，而平臺多半的損失是由這類行爲造成的，如：羊毛黨、黑產、撞庫等，該類風險，不僅意味着財務損失，更有企業信息安全方面的風險。“擋”不住的，就“抓”住，然後看啥時候心情好，摁在地上摩擦。

2.5.2.3 估

強調預測性：擋住一部分，抓住一部分，剩下一部分。那麼剩下的這部分用戶，便是企業目標用戶，在整個生命週期中，不僅需要對其進行風險管理，還要考慮到交易後的用戶運營以及用戶違約之後的催收回收。因此，我們需要通過構建用戶風險畫像、行爲畫像、消費畫像、資產畫像等的方式來進行評估、分層、分羣、甚至分時段精準個性化服務。“估”字寫起來很簡單，做好卻不容易。

2.5.2.4 獎

強調正義性：有這麼幾句話：①產品對用戶的吸引，來源於獎勵。②用戶對平臺的忠心，強化於獎勵。③爲用戶生成的內容給予獎勵，是一種回報。④用戶獲得獎勵，會更願意主動分享。

強者恆強，弱者恆弱，好的愈好，壞的愈壞，多則越多，少則越少，這就是現實的規律——馬太效應。平臺對於用戶良性行爲給予一定的獎勵，不僅僅是一種認可和表揚，可以激發用戶更多的消費行爲，更是一種對正義行動的鼓勵和支持，代表着一種正向的平臺價值觀。

2.5.2.5 懲

強調嚴重性：一方面，降低【欺詐者】的收益，如取消優惠券，刷單作弊自然沒有了。另一方面，提高【欺詐者】的成本，對於欺詐用戶，在行業徵信庫中共享名單信息，使其一家黑則家家黑。另外，爲填補風控漏洞而更改的產品流程,同時增加了用戶成本。對於前置規則識別出的明顯團伙類欺詐者，可以在產品設計上增加更多的信息驗證環節，增加家庭地址、單位地址、設備信息等，使其邊際收益降低。

2.5.3 基本流程

（圖片來源：艾瑞研究院）

2.5.3.1 營銷獲客

市場營銷是信用風險管理的第一環節，與業務運營的其他環節一樣，營銷也有成本，也就意味着需要精細化管理。儘管人們在很多年前就意識到信貸部門和市場部門的交流很有必要，但這種交流一直都不太頻繁，因此作用甚微。

理解與協同：通常，業務部門是開放的，信貸部門是保守的。市場營銷的目標是吸引業務，它們關注數量；而信貸的目標是控制風險，更關注質量，這兩個目標互相矛盾。如今，二者關係更加協調，市場部門的目標在於吸引被接受可能性更高的業務；而信貸部門的目標是在控制風險的同時使資產收益最大化。如果市場部門掌握信貸程序的知識並使用適當媒體來制定目標，明確地宣傳，那麼接受率會大幅提升。同樣，如果信貸部門對即將推行的廣告有所瞭解，就能確保申請程序提供適當資源，還能按照實際情況及時調整策略。

2.5.3.2 申請審覈

據統計，80%的可測可控風險在審批時就已經決定了。申請審批是發展業務的開始，是客戶與公司最初或唯一的聯繫。所以爲了給用戶建立較好的第一印象，審批流程、審批數量、審批效率、用戶體驗等，就都是需要關注的點。

影響因素：準確性、週轉率、採用率、完成率、靈活度、靈敏度、透明度等。

審批流程：收集客戶信息、申請信息、物理採集、初篩和清洗。

策略分類：內部調查、外部調查、度量決策。

**決策執行：**拒絕、向下銷售、接受。

2.5.3.3 欺詐防範

毫無疑問，欺詐大幅提升了業務成本，甚至會導致公司破產。除了顯而易見的財產損失，建立和維護反欺詐系統，以及欺詐審查對客戶服務造成的影響也都會產生成本。

反欺詐要在所有產品而不是單一業務線上開展。按照欺詐主體，欺詐類型可分爲：

第一方：合法的賬戶持有人粉飾信息申請貸款產品，之後首次還款就違約，沒有還款意願。

第二方：有自願且合法的另一方在交易中出現，如收款人或商家。交易金額比真實需求高。

第三方：非關聯方，在交易過程中沒有合法地位。這類欺詐給貸款機構帶來了最多的損失，包括失竊、盜用、未收到、未達卡、僞造等。

常見的欺詐偵測工具又包括：

交叉產品：貸款機構共享欺詐數據庫，提供全行業的反欺詐水平。

數據共享：反欺詐系統應該是模塊化的，能夠適應新的數據量和數據源。

團伙打擊：不只關注單個欺詐分子及其行爲，建立詐騙網絡，防範有組織犯罪，整體處理效果更好。

法律執行：最大限度地將欺詐案件移交司法機關處理。

2.5.3.4 賬戶管理

賬戶管理涵蓋了管理現有賬戶關係的所有前臺和後臺工作，包括賬單、支付、額度、續約、催收、回收、追蹤等。在信用風險管理週期中，它更多地指對正常賬戶的管理，排除了催收和欺詐賬戶。賬戶管理的目的是管理客戶對信貸的需求，讓他們不斷使用更多產品。賬戶管理包括貸中風險預測、額度管理、還款提醒、客情維護等。

2.5.3.5 催收回收

催收回收與賬戶管理最主要的區別在於前者很緊急！簡略總結爲：

賬戶管理：對正常賬戶的日程管理，維持其令人滿意的狀態，重點在於客戶滿意度並發展客戶關係。

催收：對早期的逾期行爲和首次不履約的客戶進行提醒，重點在於解決問題並維持客戶關係。

回收：處理嚴重逾期行爲和再犯客戶，重點在於收回欠款並斷絕客戶關係。

因此，對於催收和回收，講究時機，也講究策略。

催收過程

2.5.4 獨特方法

名單庫、打標、分類、分羣、分層等方式，都是差異化風控和精細化運營的一種手段，既有利於定向精準營銷，又有利於差異化定額定價降低違約損失，還能在貸後施加不同的監控和還款提醒、催收措施，總體來說可以降本增效。舉個例子，評分模型最好不要一刀切，而是分爲ABCDE五個等級，不同等級區間的用戶，給予不同程度的通過、額度、提額策略、違約金免息政策等，這樣能降低損失的情況下，提升收益，還有利於維護老用戶在平臺的粘性。

2.5.4.1 名單

企業名單庫的建立，對於建立完整的風控機制來說非常重要。

內部風險名單：標準特殊手機號、身份證、銀行卡號建立，分爲白名單、黑名單、灰名單、觀察名單等。

內部設備名單：標準特殊物理信息，包括域名、IP、地址、設備、等。

**外部風險名單：**徵信風險名單、信貸逾期名單、欺詐風險名單、多頭風險名單、行業催收名單等。

2.5.4.2 標籤

標籤管理：“標籤”是客戶畫像最核心的部分，具備完整的標籤管理模塊，包括多層次標籤結構的定義、標籤邏輯定義、多種標籤生成方式等。有助於個性化精準營銷、差異化風險管理，精細化客戶運營。

標籤類型：客戶的基礎屬性、興趣偏好、行爲習慣、借貸傾向等，人羣及商品標籤等。

打標方式：手工批量打標籤、自動化流程標籤、自動化規則標籤、模型計算標籤和自定義邏輯標籤等不同的生成方式。

2.5.4.3 分類

用戶分類是精細化運營的第一步，也是最有效最關鍵的一步，總體思路是從一開始就對用戶實行分類識別，分而治之。

渠道分類：比如網站、短信、GDK流量。

產品分類：比如循環貸、現金貸、車貸或者公積金貸，單期貸和多期貸。

用戶分類：比如新客或者老客，多頭或者白戶。校園用戶和城鄉用戶。

數據分類：比如內部數據和外部數據。

策略分類：比如經驗規則、數據規則、模型規則。

生命週期：比如新貸和復貸，貸前和貸中，低齡與高齡。

2.5.4.4 分層

本質上看，用戶分層是一種特殊形態的用戶細分，應用於業務運作。按用戶價值高低進行細分，處於上層的是高價值用戶；處於下層的是低價值用戶，看似簡單的分層，只要和業務結合起來，就很容易解釋清楚，也很容易定位到問題。

最大作用：用戶分層最大用處是去平均化。

特殊作用：用戶分層還有個特殊作用，就是一個企業提供給高中低檔用戶的產品/服務/體驗是有限的，用戶分層的特殊作用，往往是固定的高中低檔套餐，高配/標配/低配產品，高級/中級/初級VIP服務。當我們分開高中低檔觀察用戶的時候，很容易直觀看到，我們提供的產品/服務/體驗是不是出了問題，我們正在損失哪一檔顧客。這樣的分析指向性非常強，可以快速定位問題，幫運營找到突破口。通過結合業務行爲的分層，快速定位業務問題。

用戶分層的常見錯誤：維度交叉，缺少重點。

用戶分層的基本思路：分類維度+分類標準。分類維度是當前業務的關鍵問題，分類標準和業務動作直接相關。

用戶分層的常用方法：簡單的用二八法則分層，常見的有金字塔模型、四象限法、用戶生命週期、AARRR模型等。其實用戶分層並沒有固定的方式，通常根據產品形態設立因地制宜的體系。不過有兩個思路可參考，一個是圍繞從獲取用戶到最終轉化的演進路線劃分，一個是圍繞用戶使用產品的本質需求劃分。

2.5.4.5 分羣

人羣細分：基於每一個客戶個體的數據洞察並不意味營銷一定要區別對待每一個人，更實際的是區別對待每一羣人，每一羣“相似”的人，這要求品牌具備人羣細分的能力。具有一個或多個相同特徵的人構成一個細分，細分是大部分精準營銷的目標，也是客戶特徵分析的顆粒度。具體細分能力是分析洞察和精準營銷的基礎。

人羣特徵分析：人羣特徵分析幫助品牌回答如下的問題：不同特徵維度（例如人口屬性、消費習慣、會員等級）的人羣分佈和數量在一定時間段內符合特定特徵的人數變化。

組合分析：在具備數據和不同維度的分析工具後，需進一步將不同維度的分析進行組合，以產生新的洞察。例如：

①分析不同人羣的同維度分析結果，找出人羣差異或行爲表現和人羣特徵的關係。

②一定時間週期內，特徵人羣的數量變化，行爲或者特徵的變化趨勢

③特定行爲分析路徑中，對特定步驟或人羣的數據下鑽，找到更下一層的特徵和行爲原因。

2.6 匠心耕耘，推己及人

2.6.1 以人爲本

信貸客戶生命週期可以分爲三個階段，分別是客戶獲取、客戶提升與成熟、客戶衰退與流失，所以設計營銷策略時必須圍繞客戶的整個生命週期，發掘不同層級客戶的價值，實現效益最大化。

2.6.1.1 客戶獲取

客戶獲取的目標是發現並獲取潛在客戶,增加流量轉化率。當客戶從渠道進入平臺時，利用現在大數據環境下多維、非結構化、高度分散的數據，整合分析形成客戶畫像，同時利用機器學習技術建立潛客響應模型。根據客戶響應概率分爲高響應客戶、中響應客戶、低響應客戶，針對不同的響應級別，設置不同營銷策略，高響應客戶採用主動營銷策略，如電話營銷，低響應客戶可暫時放棄，降低營銷成本。

2.6.1.2 客戶提升

客戶提升與成熟，挖掘存量客戶價值，提升客戶忠誠度。基於存量客戶歷史信貸行爲、消費行爲、消費偏好、金融業務屬性等多維度數據，建立信貸意向識別模型，進行產品推薦或交叉營銷，提高用戶粘性，提升客戶忠誠度，使客戶價值最大化。

