2022年信貸數(shù)據(jù)風控體系設(shè)計方案

1、信貸數(shù)據(jù)風控體系設(shè