2.6.1.3 客戶召回

客戶衰退與流失，目標挽回流失客戶,讓其對信貸產品重新產生興趣。利用賬戶歷史數據及行爲數據建立流失預測模型，提前預警客戶流失，採取針對策略及時挽回客戶。

獲客只是金融業務活動的第一步，金融的核心是風險管理。

2.6.1.4 客戶畫像

人口屬性：性別、年齡、職業、學歷、收入、房車等；人生階段：在校、工作、備婚、備孕等。

家庭屬性：農業或非農業五保戶低保戶復員退伍軍人獨生子女家庭二女戶特困戶企改下崗人員。

收入水平：單位名稱、單位電話、工作職務、單位性質、收入來源、收入水平，直接體現收入水平及收入穩定性情況；

償債壓力指數：用戶本人當前償債壓力指數的情況。數值越大，壓力越大。

位置屬性：常駐地地址、家鄉地址、工作地址、地點偏好、差旅目的地等。

社會屬性：黨員/團員。

價值屬性：有無車標識等。

消費屬性：消費水平、消費品級、購買方式、購物行爲、消費偏好等。

行爲屬性：生活行爲、金融行爲、旅遊行爲、社交行爲等。

興趣屬性：金融偏好，上網目的等。

工作屬性：白領/藍領。

行業屬性：房地產行業、教育行業、教育培訓、旅遊行業、汽車行業等。

設備屬性：設備類型、設備價格、應用偏好，設備安裝、卸載、打開、活躍，設備價格、關聯手機號個數等。

個人資質：查詢用戶消費、收入、資產、職業等信息，對用戶消費等級、消費偏好、收入穩定性、職業穩定性等信息進行評估。

穩定性評估：收入穩定性、家庭穩定性、位置穩定性等。

還款能力：判斷收入範圍，收入能力水平，消費能力水平，判斷高淨值用戶

借款用途：無定向用途貸款（多爲信用貸）和定向用途貸款（多爲商品貸款，可以分爲抵押和免抵押）

2.5.5.5 特殊客戶管理

特殊客戶管理，可以看做個體策略。特殊客戶管理雖然是複雜的，但也是單一的，是多變的，但也是有規律的，要着重從特殊性和人性化的角度去換位思考和儘可能滿足。

特殊客戶：爲老、弱、病、殘、障等提供金融服務；特殊管理失信、失聯、死亡、出逃等債務人。

特殊訂單：重複借款、重複扣款、無法還款等。

特殊需求：延期還款、追加借款等。

特殊要求：罰息減免、還本免息等。

檔案記錄：將此類特殊賬戶、案件的每一個交互和執行動作都記錄在檔。

2.6.2 不忘初心

責任意識，家國意識，企業擔當

3.風控策略之規

一個基本的風控策略系統是伴隨整個業務而生的，所以根據業務的生命週期，風控策略可以分爲反欺詐策略、信貸風險策略、貸中管理策略及貸後管理策略。在完成風控體系的搭建後，需要結合信貸業務流程來考慮，就需要專業的策略人員或者團隊，以客戶爲中心，將市場營銷、申請和審批、客戶管理、催收和收回以及不同階段需要注意的關鍵點作爲信貸風控的核心去設計以及管理。

3.1 崗位職能，全

在整個閉環系統中，策略由誰管理、由誰執行、由誰監控、又由誰做效能評價，都需要嚴格的職能劃分，這些崗位職責或許是由風險部門來制定，但制定並不意味着執行，需依照不同組織架構、不同級別的權限，協同做管理和實施，基於業務運營需要, 作出集成化的、流程化的風險策略。

一個好的策略師，應該是複合型的，職責內的能做好，職責外的能幫忙。所以，我們認爲策略師一定程度上要有全棧的能力。

3.1.1 設計風控流程

業務政策：快速理解商業模式，可進行解決方案的擬定及講演，參與商務、產品、運營，完成風控需求分析和項目策略管理推進。執行風控運營相關的調研工作，輸出調研結果；通過對業務數據、客戶行爲數據的分析，結合調研評估，對公司各項決策提出相應建議，包括產品政策、風險政策等。

設計流程流程設計

流程制定：參與信貸業務貸前、貸中策略和政策的定製及全流程風控建設；對信貸產品流程和系統策略管理流程進行優化；參與制定風控政策和上線決策，並跟蹤線上效果，能夠對模型質量進行驗證和評估，提出優化改進建議和方案。

系統系統建設系統建設：參與建立健全的風險管理體系，包括金融產品設計、整體審批流程設計、風控模型建設、審批決策建議等；整理風控數據需求，對內挖掘數據價值，對外測試及對接合規三方數據；思考業務環節或場景可能潛在的風險，設計合理的數據埋點體系。

組織協同：幫助協調實施，包括定義技術要求，在產品端實現政策實施，以及預計和檢測項目影響力是否符合預期；與技術團隊進行對接，確保風控策略在高效快速的落地實施；與業務相關部門緊密合作，對產品設計和業務流程進行全面風險評估；推動產研團隊、算法模型團隊快速落地業務需求，確保產品迭代和優化效率。

目標目標任務目標導向：控制業務的逾期率，提升客戶通過率；提高收入，控制成本，聯合優化逾期率、批覈率，協助運營好業務指標。

3.1.2 制定風控策略

策略制定：制定和優化風控策略；利用數據、規則、模型等完善風控策略，包括原有風控流程及規則優化、反欺詐策略、審批策略、定價策略、額度策略等內容；按照既定的方法輸出風控策略規則的評估結果。

策略調優：實時瞭解信貸欺詐案例及技術手段，並探索指定反欺詐策略。

特徵管理：參與建設風控特徵，挖掘特徵內涵、調試特徵閾值、驗證特徵有效性等。

3.1.3 實時數據監控

實時監測：建立數據監控體系，與相關部門進行有效溝通，對系統問題、審批流程效率、風控策略效果進行實時準確的監控及報送等。

監控報表：對業務關鍵指標進行挖掘、整理和分析，形成數據報表，持續監測；設計資產監控報表，跟蹤賬戶風險表現，並對資產信用表現進行監控分析。

3.1.4 風險數據分析

日常數據抓取、分析和報表工作，對業務各環節數據進行分析，探究問題原因，提出解決方案，爲公司業務發展提供支持。

數據分析：用戶數據及風險數據分析；通過大數據分析，定量識別潛在的風險和業務影響；通過數據對公司各個流程環節進行分析評估診斷，優化運營流程，提升效率；。

報表報告：業務報表和風險預警體系的開發和維護；業務數據的提取、處理、分析，撰寫分析報告；

案件分析：在數據分析和案例調研反饋的基礎上優化風險管理相關政策與策略；風險案件深度挖掘、分析，洞察風險客戶行爲特徵，快速調整識別策略並推動風控產品升級迭代；

指標測算：風險有關資產、財務、風險、運營數據指標的測算。

數據挖掘：掌握Logistic迴歸、評分模型設計、決策樹等基本的數據建模方法，能掌握SQL、SAS或其他數據分析工具，良好的風險敏感度和優秀的數據分析技能；對風控數據進行深入的分析和建模，爲風控決策及策略的應用提供強有力的數據、模型支持；通過對數據的聚合、合理性的分析，覈實風控模型數據準確性。

3.2 營銷獲客，準

按照展業模式，消費金融的產品形態大致可以分爲線下和線上，線下轉線上是大勢所趨。把從傳統的對賬戶、客戶的關注，轉化成對用戶、流量的關注，是一種理念上的轉變。一方面如何將沉寂客戶點燃，另一方面如何精準觸碰、轉化外部未知客戶，是未來零售獲客領域的核心。

3.2.1 展業之痛

3.2.1.1 行業特點

低頻化：金融服務本身就是低頻的服務，流量不夠，競爭激烈。

同質化：同業機構數量衆多，產品服務同質化嚴重。

離線化：許多金融產品互聯網基因不足。

3.2.1.2 業務痛點

缺渠道：行業限制太多，流量損耗大，缺少好的獲客渠道，欠缺時效性和精準性，業務員花費大量時間精力篩選線索，效率低下。

高成本：營銷成本快速攀升，客羣質量迅速下降，流量採買粗放，效果低。信用貸款產品低頻的產品屬性和較爲嚴格的審批通過率，導致其獲客成本數倍於其他類型產品。在消費金融領域，激活成本300-500元已是能拿到量的較好水平，提款成本1000元以上毫不稀奇。

低價值：與高昂的獲客成本不相稱的，是低的可憐的單用戶LTV（Life time value：用戶生命週期價值）。除少數頭部企業的LTV能達到500元+，大部分腰部和尾部機構的LTV都不到100元，甚至是負數。固然LTV不是衡量產品好壞的唯一指標，但獲得高質量的客戶是競爭的核心。

難定位：產品定位模糊。

難運營：互聯網運營經驗不足，侷限在業務運營，沒有真正聚焦於互聯網運營、流量運營。

存量管理：銀行雖然客戶很多，但是沒有多少客戶是活躍的，基礎流量還面臨着缺失，向互聯網的全面轉型，是一個問題。

金融創新：網絡金融服務中，監管不對等，導致很多互聯網金融企業發展很好，但是像銀行這樣的機構在做互聯網金融的時候很喫力。

3.2.1.3 發展趨勢

產品：確定產品類型，理清金融產品和渠道產品；To C、To B、B2B2C不同模式的產品；自建產品和聯運產品的區別和關係。

驅動：由業務驅動轉變爲用戶驅動。

3.2.2 營銷之道

3.2.2.1 營銷脈絡

從觸達用戶開始，到用戶從生理上、心理上產生一些感知，到通過這些感知與互聯網金融服務產生實際操作上的交互，再從交互轉化成網絡金融的實際業務，再從業務變成二次傳播或者業務回訪，其實就是這麼一個脈絡。這個脈絡是一個閉環的營銷體系，在這種閉環下面用戶的營銷效果就會逐漸放大。

交互體驗，更多落實在營銷方案的設計上，思考什麼樣的營銷方案讓用戶有興趣參與到交互當中。

營銷轉化：營銷的目的就是轉化，把營銷轉成實實在在的業務，否則營銷就是失效的。營銷的轉化更多體現在了系統的聯動設計上，外部傳播以及系統的聯動設計都是爲了由營銷更順暢的轉化爲實際業務。

傳播回訪：更多體現在網絡金融產品自身的設計上，如何讓用戶在完成業務後產生分享或者回訪的慾望。

首先，品牌傳播線上的渠道，包括廣告的投放，傳統的雙微門戶還有百度搜索這都是常規要去做的，包括事件的傳播。多做營銷活動，往事件營銷的方向去轉化。通過線下活動開展線下渠道，通過針對高流量的線下場景做線下活動。

其次，營銷轉化方面，分爲線上線下兩個部分，線上除了用短信的方式去通知用戶，讓用戶直接通過短信鏈接進行轉化，同時在應市場搜索方面做好檢索優化。另外，做一些跟用戶互動相關的線上活動，比如說比賽類、投票抽獎類的活動，這更多是線上轉化。在線下，以陣地營銷爲主，因爲陣地場景內，存量用戶足夠精準。

把這條脈絡都整理清楚之後由專人負責，圍繞着這樣不同的脈絡細分條線去設置相應的指標。提高營銷效率，核心還是在於找到一個能說得通、站得穩的產品支撐點，這是最核心的內容。

另外，一定要降低獲客成本，將大數據、雲計算、移動互聯和人工智能等引入自身變革轉型中，拓寬獲客渠道，重構營銷閉環。

3.2.2.2 獲客模式

直銷銀行：直銷銀行提供了一個銀行不需要去櫃面就能夠獲得銀行業務服務的通道，這個通道是有價值的，只是在運營層面要看銀行怎麼做。

開放平臺：開放平臺不管是與外部的互聯網機構、平臺方去合作，還是銀行內部通過自己的API接口去進行內部項目的孵化，這都是未來的重點方向，但是這個方向與自建平臺的創新發展不是零和關係，而是一種有效的補充。

品牌投放：品牌投放常見於綜藝影視賽事冠名、分衆電梯廣告、地鐵公交戶外廣告等，品牌投放由於即時轉化效果難以精準衡量，且通常項目金額較大，投放決策壓力大等原因，其在獲客端的佔比往往低於效果投放。

效果投放：目前線上流量主要集中在騰訊系、頭條系和頭部垂類平臺。在效果投放方面，雖然前端轉化效果看得見，但“精準投放”是不是真的能節約營銷成本，這個答案越來越多的人在實踐過後已經持有反面態度。

3.2.3 運營之光

定位：明確的產品定位和閉環體驗是營銷效率提升的前提條件。

目標：網絡金融營銷有精準的目標受衆。

需求：找到一個痛點對一類需求人羣進行階段性營銷。

匹配：與自身網絡金融業務匹配度不高的營銷多半無用，可能會在品牌傳播角度有貢獻，但對業務的轉化效果和支撐效率不高。

品牌傳播和業務營銷是兩個不同的方向，有側重纔能有效率。

數字化：數字化營銷的強轉化需要營銷和自身業務系統的深度整合，高效的數字化營銷不能孤立於業務系統之外，一個只爲了傳播而傳播的營銷活動，其實沒有太大意義。

補貼：補貼是讓用戶接受嘗試的方法，而不是留下客戶的手段。拼命補貼，不加思考，就會變成一個薅羊毛的渠道。

考覈：考覈是把雙刃劍，產品好，方向足夠細化，考覈才能夠推動產品營銷產生正向的效果，否則反倒成爲阻力，讓基層營銷的同志們不知道該怎麼使勁，細化考覈目標纔能有的放矢。

3.3 貸前審覈，嚴

貸前策略以反欺詐和授信爲主，基於數據分析在貸前申請階段制定各式各樣多維度的策略和規則，其目的在於減少貸前審批時⻛險事件發生的可能性,挽回⻛險事件時造成的損失。對高風險客戶進行篩選對同時,保留低⻛險客戶。在保證業務體量的同時降低壞賬率，控制逾期風險而實現盈利。

3.3.1 風控政策

一份標準的政策性文件包括篩選客戶、進件方式、准入條件、申請資料、信息驗證、風險定價授信等。閱讀政策性文件，是瞭解行業和風控最好的材料，但因機密性強，無從學習，顧本節就風控政策中的要素分解開來，詳細介紹其研發思路。

3.3.2 准入策略

准入策略主要是在審批前基於用戶基本信息判斷客戶是否符合信貸政策中基本的客戶標準（包括年齡、工作生活區域、職業、是否實名認證、以及在當前申請銀行的申請歷史等），通過准入設置，可以一定程度上降低非目標客羣申請帶來的風險和審覈數據成本，提高效率。

用戶准入分爲強准入規則和弱准入規則：一般來說，強准入規則相對固定不易改變，比如一些地域、民族、年齡以及內外部黑名單等；弱准入規則主要進行風險下探，可以進行調整，比如灰名單的設置，不同於黑名單，灰名單通過一些準確率較高的規則或者通過與黑名單進行多級關聯產生，這些名單沒有黑名單準確率高，但在一定準確率條件下補充了黑名單的覆蓋情況。

3.3.2.1 資料准入

拿到用戶註冊信息，一眼可以識別出來的問題。

**資料完整性：**必填項未填，例如聯繫人信息填寫不完整，必然會導致拒批，或者提示重新申請。

**資料真實性：**內容明顯錯誤，如手機號位數不對、姓名明顯有問題。

資料有效性：提供資料無效，例如提供了沒蓋章的收入證明，過於簡易的工作證來證明單位，自行打印無蓋章的銀行流水等。都屬於這個資料無效的情況。

資料清晰度：字跡無法識別，申請表字跡潦草，或填寫出格，是線下申請被拒批的重點原因之一。

3.3.2.2 身份准入

資料滿足要求後，開始識別用戶本人的資質問題，同樣無需過多數據支持。

國籍准入：產品規定的借貸人國籍限制，信貸業務一般要求客戶爲中國公民。

**年齡准入：**產品規定的借貸人年齡限制，校驗用戶年齡介於最低年齡和最高年齡之間。

行業准入：產品規定的行職業准入條件校驗。部分人員流動性較大的行業會被視爲不穩定工作；學生用戶羣體受到重視及保護；此外，小額貸款公司、融資中介公司等也會被不少機構標記。

地域准入：校驗地址中是否包含某些關鍵字，尤其是業務規定範圍之外的區域。

例：城市等級越低，其對應的逾期率越高。

例：年齡越低或越高，進件對應人數就越少，對應的通過率越低，逾期表現也不好，放款成本非常高，那麼這部分用戶，就可以在准入部分直接拒絕。

3.3.2.3 名單准入

當用戶身份滿足要求後，遍歷內部數據庫，作爲第一層用於高風險用戶的識別機制。名單的產生不應該是一次性的，名單應該進行長期維護並且注意名單的進入和退出。因爲一旦停止維護，名單的準確率就會發生大幅衰減導致誤判急劇上升。

風險名單：內部黑名單或者行業內共享高風險名單。

渠道名單：進件渠道不符合要求或被標記，如未推廣渠道高密度註冊及進件。

設備名單：申請設備不符合要求或被標記，如統一設備被多人使用。

例：用平板電腦申請借款的用戶，一般爲特殊的場景，不可預估貸後表現，一般拒絕。

例：同一臺設備有多個賬戶註冊登錄，一般認爲欺詐嫌疑較大，則拒絕。

3.3.2.4 歷史准入

3.3.2.5 其他准入

另外，不同平臺不同產品的准入規則多有差異，在上述基礎規則中，多數機構爲了降本增效，還會增加一些企業內部的准入策略，如：重複授信、特殊時段、降級申請、設備准入、企業經營年限要求、戶籍要求、婚姻方面，有些特殊產品，甚至會對性別會有限制。總體來說，以滿足某個條件爲基本，或者以擁有某個資質爲前提。

3.3.3 信息覈驗

到信息覈驗一步，意味着用戶的基本條件滿足要求，此時需要藉助技術或者數據去核查用戶信息的真實性。在網貸申請中“確認你就是你”非常關鍵，它強調一致性，也防止在貸後出現一些不必要的麻煩。

信息覈驗方式多樣，包括對用戶提交信息、用戶身份等與公安、徵信、銀行等系統進行交叉驗證，或者生物特徵識別、電子簽章、地址正則校驗等技術的應用等。

3.3.3.1 實名認證

作用：確認申請人身份證、姓名、手機號、銀行卡是真實並且關聯的。

方式：實名認證主要是身份證、姓名二要素認證、加上手機號碼的三要素認證、還有加上銀行卡的四要素認證，可以降低欺詐風險。實名認證覈驗異常並不意味着一定是欺詐，只是因爲不確定性意味着更多的風險性，所以需要這一環節來過濾一部分因填寫信息異常或者其他行爲異常的用戶，後續可以安排短信或者電話回訪具體原因。

3.3.3.2 短信認證

獲取登錄驗證碼。

一定程度上確認借款人設備是本人在操作，同時確認申請人使用手機號非停用、故障、異常、欠費狀態。

3.3.3.3 活體檢測

人臉識別驗證：對比用戶提供照片與身份證照片的相似度。

3.3.3.4 地址校驗

接入一些外部技術或數據，針對輸入地址信息、家庭地址、單位地址、常駐地址、身份證地址、設備ip、GPS地址、手機號歸屬地、最近使用地址、歷史使用地址等，做位置解析及一致性覈查。

3.3.3.5 其他要素驗證

運營商信息驗證、政法信息認證、車輛信息查驗、郵箱驗證、手機號與聯繫人手機號校驗、發證機關校驗等。

3.3.4 欺詐識別

欺詐可理解爲惡意騙貸，按主體可分爲：第一方欺詐、第二方欺詐、第三方欺詐。

第一方欺詐是申請人自己欺詐，身份是真實的，申請者本人是知情的，比如自己或通過中介包裝信息進行申請。

第二方欺詐主要指內部欺詐，或內外部人員勾結進行欺詐。

第三方欺詐是使用、盜用冒用他人身份進行欺詐，申請者本人不知情，比如團伙利用非法收集的身份證進行欺詐。

貸前欺詐主要是團體欺詐，集團化和規模化欺詐案件很難利用人工實現規避。通過大數據融合，挖掘線索特徵,挖掘用戶的行爲特徵,用戶關聯特徵等異常事件,結合IP、手機、位置等維度分析潛在的欺詐風險，結合具體業務場景，構建反欺詐模型，同時動態優化反欺詐規則，提高欺詐案件命中率。

3.3.4.1 申請信息反欺詐

信息存在疑點/欺詐：指申請人提供的信息存在邏輯錯誤，或者提供虛假資料。例如：

情況1：學歷本科，年齡23歲，在某工作單位任職4年。

情況2：工作單位與徵信報告中查閱到的單位信息不符合。

情況3：崗位層級、收入情況與覈實情況不相符。

3.3.4.2 設備信息反欺詐

涉嫌詐騙類設備、虛擬設備、虛擬交易過多、以及延伸出來的，設備申請、逾期、拒絕等過多。

歷史安裝應用風險事件，指客戶相關的終端設備裏，疑似安裝了各類相對貸款敏感類APP，如貸款跟賭博類，這樣的客戶也必是我們重點關注的風險。歷史安裝應用風險事件，我們稍後也會重點展開描述。

如：用戶手機號、身份證號對應設備歷史1、3、6個月安裝賭博類、借貸類APP個數過多。

設備拒絕。

3.3.4.3 三網數據反欺詐

手機相關信息也是不錯的判斷內容，這裏會進行手機在網時長、剩餘話費、價格等規則的判斷，當然也會參考外部數據源的信息。

通話詳單欺詐與疑似欺詐。例如手機實名不符、通話費用過少、某段時間內通話累計時長過少、通話詳單中姓名認證不符合、通訊錄呼入呼出交叉對比不符合條件、通訊錄中含有敏感詞關鍵字、通訊錄數據數量過少等。

例：手機開戶時常低於6個月或者3個月，用戶的違約成本大大降低，因爲手機號在完成借款後，扔掉對用戶的影響不大，通常對用戶手機號開戶時常有一定的要求。

例：通常，用戶通話記錄或者SMS短信中，有被多次催收，或者有過類似120、110等的內容，在識別到之後，會做拒絕處理。

3.3.4.4 徵信數據反欺詐

徵信策略根據申請人在人行徵信中過往和當前存在的負面信息（司法執行、欠稅、行政處罰等）、逾期信息、多頭共債信息、對外擔保等制定徵信規則。通過對客戶的負債情況和信貸逾期情況來識別判斷存在的違約風險。

央行徵信

央行徵信策略

民間徵信

多頭風險：指客戶在多個平臺借款的，疑似客戶有多個借貸的行爲，循環套現，以貸養貸，這樣的客戶一旦資金鍊斷裂，無法再在新的平臺借到錢，並會違約，風險極高；

失信風險：指客戶因爲歷史問題，被法院強制執行的行爲或者命中各類消費黑名單等；

多頭借貸。銀行類機構或非銀類機構借款數量過多、逾期過長、未還款次數過多。

拒絕過多：銀行類或非銀類非准入條件被拒次數過多，某時間段內申請過多。

例：通常認爲同一個平臺，用戶借款次數不宜過多，超過一定程度，擼貸可能性較大，所以可設定對應的拒絕閾值。

3.3.4.5 其他數據反欺詐

多數場景下都會用到：公安類數據、失信執行人名單、法院執行人名單、工商稅務類名單等，大額業務一般用央行徵信，小額業務一般用民間徵信。

外部黑名單：黑名單不同於欺詐。黑名單有些數據是不可共用的，但是欺詐的數據相對通用性比較大。

3.3.4.6 關係網絡反欺詐

3.3.4.7 復貸用戶反欺詐

3.3.4.8 其他

3.3.5 授信評估

基於客戶購物、交易、金融數據、歷史信貸記錄，客戶資產、債務結構,以及運營商、銀聯、公安及行業共享等數據，同時結合內部信貸政策,建立信用分險評估模型，覈定客戶還款意願和還款能力。同時可指導信貸額度和利率的差異化設定。

3.3.5.1 預授信

預授信是在沒有借款需求的時候提前給予一定額度，有了預授信以後，需要借款可以直接提取，不用再走一次貸款審批流程。多用在循環借貸類產品中，比如某些產品，即使不發起借款，也有一個可以使用的初始額度，可以理解爲一張有額度的信用卡。

常用在貸前市場開拓，在國內最常聽到的是預授信，但其實可以細分兩大塊，預審批和預授信。

預審批：把差的渠道的差的客戶排除在外，可以有效地降低企業的審批成本。

預授信：貸前審批環節設計時, 最重要是注意審批流程，另外額度會分成初始額度和最終額度，配合市場開拓，可以先做預審批，先有個初始額度，再根據最終審批結果有個最終額度。

預授信基本也是規則與模型的集合，使用到一些用戶基本信息，主要考慮用戶的信用風險、收入能力等變量，基本不用外部徵信數據。

3.3.5.2 行爲評估

個人資質：查詢用戶消費、收入、資產、職業等信息，對用戶消費等級、消費偏好、收入穩定性、職業穩定性等信息進行評估。

人口屬性：性別、年齡、職業、學歷、收入、房車等；人生階段：在校、工作、備婚、備孕等。

家庭屬性：農業或非農業五保戶低保戶復員退伍軍人獨生子女家庭二女戶特困戶企改下崗人員。

位置屬性：常駐地地址、家鄉地址、工作地址、地點偏好、差旅目的地等。

社會屬性：黨員/團員。

價值屬性：有無車標識等。

消費屬性：消費水平、消費品級、購買方式、購物行爲、消費偏好等。

行爲屬性：生活行爲、金融行爲、旅遊行爲、社交行爲等。

興趣屬性：金融偏好，上網目的等。

工作屬性：白領/藍領。

行業屬性：房地產行業、教育行業、教育培訓、旅遊行業、汽車行業等。

3.3.5.3 風險評估

利用客戶的一些多頭信息以及客戶歷史的逾期信息，主要識別客戶的信用情況，對於信用低的客戶拒絕，對於信用高的通過，對於信用中等的客戶，加一些其他方面的規則做審批。

歷史借貸記錄：瞭解用戶借貸意向，借款用途是否虛假，瞭解用戶借貸行爲，借貸行爲偏好

對用戶還款能力進行評估，對用戶還款意願進行評估。

歷史欺詐記錄：多頭借貸傾向，信用風險提示，信用逾期預測。

貸款屬性：多平臺借貸情況等。

共債風險：判斷用戶多平臺共債風險。

借貸偏好：用戶金融產品借貸偏好，包括經常使用的貸款類產品等。

借貸用途：購車貸款、醫療美容、網購貸款、裝修貸款、教育培訓貸款、旅遊貸款、三農貸款、其他

還款習慣：用戶還款方式爲主動還款、提醒還款還是催收後還款，是提前還款還是首逾後還款。

穩定性評估：收入穩定性、家庭穩定性、位置穩定性等。

設備屬性：設備類型、設備價格、應用偏好，設備安裝、卸載、打開、活躍，設備價格、關聯手機號個數等。

3.3.5.4 能力評估

制定完規則後就是對客戶的收入進行評估製作收入模型了，收入模型可以根據銀行卡流水數據、公積金數據來做。

履約能力：判斷收入範圍，收入能力水平，消費能力水平，判斷高淨值用戶，直接體現或者間接體現還款能力的。

家庭人數：家裏人多，你還不起，催收後有人可以幫你還。

婚姻狀態：大部分家庭，結婚的比未婚的家庭收入或經濟穩定更好。

文化程度：初中以下、初中、中專、高中、大專、本科、研究生及以上。

收入水平：單位名稱、單位電話、工作職務、單位性質、收入來源、收入水平，直接體現收入水平及收入穩定性情況。

貸款用途：購車貸款、醫療美容、網購貸款、裝修貸款、教育培訓貸款、旅遊貸款、三農貸款、其他。

收入來源：工資獎金、經營收入、投資理財、房租收入、其他。

償債壓力指數：用戶本人當前償債壓力指數的情況。數值越大，壓力越大。

3.3.5.5 綜合授信

**綜合信用情況：**查詢用戶消費、收入、資產、職業等信息，對用戶消費等級、消費偏好、收入穩定性、職業等信息進行評估。

通過設置表現窗口表示構建模型目標變量的時間段，在這個時間區間內，收集客戶的表現數據，以甄別好、壞客戶。通過統計應用創建了一個模型後，這個模型可以用來預測新的數據。最終，通過評分模型產生出客戶評分，根據客戶評分所在區間來產生對應的用戶等級。

模型部署與實施後，定期對模型的表現情況進行監控，由於開發的評分卡是基於特定時間的樣本，隨着產品政策和外部環境的改變，可能導致樣本分佈發生過大變化，導致模型預測準確性和穩定性降低。因此，可以通過計算模型穩定性指數(PSI)對模型進行監控，在一定時期對評分模型進行調整。

3.3.6 定額定費

客戶申請授信，需要對不同的客戶定設置不同的授信額度和利率，審批策略完後，將會進入到額度定價的階段。做完收入模型和申請模型後，就可將收入模型和申請模型做一個二維矩陣，對於矩陣中每個單元格設定一定的額度水平，在此基礎上授予相應的額度。

3.3.6.1 額度概念

固定額度：與客戶約定好的對賬戶正常操作的額度，客戶一旦違約，額度可能會被降低。

影子額度：後臺操作額度，在客戶未知的情況下設定，在客戶超限時被激活，或是客戶提出提額申請時啓用。

目標額度：在沒有額外手續時對客戶提額申請能給予的最大額度。

提額請求：永久提額和臨時提額。

提額降額：預授權、預激活、預篩選。

額度複覈：定期評額，關注客戶在未來固定時間能償還貸款的額度。

凍結額度：賬戶異常

額度模型： 單獨製作額度模型時，使用類似公積金基數，信用卡流水，借記卡流水、共債數據擬合額度模型，產出一個額度係數，再結合一些基礎且特徵明顯的維度，組成額度係數矩陣，客戶額度爲：額度係數*額度基數（一般是客戶的信用卡額度、月收入（真實的）或者公積金繳納基數之類的）。期數會參考申請評分卡的等級，由等級確定建議期數。

3.3.6.2 額度策略

額度計算整體框架：通常在客戶授信額度方面，有一個輸出的框架，會做一個決策樹分類。對於低分風險高授信，反之高風險低授信。信用額度主要參考客戶的收入、行業/職級、進件渠道，同時參考申請人的個人信用信息，結合進行授信。

客戶的最終授信額度：根據客戶的進件渠道、類型、和數據採集情況，依據額度授予框架和客戶滿足的特殊情形，對關鍵人、公務員、突破線客戶分別授信，對其他的客戶按照收入認定額度授予信貸額度，對於滿足特殊條件的客戶進行單點保底額度設定。

授信額度簡單計算公式：

額度策略本身受限於產品設計、客戶需求及競品情況。如果額度在借款區間中變化時，同一分段的壞客戶佔比沒有明顯差異，並且評分有較好的排序能力，每一分段對應的壞客戶佔比有顯著差異，那麼結合自身成本和風險偏好，可初步確定產品的額度區間 [A1，A2] 和件均 A0。由於右圖中倆個梯形的面積應該是相等的，因此，可以得到關於 A0的計算表達式，由於 A0、A1、A2 都是已知的，因此可以計算出 A0 對應的常數 K0，這樣就可以把右圖中藍色的折線擬合出來，即相對最優的一個解。可以實現，根據不同的分位數，給不同的額度。

3.3.6.3 利率策略

風險與利率計算公式

A 表示額度，r 表示預期收益率，p 表示壞賬率，對每個評分段分別計算預期收益 ri，但通常情況下，利率是固定的，當分數在某個閾值時，就直接拒絕掉。

3.3.6.4 息費調整

採用 sigmoid 來替代分段函數，確定基礎風險額度。對於大額借貸，還是考慮用戶的償債能力，即收入，資產，流水等指標，先算出基礎風險額度，再結合收入等指標，差異化調整基礎額度。

額度調整策略：

篩選可調額客戶

分爲調額組與對照組

調額後調額組與對照組資產趨勢分析

根據結果回調最初篩選可調額客戶的規則

在很多現金貸產品中，額度調整方式較爲簡單粗暴，如

對於新申請客戶

逾期超過5天則禁止提現，客戶正常還款後恢復提現；

最近6個月逾期累計超過30天或3次大於10天逾期，降額2500；

最近6個月逾期累計超過20天或2次大於10天逾期，降額1000；

降額後額度低於5000需補充資料重新審批。

對於老客戶

帳齡超過6個月，借款次數大於3次且每期正常還款，或提前還款，提額1000，但額度不能超過評估月收入的3倍或3萬；

三個月內只能提額一次，同時降低利率1%，可延長1個月分期期數。

3.3.7 人工審覈

項目冷啓動期，考慮加入一定人工審覈的環節，一方面瞭解用戶羣體，另一方面尋找產品漏洞，還能有效識別欺詐。

3.3.8 簽約提現

提現節點，是落實客戶最終申請放款最後節點。所以說客戶資信存在時效性，評估風險並非一成不變。用戶在授信後，會發起取款消費等操作。在這個過程中，需要保持對用戶的持續監控，對客戶進行鑑權認證，並保證用戶的信息沒有發生較大的變化，以及排除欺詐交易等。例如：若授信跟提現同一天完成，提現策略可以等同與授信策略，若提現與授信時間間隔較大，則提現策略與部分審覈策略進行重疊，另外也可根據外部的數據進行提現的調額調整。

提現環節同樣需要做一些風控策略，以預防客戶在點擊提現之後有一些違規操作，例如：

①客戶在提現之後，設備與之前的申請時的設備不同，且gps定位相差較遠。

②客戶提現之後更換銀行卡。

③客戶在出額度之後，頻繁更改個人信息。

④授信的額度，客戶提現的比例有多少？全提還是提一部分？

⑤在簽署合同前有相關的還款計劃待確認；

⑥確定提現時，應該還有一個電子合同簽署的過程這裏還有電子簽章的問題；

⑦之後簽署合同後將會發布接口、借款人信息登記於標的發佈等；

⑧保險起見，在這裏還會部署一個評分卡拒掉一部分人。

需要保持關注用戶、設備的地址變化、資質變化、償債能力變化、穩定性變化、設備變化、關係網絡變化、提款行爲等變化。

3.3.9 審批監控

進件情況

進件變化情況

首貸復貸進件情況

規則調用和拒絕情況

模型跑批情況

調用率、觸碰率、通過率、拒絕率

異常規則觸發情況

策略預估：預估策略上線對生產運營階段的影響，基於進件量、放款量、通過率的影響。

策略監控：策略上線後，監控此策略的佔比與預計的佔比是否發生嚴重偏差，且在正常運行階段是否全部執行。

（監控報告設計參考第五章）

3.4 貸中運營，密

放款之後，進入到貸中環節。在貸中環節，我們仍需對客戶貸款進行嚴密監控，這樣做的主要的目的有兩個：

1.對異常賬戶的用戶進行提前預警、催收；

2.對額度進行調整或凍結。

3.4.1 風險監控

貸中風控主要有交易中監控、交易反欺詐、早期風險預警。

3.4.1.1 交易監控

利用大數據技術實現實時監控，異常行爲預警（多頭借貸行爲監控、還款能足指標異常預警及還款意願交叉識別），對貸款流程中潛在或者已經發生的風險進行監控，以預防壞賬和交易欺詐。

3.4.1.2 交易反欺詐

交易欺詐主要是信貸業務發生時的第三方欺詐，通過借款人爲核心關係的人際關係網絡，借款人的交易行爲、還款行爲、設備使用行爲等各方面關鍵信息項的交叉偵測，提前發現風險，進行預警並對借款人賬戶進行實時管控。

3.4.1.3 早期風險預警

用戶在提款之後，根據客戶的借還款行爲表現，通過統計或機器學習算法建立起行爲評分模型，並使用模型去評估是否有逾期風險或者是否應該授予更高/低的額度，根據模型分也可以制定若干強規則和弱規則。行爲評分可以用賬戶表現的各個方面作爲衡量指標。

3.4.2 客戶運營

建立信貸意向識別模型，挖掘客戶信貸需求，產品偏好，進行產品推薦或交叉營銷，實現客戶價值最大化。

3.4.3 還款提醒

借記卡動賬提醒

信用卡動賬提醒

信用卡還款提醒

信用卡賬單提醒

貸款還款提醒

貸款審批提醒

3.5 貸後管理，勤

並非所有的貸中客戶會逾期的行爲都能被及時監控到，所以這時候對於逾期的客戶，也需要分層，把客戶分等級之後採取不同的催收策略，使用數據多爲客戶貸中行爲。

貸後風控可拆分成兩部分:貸後監控和貸後催收。先做監控是需要提前預知可能產生的風險，幫助企業減少一些風險上的損失。

3.5.1 監控體系

從貸款發放後到本息收回，通過掃描借款人新增風險，動態監控借款人信息變更，及時發現不利於貸款按時歸還的問題，調整相應催收策略，解決壞賬隱患。

貸後監控：首先最重要是監控客戶是否能按期還款。其次是去監控客戶有沒有其他資產品質或者負債品質的變化。最後是監控是否出現異常。

這個監控是通過什麼樣的方式來作？模型、評分卡，規則。行爲評分卡，規則的輔助以及外部數據不斷地實時更新，監控穩定性。

貸後監控如何做？一是需要人力，有好的分析型人才和策略型人才；二是需要系統和工具的輔助。因爲監測客戶或監測產品，這些能夠幫助快速甚至實時更新信貸數據。三是在應對策略，根據策略必須決定繼續縮或放的手段或政策，可以有效地提升企業的信貸業務品質。

（監控報告設計參考第五章）

3.5.2 催收策略

3.5.2.1 逾期催收

一般來說，我們所講的客戶催收是在客戶產生逾期之後，可能在M1、M2、M3等如何催收的管理。但這裏特別要強調的是早期催收的概念。

根據研究，客戶一旦發生逾期，催收的最佳黃金時間一般是3-7天。具體天數主要是看企業現有的貸款產品。所以不要等到M1了，因爲此時逾期已經是一個月之後，可能已經找不到欠款人了。所以在逾期的第一天，就可以跑出欠款人的逾期名單、逾期報表，開始執行催收手段。

逾期原因

疏忽大意：沒有設置自動還款，忘記，或者在度假。

技術逾期：支付系統延時，導致還款未能及時到賬。

錯誤信息：設置自動還款時信息錯誤。

理財較差：客戶還款義務超過收入。

個人困境：失業、婚姻問題、財產損失等。

爭議糾紛：涉及費用、利率、支付方面的異議。

逃債躲避：有意或者無意的失聯。

無力償還：主動或被動破產。

貸後催收主要是針對逾期還款催收，通過數據分析，對客戶的逾期風險進行評分，利用差異化催收策略進行貸後催收。市場上的一些智能催收產品有：

逾期客戶畫像：明晰催收對象情況，多維度畫像數據，精確勾勒逾期客戶還款能力與意願的相關情況並精準量化。

催收分級：使用貸後數據和三方數據製作催收評分卡，根據催收評分的結果，對可催人羣進行差異化人工入催，優化催收成本，提升客戶體驗；

催收評分：評估對象催收難度，融合金額、賬齡、地域等多維度信息建模評分系統，對債務還款可能性進行綜合。

分單策略：根據催收評分，結合系統總催收人員能力制定分單策略，以對案件進行合理化分配，提升催收效果。

輪循撥號：友好自動撥號，對於高頻、簡單的催收案件，採用輪循撥打，減少人工操作，縮短撥打間隔，有效提升催收效率。

失聯修復：對失聯客戶的交易前後行爲特徵進行分析，結合社交信息建立起關聯圖譜網絡，通過圖譜中的社交節點進行失聯修復。

失聯催收：跟蹤關注類用戶行爲軌跡，適時預警，並在逾期失聯後以恰當方式進行催收。

建立催收評分卡模型：

a)還款率預測模型：預測經催收後，最終收回的欠款的比率；

b)賬齡滾動模型：預測逾期人羣從輕度逾期發展至重度逾期的概率

c)失聯模型：在逾期階段，對於尚能聯繫到的人羣預測其未來失聯的概率

d)相關指標：逾期天數、逾期金額、歷史還款率、個人信息、聯繫人關係、運營商信息等

催收流程：還款前短信提醒→逾期初短信提醒→逾期初電話提醒→逾期初電話催收→實地文明催收→法院→外包

催收方式：短信催收、電話催收、訴訟催收、上門催收（根據用戶的預期境況，判斷用戶的還款意願與還款能力的強弱，採取相應的催收方式）

逾期1-5天的催收方式

①關注客戶逾期的原因。

②不致電聯繫人，或者只是致電聯繫人瞭解客戶近況，並不透露客戶貸款信息

③以熱情服務客戶爲主，用提醒的方式進行催收。

逾期6-17天的催收方式

①有意識的關注客戶本人的聯繫方式、工作信息、居住信息等是否變更、及時更新數據。

②致電聯繫人瞭解客戶近況，並不透露客戶貸款信息，對知曉客戶貸款的，透露貸款信息，並要求聯繫人督促客戶還款。

③加大催收的頻率，每天不同時段至少通過兩個電話3次以上聯繫客戶。

逾期18-30天的催收方式

①聯繫到客戶的情況下想客戶充分說明逾期時間過程的不利影響，並將升級催收方式。

②聯繫不上客戶情況下可對貸款人透露貸款信息，並讓聯繫人代爲轉告客戶還款事宜，也讓其聯繫人轉告在不處理還款將產生的不利影響。

③再次加大催收的力度，每天不同時段通過所有聯繫人電話聯繫客戶。

對嚴重逾期的客戶應採取的方案：

①電話催收和短信催收的頻率再次加強，並不斷更新客戶新的信息，需找新的突破點。

②外訪、信函催收的增加，多種催收手段同時交叉進行。

③對聯繫人的施壓加大力度，增加聯繫人代償的可能性。

④營業部建立和維護客戶的催收檔案，開討論會交流總結。

3.5.2.2 壞賬回收

制定委外策略，防止公司層面的風險。

3.5.2.3 不良資產處理

提升不良回收水平，加快不良資產處理進度

不良資產指顧客不能按期、按量歸還本息的貸款，也就是說，銀行或信貸個數發放的貸款不能按預先約定的期限、利率收回本金和利息。包括逾期貸款（貸款到期限未還的貸款）、呆滯貸款（逾期兩年以上的貸款）和呆賬貸款（需要覈銷的收不回的貸款）三種情況。

目前銀行小微信貸部門處理不良貸款的方式主要有：客戶經理（銀行工作人員）現場清收、資產重組、內部覈銷、法律清收、委外清收幾種形式。

客戶經理現場清收：

優勢：公司賬面成本較低，客戶經理增強了貸款風險意識；

劣勢：侷限性大，很難產生實際效果，銀行的機會成本較高，對客戶經理自身工作生活影響較大。

資產重組：

優勢：操作簡單可以有效的解決賬面逾期貸款問題；

劣勢：應用範圍小，不能解決逾期貸款的根本問題。

內部覈銷：

優勢：操作簡單可以有效的解決賬面逾期貸款問題；

劣勢：不能解決逾期貸款的根本問題。

法律清收：

優勢：正規，通過法律解決問題；

劣勢：實際效果差，處理時間長。

委外清收：

優勢：節約公司精力，處理不良貸款更加專業；

劣勢：費用成本高，容易產生聲譽風險

3.5.3 策略評價

關於RNC策略評價體系，可參考下文：

【☆☆☆☆☆推薦】小盾諮詢部落-張雲傑&陳瀚-貸後策略綜合評價體系的建設與實踐

4.決策科學之術

4.1 規則來源剖析

4.1.1 規則來源

回顧第二章，五大維度上考慮風險來源。

4.1.1.1 監管政策

國家監管規定不能幹的事堅決不能幹，相關的管理辦法很多，例如：《商業銀行信用卡業務監督管理辦法》、《商業銀行互聯網貸款管理暫行辦法》、《商業銀行服務價格管理辦法》等

例：《最高人民法院關於審理民間借貸案件適用法律若干問題的規定》第二十六條借貸雙方約定的利率未超過年利率24%，出借人請求借款人按照約定的利率支付利息的，人民法院應予支持。定價中年化利率不超過24%，

例：早前《商業銀行互聯網貸款管理暫行辦法》中描述的“單戶用於消費的個人信用貸款授信額度應當不超過人民幣20萬元，到期一次性還本的，授信期限不超過一年”，同時也對於銀行發放的貸款資金用途也做了規定，即貸款資金不得用於購房、股票、債券、期貨、金融衍生品和資產管理產品投資，不得用於固定資產和股本權益性投資等。

例：由於未成年人是屬於限制民事行爲能力的人或無民事行爲能力的人，所以不允許給未成年人發放貸款。

4.1.1.2 業務政策

每家機構在開展相關細分領域的業務之前會基於業務經驗設置相關規則，這是業務開展的基本底線。有些規則在產品設計之初就已經包含在產品原型之中。

例：由於貸後處置困難，一定程度上選擇性給偏遠地區放貸。

4.1.1.3 行業經驗

基於行業經驗制定，比如依據行業內外部黑名單、貸款中介名單、政務數據黑名單等制定的名單類規則。業務經驗足夠豐富時，也可憑經驗制定一些風控規則。

4.1.1.4 數據挖掘

除了憑藉經驗設置規則外，也可以通過數據分析的結果設置規則。通過數據分析後設置規則，這是一個策略人員，或者數據分析人員，日常工作的一大模塊。

基於三方數據分析制定：例如多頭類規則，三方數據查詢近期內貸款申請次數過多等；

共債類規則：已有在貸餘額過高，或者近期內信用卡使用率過高等；

反欺詐類規則：針對團伙欺詐進行通訊錄分析，設備信息分析，GPS信息分析來制定規則；模型評分類規則：通過算法進行風控建模，模型評分低於某個閾值的客羣拒絕等。

4.1.2 規則分類

4.1.2.1 第一層——大門

可以看做看門電子狗，如果觸發預警，馬上響應。

密匙類：沒有進門祕鑰，則拒絕，視情況添加至名單庫。

觸發類：觸發即警告並拒絕，視情況添加至名單庫。如異常註冊，通常表現爲“是”或“否”

頻率類：對於正常用戶來說，用戶產生動作只爲了完成某一目的，通常目的達到動作就會跟着終止，所以正常用戶的動作通常是離散和稀疏的。而對於黑產用戶而言，爲了實現收益的最大化，高頻率的動作是降低成本的核心，所以往往黑產用戶的動作是連續而緊密的。基於這種理念，頻率類的策略在風控中就有着非常重要的作用。考慮頻率特徵時，通常考慮幾個因素，分別是：時間窗口、資源、運算與閾值。

異常類：地理位置的異常偏移，前端數據的採集異常等。

4.1.2.2 第二層——前院

可以看做紅外線探測儀，進門之後，在無法感知的情況下進行掃描。

命中類：命中黑、壞、高風險則拒絕，通常表現爲“是”或“否”

判定類：無法直接決策，需要加入條件判斷，判斷爲差、黑、壞、高風險，則拒絕。

判別類：無法直接決策，也無法直接加入條件判斷好壞，而是將其分類到某個箱體裏，等待進一步評估。

4.1.2.3 第三層——內閣

可以看做軍機處，進了門也過了院，之後就是接受更爲嚴格的人類智力和能力的識別評估。

包含類：在某個箱體裏面則拒絕，或者結合其他因素進行綜合判定。

二分類：常見於連續型變量，基於經驗或規則分析直接做切分，如多頭數，高於10直接拒絕。

賦分類：模型類規則，通過閾值切分來做判定，通常需要結合數據分析和數據挖掘進行制定。

累積賦分類：累積賦分類規則按類型取最大分值加總，若加總分值超過一定分數，則本流程終止，否則將該賦分類規則結果放入下一流程繼續判定。

4.2 單條規則開發

除祕鑰類、觸發類、頻率類、命中類等強規則外，在實際業務過程中，經常需要對一些多箱離散型變量或者連續型變量做規則的定義及切分，就需要一套完整的規則篩選、監測、診斷、調優，甚至停用等閉環流程。結合拒絕率、風險收益、工程難度、數據穩定性、數據成本等方面，會時計算更復雜一些。本節主要探究數據科學下的單條規則開發方法。

4.2.1 規則篩選

從項目冷啓動到業務穩定，不同時段可獲取到的數據有效，可設計的規則量有限，可使用的規則制定方法就不盡相同。項目初期，在沒有貸後數據的支持下，無法使用量化分析，所以經常使用類似業務規則遷移、專家經驗判斷、基於業務成本及通過率要求的方法來制定規則。

4.2.1.1 理解成本

某個層面講風控的目的就在於效益最大化，所以成本與效益的概念會並存於整個風控流程中，尤其是風控規則的制定。風險成本多樣，主要包括以下幾點：

資金成本：放款客戶個數平均貸款金額資金利息

獲客成本：放款客戶個數*平均每個客戶的獲客成本

數據成本：放款客戶個數*平均每個客戶的數據成本

人力成本：人均成本*在職員工數

違約成本：放款客戶個數*平均每個客戶的違約成本

項目初期，財務部門通常會要求風控部提供一張用於財務測算和資產報備的成本測算表，其中包括各項成本、通過率、壞賬率、效益等多個指標。將收益看做因變量Y，其他變量看作多元自變量X，形式爲Y = Ax+Bx2+Cx3+Dx4+```+E的線性表達式，在壞賬率與通過率線性相關的情況下，最終變量關聯因式合併可以得到一個類似一元二次等式：Y = Ax2+Bx +C，效益與通過率成二次線性關係。

通過率與損失率關係曲線

成本曲線

4.2.1.2 經驗規則

第一步：模仿業內同類型業務制定風險策略集，在市場環境、產品定位、業務流程、數據採集相似的情況下，A產品多版本迭代後的有效規則可以遷移至B產品。

如：現金貸產品年齡範圍用戶風險差異。

第二步：基於學習到的規則開發初版策略集。

第三步：制定本產品風險效益表，初步擬定壞賬率要求，在保證壞賬率的情況下，測算預期通過率。結合市場情況、營銷策略、自營成本、風險偏好等，微調規則閾值，達到局部效益最優。

審批通過率和不良率是一對權衡指標，在新業務上線初期，維持一個較低的通過率可以吸納最優質的客羣。隨着業務規模做大和風控樣本積累，一定程度上可以開放一些壞賬率敞口，提升通過率，儘快積累風險樣本，優化策略。

4.2.1.3 通過率/不良率

信貸規模達到一定量級後，需要較爲穩定的通過率，達成目標放款額，通過率太低會導致運營成本過高。同時，因爲已有貸後表現，所以規則篩選可以量化開發。此時，綜合通過率、不良率、綜合效益，得到階段性全局最優策略方案。

通過率/拒絕率

保持一定的通過率/批覆率，在授信前端我們考覈策略最直觀的指標就是通過率指標。

產品方面：與業內水平相比，拒絕率太高，意味着自身產品有缺陷或者改進的地方。

用戶方面：拒絕就基本意味着用戶流失，獲客成本如此之高，拒掉一個客戶也就等於增加一個份損失。風控的核心不是將所有的壞客戶拒絕掉，而是在合理的壞賬內實現資產利潤最大化。

跨部門方面：風控部門有義務向業務部門同步並解釋通過率降低的原因。

總而言之，通過率指標，是業務中最重要的幾個指標之一，也是影響規則篩選最重要的指標之一。單條弱規則的拒絕率通常在10%以內。

逾期率/損失率

逾期率是最佳把控策略效度的指標，將逾期率控制在某個範圍下才有盈利的可能。

利潤最大化

低逾期率是目標，但並不完全意味着高效益**，**覈准率、逾期率和利潤最大化，這三者關係緊密，不可分割。以利益利潤最大的目標實現策略最優化，使用風險倍數做策略切分(cut-off)。

4.2.1.4 準確率/召回率

準確率（P值）

即有效識別好壞客戶的情況。定義target，如按fpd30、spd30、tpd30、fstpd30，計算badrate、m1+%、m3+%等指標，分析區分度。

召回率（R值）

即誤分好壞客戶的情況。規則有命中就有誤殺，在規定準確率高於閾值的前提下，提高規則對壞客戶的召回率。

4.2.1.5 IV、KS、PSI、LIFT

IV：一般來說，最好用信息值或卡方值來評價某個特徵，IV值一般要求在0.1以上。

KS：變量在好壞用戶上面的分佈差異越大，說明變量對好壞用戶區分度越高，對應KS一般也會越高，一般要求在0.2以上。

PSI：PSI指標反映變量穩定度，策略內的規則，要求穩定可靠持續，psi一般要求0.1以內。

LIFT：提升度，用在策略制定篩選，一般要求lift值高於3。

風險排序能力：變量分箱後與壞賬率整體趨勢單調即可，或者呈U型，局部可能與整體趨勢相反。

例：rule1，分析可得：

IV0.8，變量有一定的解釋能力；
有一定風險排序能力，次數越多壞賬率越高，與預期假設相符；
有一定好壞區分能力；
單箱lift值最高3.25左右，大於3；
綜合以上來看，該變量適合直接拿來做規則；

4.2.2 規則監控

策略上線後，需通過多種統計表或儀表板按照一定週期對策略及規則進行實時監控及預警，包括不限於：

審批拒絕情況：定期對規則的拒絕量、拒絕率進行監控。

規則命中情況：監控策略在正常運行階段是否全部執行，並且監測規則命中佔比與預計佔比是否發生嚴重偏差。規則剛上線時，可每日監控規則昨日的觸發情況，規則上線一段時間穩定後，可按周、月來監控規則的觸發情況，特殊規則需按時監測觸發預警。

規則分佈情況：特徵分佈發生偏離，要及時定位原因，明確是市場、業務還是數據問題，及時分析分佈變化，找到解決方法。

4.2.2.1 指標走勢圖

通過率指標

壞賬率延時指標

成本指標

4.2.2.2 決策儀表板

4.2.2.3 規則分佈圖

4.2.3 規則失效

規則拒絕量、拒絕率出現異常，當出現以下幾種情況，意味着規則一定程度上失效，需要暫停，及時調整或停用：

審批異常：審批通過率突然降低/突然升高。

執行異常：流程問題或者數據問題導致規則未命中或者全部命中。

拒絕異常：規則命中情況發生較大偏移。

分佈異常：欺詐客羣、異常渠道進件等集中爆發，導致規則屬性分佈佔比發生較大偏移。

其他異常：

首先，定位問題。短期內，觀察數據分析過程是否出現問題；規則的上線部署是否有問題，如新規則前置，或者部署人員部署規則時取錯數等。長期來看，規則出現失效，拒絕率降低可能是客羣的原因，可再次覆盤，重新調整規則看是否要下線，或者調整規則的閾值。拒絕率升高也有可能是客羣的原因，比如近期有什麼大的事件發生，導致客羣變差。

4.2.4 規則調優

4.2.4.1 策略回顧

對上線後的策略，在一定時間後。對於有表現的數據進行策略回顧，看策略調整後的進件量、通過率及貸後表現。若想及時查看策略上線後的貸後表現可以針對FPD指標分不同的天數去觀測，FPD4，FPD10，FPD30等。

若策略是調寬或者是放鬆時，可以針對性回顧下豁免出來的客戶的進件情況、通過率及貸後表現。若策略是調嚴或者收緊時，可以針對性回顧拒絕閥值邊緣維度的貸後表現及擬定拒絕的客戶數。

4.2.4.2 策略調優

當資產質量朝壞的方向變化、逾期指標偏高、通過率下降、預測的壞賬比率超過預期時，需要對策略進行調優。

調優類別

D類調優：在通過的客羣中尋找差客戶拒絕，將會降低通過率，且降低逾期指標，離線即可完成量化分析。

A類調優：在拒絕的客羣中找好客戶通過，將提高通過率，逾期指標可能增加，需要決策引擎標記豁免部分樣本分析。

調優步驟

確認調整貸前策略還是貸中策略——是D類調優還是A類調優——量化分析調優閾值——預測按照方案調整後的效果——調整後驗證結果與預計效果的一致性——重複修正

【☆☆☆☆☆推薦】FAL-梁校長-審批通過率突然下降應該如何應對

4.2.4.3 閾值管理

專家閾值

由於每日風控請求量都是海量的，首先利用專家閾值進行初步過濾，基於多維度指標的靜態閾值對明顯存在風險的賬號和行爲執行相應的風控措施。專家閾值是基於專家徵詢法（DelphiMethod）對單個指標的閾值進行一一確定，具有客觀性和代表性。

基於用戶行爲的動態閾值

用戶行爲模型是基於用戶行爲，動態調整閾值的一種綜合性方法。技術路徑流程具體分爲三個步驟：

①基於用戶行爲，以用戶爲主鍵，利用設備指紋、歷史風控請求等特徵，採用聚類分析、隨機森林等深度模型進行用戶分類和特徵挖掘；

②構建用戶的風險評級系統，其實現邏輯是對模型結果進行計算，對各個羣體分配不同的風險等級；

③線上沿用訓練好的模型參數對樣本進行計算，實現高可用的個性化智能風控。線上採用這樣的淺度模型方式進行判斷和匹配，減少運算壓力且提高效率。

特徵工程來源於風控系統的離線特徵庫。深度模型用於離線環境下的模型訓練，包含用於特徵探索的非監督模型和用於風險概率預測的監督模型，輸出結果爲預測的風險概率。

基於時間序列的動態閾值

時間序列（或稱動態數列）是指將同一統計指標的數值按其發生的時間先後順序排列而成的數列。時間序列分析的主要目的是根據已有的歷史數據對未來進行預測。

傳統的時間序列預測方法有：簡單平均法、移動平均法、指數平滑法等。風控系統的閾值計算常使用移動平均法（moving average），即：通過對時間序列逐期遞移求得平均數加/減標準差作爲預測值。

4.2.5 規則停用

當發生一些較爲重大的驅動事件或者影響時，規則有必要停用，如：

策略生命週期：比如早期人工干預佔比較大，需要關閉部分規則以發現更多個性化問題。

政策限制：爬蟲業務受強監管後，合規三方數據源的要求成爲剛需，部分規則完全無法使用。

數據失源：比如審批系統與三方數據平臺交互，平臺出現問題，調用異常，數據無法獲取。一般外接數據最好有備用源，出現問題時可替代，但需耗費一定成本和週期。

規則失效：規則不再有區分度。

4.3 複雜策略生成

在風險決策初期，策略規則作爲一種風險識別的方法，其自身具有直觀、易用等特性。對於新產品上線前的風險決策，因爲沒有數據樣本的原因，單維度風險判斷的簡單規則起到不可替代作用。但也因爲策略規則的設定原理，其自身很難做到風險決策的精細化管理。

一方面，隨着業務的發展，風險決策體系下需要構建一些複雜的策略規則組合。隨着數據量的增多、外部數據源的接入，規則也需要進行結構化設計，上線時符合一定的部署邏輯，便於定位問題，迭代優化。

另一方面，通過規則組合實現的精細化風險管理，會不斷地增加策略規模，最終導致規則的複雜和冗餘，如果對策略優化、回顧並沒有正向影響，就會與策略規則的易用、直觀等特性產生

因此，策略規則的開發及優化過程，需要由簡單到複雜再到簡單，從結構上和流程上達到全局最優和局部最優。

4.3.1 規則集

規則的制定通常需要適用於對應的場景，這樣就需要考慮規則組成的策略集、適配的風險類型及對應的風險事件等。

①風險&風險類型：機器行爲、僞冒申請、動碼攻擊、異常行爲、暴力破解、本人欺詐、賬戶盜用、垃圾註冊、失信風險、多頭風險等。

②事件&事件類型：常見的事件被包含在不同的場景中，例如：註冊，修改，登錄，貸款，提現等，具體可包括：收單事件、激活事件、綁定銀行卡事件、名單對比事件、人臉識別事件、貸款事件、登錄事件、修改事件、修改登錄密碼事件、修改手機號事件、訂單事件、支付事件、充值事件、退款事件、還款事件、交易事件、轉賬事件、小額打款事件、提現事件、邀請事件等。一個事件通常對應一個策略。

③策略&策略集：由規則集組成，是按照某種策略模式執行的一個或多個規則集合。策略集被包括在具體的風險事件裏，貸款流程的每個節點都會觸發一種風險類型，從而觸發對應的事件及策略集。

④規則&規則集：由具體的規則組成，是一種由一組普通規則和循環規則構成的規則集合，是使用頻率最高的一種業務規則實現方式。拆解具體的策略集，可以看到裏面包含的具體的策略明細。

規則爲風險決策執行的最小單元，由變量、表達式、條件值、決策結果組成，是指一種由如果、那麼、否則三個部分構成的規則，如下：

4.3.2 決策表

4.3.2.1 普通決策表

決策表是一種以表格形式表現規則的工具，它非常適用於描述處理判斷條件較多，各條件又相互組合、有多種決策方案的情況，決策表提供精確而簡潔描述複雜邏輯的方式，可將多個條件及與這些條件滿足後要執行動作以圖形化形式進行對應。

4.3.2.2 交叉決策表

交叉決策表又叫決策矩陣，是一種特殊類型的決策表。與普通決策表相比，交叉決策表的條件由縱向和橫向兩個維度決定，而普通決策表的條件只是由縱向維度決定；但在普通決策表的動作部分可以是三種類型，分別是賦值、輸出和執行方式，而在交叉決策表中動作部分就是縱向和橫向兩個維度交叉後的單元格的值，一般來說，這種交叉後單元格的值都是賦給某個變量或參數，所以交叉決策表的動作基本就一個，那就是賦值。

4.3.3 決策樹

決策樹又稱爲規則樹，是規則引擎中另外一種構建規則的方式，它以一棵躺倒的樹形結構來表現規則（之所以將其躺倒是爲了節省空間，否則一棵稍微大點的樹將會佔用很大的頁面空間），決策樹表現業務規則更爲形象，實際上，無論是決策樹、決策表還是評分卡，都可以通過決策集來實現，只是，對於某些業務規則來說，通過決策樹或決策表或評分卡實現起來更爲形象、快捷。

4.3.4 評分卡

4.3.4.1 普通評分卡

評分是對個人或機構的相關信息進行分析之後的一種數值表達，表示此人或此機構由於信用活動的拒付行爲所造成損失風險的可能性，評分通常用於對個人或機構的風險管理與評估。

使用二維表形式展示目標對象的各個屬性，針對不同屬性設置不同區段的條件，每個區段條件對應不同的分值，運行時引擎會根據定義的區段條件自動計算目標對象的評分。一個定義好的評分卡效果如下圖所示：

4.3.4.2 複雜評分卡

對於普通評分卡，它可以針對某個對象的一些屬性值進行評分，但只能針對是單個對象屬性進行條件判斷，如果需要對多個對象屬性進行條件疊加判斷，那麼普通評分卡就實現不了，所以需利用複雜評分卡，實現評分時多條件疊加判斷，進而使得評分卡的功能更加的完善和強大。

4.3.5 決策流

決策流又稱規則流，它整個的結構類似於工作流，用來對已有的決策集、決策表、交叉決策表、決策樹、評分卡、複雜評分卡或其它決策流的執行順序進行編排，清晰直觀的實現一個大的複雜的業務規則。

決策流可以實現對已有的決策集、決策表、交叉決策表、決策樹、評分卡、複雜評分卡或其它決策流進行編排執行；編排過程中即可以常見串行執行，也可以並行執行、或者是根據條件選擇分支執行。

決策流核心的構成包含“開始節點、規則/評分卡/模型等已封裝好的規則包節點、決策節點、分支節點、聚合節點。

開始節點：開始節點爲一個決策流開始的地方，決策流程必須有始有終且必須以開始節點作爲開始；

規則包節點：實際就是用來添加之前在規則、評分卡、模型、表達式中已經創建好的規則產品；

決策節點：是在決策時，根據爲其下流出連接配置的條件來決定究竟應該走哪條連接的節點，所以根據這一特性，決策節點下流出連接至少要有兩條，否則決策節點就沒有意義了；

分支節點：實現規則流多條並行的節點，通過這個節點，可以根據當前節點下流出連線數量，將當前規則流實現拆分成若干條子的規則流實例並行運行；

聚合節點：用來聚合由分支節點拆分出來的多個子的規則流，實現多條規則流的匯合；

有始有終，決策流程的結束，一般是伴隨着決策總、分的流程的執行，執行到最後節點自動結束，輸出決策結果。

4.3.5.1 串行流

按照模塊功能性：按照模塊功能性的需求劃分的結構化部署，功能需求型的策略重點就是在風險的流程架構中，能分得清具體實現的功能。在具體的細分結構中，通常就是在一套的風險流程完整呈現，在梳理具體的規則前，我們必須理清楚整個風險的業務順序。

策略有效程度：按照策略的有效程度的結果性策略。策略的有效性就是在劃分策略的時候，這條規則是不是適合這個產品的屬性跟內容，如果是前相關有效的規則就將其劃爲強拒絕，或者豁免，所以這裏會按照強拒絕+准入+提醒類規則的把控進行結構性策略的劃分。

4.3.5.2 冠軍策略

對於規則修改、調優時尤其重要。兩套規則跑所有的數據，最終來比較規則的效果。另一種是分流——10%跑新規則，90%跑老規則，隨着時間的推移來根據測試結果的有效性。

4.3.5.3 從複雜到簡單

從複雜到簡單，構建清洗的決策流程，同時降低規則的複雜度，提升決策性能。

4.4 系統策略部署

本節爲創新部分，更多的起到一些拋磚引玉的作用，因爲能夠系統的把與科學管理或者業務決策相關的科學、系統工程、自動化理論、工具結合起來進行全面分析的資料屬實太少，筆者能力也有限，只是借一身斗膽將其整合，未敢冒然大肆宣揚。

在進行科學決策時，尤其涉及到系統和工具，我們首先應該有工程化思維，把決策應用看做一件由系統、非系統、元素組成的事件，之後要考慮這個系統中自動化的程度以及與自動化相關的其他元素。在進行決策時，要綜合選擇全局和局部最優方案，最終通過引擎將決策實現。

4.4.1 系統工程化

工程系統(systems engineering for projects)是組織管理大型或者較大型工程項目的規劃、研究、設計、製造、試驗和運行的技術。

大型工程項目都是複雜的大系統，一般都具備下列五個特點：

①規模龐大。一般都要用成千上萬個零部件裝配而成。因此要把它分解成合理的多級遞階結構。

②因素衆多。它不僅有本身的技術經濟因素，還涉及社會、政治、經濟、環境等許多外部因素，因此要建立多層次、多目標的目標體系。

③技術複雜。往往需要不同行業的許多機構和不同專業的許多科技人員協同工作，涉及多個單位，需要多人蔘加。

④開發期長。一般大型工程項目需要較長時間才能完成。

⑤投資額大。研製費用巨大。

這些特點充分說明了大型工程項目都需要運用系統工程的方法來進行協調、控制、規劃、組織和管理。

4.4.1.1 系統與元素

系統：來源於英文system的音譯，即若干部分相互聯繫、相互作用，形成的具有某些功能的整體。系統由多種元素組成，有一定的結構，有一定的功能，系統具有以下特性：

①多元性：系統是多樣性的統一，差異性的統一；

②相關性：系統不存在孤立元素組分，所有元素或組分間相互依存、相互作用、相互制約；

③整體性：系統是所有元素構成的複合統一整體。

元素：

①系統元素之間的關係是相對穩定的。

②元素間的複合聯繫使系統成爲一個有機的整體。

③元素組成系統之後可能會有孤立元素所不具備的功能。

④每個系統至少由兩個以上的元素組成。

4.4.1.2 控制論

在控制論中，“控制”的定義是：爲了“改善”某個或某些受控對象的功能或發展，需要獲得並使用信息，以這種信息爲基礎而選出的、於該對象上的作用，就叫作控制。由此可見，控制的基礎是信息，一切信息傳遞都是爲了控制，進而任何控制又都有賴於信息反饋來實現。信息反饋是控制論的一個極其重要的概念。通俗地說，信息反饋就是指由控制系統把信息輸送出去，又把其作用結果返送回來，並對信息的再輸出發生影響，起到制約的作用，以達到預定的目的。

控制論主要包括三大理論：

①信息論：主要是關於各種通路（包括機器、生物機體）中信息的加工傳遞和貯存的統計理論。

自動控制系統的理論

②反饋論：包括從功能的觀點對機器和物體中（神經系統、內分泌及其他系統）的調節和控制的一般規律的研究。

③自動快速計算機理論：即與人類思維過程相似的自動組織邏輯過程的理論。

控制系統主要包括四大特徵：

特徵①：要有一個預定的穩定狀態或平衡狀態。例如在上述的速度控制系統中，速度的給定值就是預定的穩定狀態。

特徵②：從外部環境到系統內部有一種信息的傳遞。例如，在速度控制系統中，轉速的變化引起的離心力的變化，就是一種從外部傳遞到系統內部的信息。

特徵③：這種系統具有一種專門設計用來校正行動的裝置。例如速度控制系統中通過調速器旋轉杆張開的角度控制蒸汽機的進汽閥門升降裝置。

特徵④：這種系統爲了在不斷變化的環境中維持自身的穩定，內部都具有自動調節的機制，換言之，控制系統都是一種動態系統。

從控制系統的主要特徵出發來考察決策系統，可以得出這樣的論：決策系統是一種典型的控制系統。決策系統中的控制過程在本質上與工程的、生物的系統是一樣的，都是通過信息反饋來揭示成效與標準之間的差，並採取糾正措施，使系統穩定在預定的目標狀態上的。因此，從理論說：適合於工程的、生物的控制論的理論與方法，也適合於分析和說明決策控制問題。

4.4.2 決策自動化

集最大程度與最優效能功能的自動化是剛需：

在即將來臨的自動化科技革命中，策略層將面臨一個重大的考驗，也是一個艱鉅的任務。
自動化並不是以“技術”爲其特徵。就像其他技術一樣，自動化主要是各種觀念構成的體系，它的技術方面是其結果，而非原因。
新科技強調的是流程，把流程看成整合而協調的整體，目的是產生最佳流程——能以最低的成本和最小的投入，穩定地生產出最多樣的產品。
自動化技術的運用，不但不會導致勞動力過剩，反而會需要大量技術高超、訓練有素的人力——需要管理者來思考規劃，需要訓練有素的技師和工人來設計新工具，並且生產、維修、操作這些工具。
自動化不會像突如其來的洪水般迅速將我們淹沒，而會如涓涓細流般逐漸影響我們。

只有當人們徹底地考慮了機器背後的那些概念，機器和精巧的裝置才能被有效地運用。

在決定信貸策略規則自動化程度之前，要考慮以下幾個問題：

自動化程度：選擇哪種硬件、軟件和網絡？自動化系統不便宜，其購買成本也未必合理。瞭解自動自動化審批流程的類型，自動化審批流程裏使用的數據維度。

權限職責：瞭解決策人員組成：決策人員、項目組、項目監督管理組。誰將爲系統負責？系統設在哪裏？這主要取決於公司的技術水平和資源投入。

員工溝通：員工會受到哪些影響？如何告知他們自動化決策流程帶給他們工作的變化？管理變化需要大量的投入，從而減輕員工擔憂，鼓勵他們適應新的工作模式。

客戶教育：如何告知客戶決策流程中發生變化的地方？如何向被拒絕的客戶解釋原因？客戶不僅需要了解業務流程的變化，而且也應該能對系統決策提出質疑。

分析利弊：線上純自動化審批流程的利與弊，如何在自動化決策流程中實現資產組合利潤最大化的調整？

單個審批員的效率無法對應業務的快速增長。隨着互聯網對於原生業務的加速，外加通過機器學習算法模型的校準和大數據風險策略的排查，需要經過人工電話審覈和批單的案件將越來越少，自動化需求越來越受重視。但是，再高大上的算法也很難替代人類的思考，在實際業務過程尤其是業務啓動時期，對於一些外部數據的缺失導致規則或者模型不起作用的，可以通過人工審批；對於異常進件，轉人工審批可以識別反欺詐行爲。

4.4.3 決策最優化

【☆☆☆☆☆推薦】小盾諮詢部落- 張玲妹-最優化決策在零售信貸定價方面的應用實踐

在激烈的市場競爭中，企業的終極決策形態是力求最優化，即全面考慮所有客觀和主觀約束條件，以及各項約束條件之間、各項決策之間、決策與決策對象的響應之間動態的相互作用，利用先進的數學方法求出最優解，也就是最優決策。最優化有三個重要因素：限制條件、目標函數、決策因子。用一句話可以簡單描述爲：構造一個目標函數，使得在限制條件下，目標函數取得極大值的決策結果。

最優化方案出來後，還需要有後續的一系列配套措施，以檢驗最優化方案的效果，併爲後續的定價方案的持續優化提供依據。配套措施包括但不限於如下方面：

（1）最優化方案的說明及業務推演過程；

（2）不同備選方案的業務效果對比分析；

（3）冠軍/挑戰者方案設計；

（4）配套的市場營銷方案設計；

（5）上線後的跟蹤報表分析模板設計及跟蹤報告；

（6）方案回顧及後續優化建議。

最優化策略制定和實施是一個系統工程，需要對底層數據及業務的理解，統計建模及優化算法的應用，需要對產品及所處行業競爭格局有一個宏觀的認識和清晰的規劃，還需要有管理層的大力支持及運營團隊來配合策略的開展及後續的持續優化。

4.4.4 決策引擎化

本節內容略作簡化，如需詳細瞭解決策引擎相關，請參考文章：全面瞭解風控決策引擎

4.4.4.1 引擎組件

規則引擎平臺一般由兩部分構成：一個是設計器部分；另一個是規則執行引擎部分。設計器部分主要是由庫文件設計器以及具體的規則文件設計器兩部分構成，由瀏覽器直接可視化、圖形化操作。規則引擎核心組件爲構成規則引擎的最小集合，用以支持完成基礎規則判斷。

流量控制器：負責不同版本規則的調度。方便業務方修改規則後，灰度部分流量到新規則。

資源管理器：數據存儲系統、文件系統目錄、接口管理。

規則設計器：嚮導式規則集、腳本式規則集、決策表、交叉決策表（決策矩陣）、決策樹、評分卡、複雜評分卡、規則流等類型的業務規則設計工具。

規則執行引擎：調度器、驅動器、預加載規則、預編譯規則、計算集羣。

時間窗模塊：時間窗模塊爲規則引擎提供時間窗因子。時間窗因子可用於統計時間窗口內行爲發生的次數、時間等。

配置中心：權限配置、賬戶配置、功能配置等。

4.4.4.2 核心功能

決策流開發、規則設計、知識庫管理、權限管理、監控報警等。

使用者通過瀏覽器打開規則設計器來定義業務規則，完成後的業務規則文件會被存儲在規則存儲倉庫中（規則存儲倉庫既可以是文件系統中的某個目錄，也可以存儲於數據庫當中）。規則文件調用時引擎會從規則存儲倉庫裏把指定的規則文件取出，再通過規則構建引擎對規則進行解析、編譯，最後由規則執行引擎執行並返回結果。

開發人員在程序中使用規則引擎基本遵循以下5個典型的步驟：

創建規則引擎對象；
向引擎中加載規則集或更換規則集；
向引擎提交需要被規則集處理的數據對象集合；
命令引擎執行;
導出引擎執行結果，從引擎中撤出處理過的數據。

4.4.4.3 系統要求

好的決策引擎產品甚至無需 IT 人員的參與就可以實現規則的變更，減少了維護的成本。同時決策引擎響應規則變更的速度相當快，1－3 天就可以完成，大幅度減少業務人員與技術人員的溝通成本，花更少的時間處理數據，加速業務擴展。

系統要求包括不限於：靈活可配、快速啓動、高性能可用、部署模式多樣化、支持外部多方數據源調用、高效能規則管理、支持模型評分的部署與維護、便捷的版本控制機制、技術對接成本低、系統監控及狀態檢查等。

4.5 決策管理控制

決策系統雖然功能強大，但也不是萬能的，需要檢查和制衡來保證系統正常運行，保護系統的完整性。

4.5.1 管理控制

競爭環境，風險無處不在，因此在決策過程中要對風險和系統做一定的管理控制。

4.5.1.1 策略控制

①與相關人員簽署保密協議，防止他們利用與公司的關係將保密資料泄露給他人。但這無法應對員工跳槽，限制太多反而會阻礙工作。

②需要建立策略及模型開發文檔，文檔包括各種假設前提、樣本細節、好壞定義、特徵分析、市場細分、拒絕推斷和算法模型。內部開發的文檔是絕密信息，審計人員都不能接觸。還可以準備多種版本的文檔，應對內部、外部不同的需求。

③每一階段都需要明確的簽字批准，不然不能繼續。

④檢驗實施階段需要口令保護，確保只有擁有權限的員工才能接觸到核心策略。對非授權操作進行責罰。儘量減少評分模型的變動，更多地進行政策策略上的調整。

⑤策略控制和開發控制類似，只是保密程度相對較低。要用文檔記錄策略的變更和實證分析。冠軍挑戰模式比較有效，表明某個變更確實有利於發展。

4.5.1.2 撤銷控制

有時候，人爲因素的判斷較系統更爲有效，當特殊事件發生、系統投入過大、系統失效等的時候，需要及時調整系統不合邏輯的地方，有必要的情況下可以撤銷系統的控制，保證更大的系統能夠正常穩定有效的運行。

4.5.2 跟蹤監控

監控的目的在於檢查策略及系統的工作情況和流程過程。

監控的關鍵在於：

①反饋決策的時間

②提供建議的時間

4.5.2.1 決策報告

決策報告通常分爲兩位，即監控報告和追蹤報告，在這些報告中，還可以將其劃分爲快照報告和偏移報告。

快照報告：某個時間點的報告。

偏移報告：針對一段時間的報告。

前端報告：關注流程和人羣穩定性，不涉及現有賬戶，決策一開始就可以出這些報告。

決策偏移：跟蹤人羣和操作偏移如何影響系統的變量和模型分數結果。

選擇過程：選擇過程的投入產出，如處理申請數量和接受合約數量。

撤銷理由：選擇過程後最終決定的變化，目的在於從決策中獲得最大利益。

後端報告：關注現有賬戶表現，回測決策和選擇過程，給出這類報告需要等賬戶成熟。

組合分析：逾期狀態的分佈和狀態轉移。

表現跟蹤：策略規則的區分能力、準確程度和穩定性，賬戶需要一段時間成熟。

撤銷表現：如果撤銷決策，賬戶的表現情況。

組合年表：對可能影響報告結果的事件詳細描述，這些事件與營銷、系統、策略相關以及更廣泛的經濟環境相關。

這些報告形式並非一成不變，可以根據要求重新整合。報告應滿足以下基本要求：

①易於解釋，多用圖表。

②連續型，按月統計。

③易於生成，隨時可以提供。

撰寫報告的原則是儘可能保證清晰整潔，分析人員可能會更進一步分析，所以報告制度應當允許他們有足夠的靈活性，對數據有全方位的認識，以便對樣本、特徵、時間等進行探索。

4.5.2.2 前端報告

讓策略適應某個具體決策環節會出現大量的問題，同時會產生較大偏移。策略偏移、操作偏移、市場偏移或經濟偏移都會帶來變化。總做跟蹤偏移和分析偏移原因的工具有：

總體穩定性報告：跟蹤特徵分佈的變化，觀察觀測分數和期望分數的差異。

分數偏移報告：找出引起規則或分數分佈變化的原因，分數或屬性層面的原因都有可能。偏移所產生的變化越小越好。

最後，客戶選擇過程的監控也尤爲重要：

決策過程：從申請開始到最終決策的過程，包括撤銷監控。

分數分佈：系統或最終決策的分數，顯示評分如何影響決策和分數撤銷的程度。

規則分佈：檢查某個規則對通過率、拒絕率的影響。

人爲撤銷：檢查撤銷理由對通過率、拒絕率的影響。

4.5.2.3 後端報告

組合分析報告可以關注賬本的貸餘額、市場細分、在賬時間、貸款期限等，針對組合風險，主要有兩種報告：

逾期分佈：用能提現風險的指標描述賬戶分佈，如逾期天數。

轉移矩陣：根據逾期狀態、金額等因素找出賬戶在一個特定時間內的轉移情況。

策略是用觀測數據和結果數據開發的，所以自然也用這兩種數據來監控。逾期分佈報告只能給出貸款組合的總體風險情況，無法表明接下來會發生什麼。表現跟蹤報告剛好能彌補逾期分佈報告的不足。

模型表現：相對分數的逾期分佈分析。

賬齡分析：相對時間的組合表現分析。

分數偏差：在特徵層面衡量策略分數差異的工具。

5.終章·策略師

5.1 策略師的道法規術

總結本文，筆者不斷重複強調“策略師”三字，目的就在於深入人心，從而在這個行業裏集結一個作風優良、能打勝仗的策略師團隊。之所以稱爲團隊，是希望借集體的力量梳理一套適用於多數業務環境下的風控策略體系，文章開始海報圖片的目錄就是我們的總體框架，基本分爲邏輯、業務、規則、分析4個層次，恰好對應着道理、方法、規則、技術這四個不同維度或者格局下的策略知識體系。希望大家都能夠加入“策略師”這個大家庭，後續我們討論也好、項目也好、課程也好、線下交流也好，都基本圍繞這個框架展開。筆者不才，只能拋磚引玉，希望大家多多思考交流，讓這個體系能夠更加完善。

5.2 策略師的格局

塵歸塵，土歸土；上帝的歸上帝，凱撒的歸凱撒。

合而謀之，分而治之。

5.3 策略師的策略

全局最優策略：每一位既已入局的player都有機會扮演弄潮兒的角色，弄潮兒向濤頭立，手把紅旗旗不溼。

正陽五度：態度、深度、廣度、效度、溫度。有邏輯，有節奏，先廣度再深度也好，先深度再廣度也罷，這個因人而異，與個人興趣、性格、職業習慣、職場環境等有莫大的關係。但是要想在一個領域有所建樹，這五個維度缺一不可。

局部最優策略：產品經理、策略師、模型師、分析師選一，然後擇良木而棲。

正陽五業：擇業、從業、立業、展業、守業。一年擇業、兩年從業、三年立業、四年展業、五年守業，在而立到不惑之年的過度過程中，定向定性，適時躍遷，完成職業生涯的塑造。

5.4 策略師的行動

心法一：正陽十二字解惑心法：目標緊、策略準、執行狠、覆盤穩。

心法二：善於藉助集體的力量。

心法三：大數據風控、商業數據分析、用戶運營，每一個板塊都值得挖掘，用一種匠人精神去對待自己的職業和事業。

至此，終章！

爲儘可能避免文章有常識性或者邏輯性錯誤，筆者寫作始末，累計閱讀各類互聯網、金融、信貸、策略類文獻（書籍）不計其數。感謝這個領域的貢獻者，不管是學習整理用於內化，還是學有所成用於分享，終究還是文字讓我們有幸認識他們。讀他們的文章，不僅僅是學習知識，更像是在認識一個個新朋友，與他們交流，瞭解他們的故事，感受他們的知性與感性，然後寫到自己的人生裏。正陽之光，躍然紙上。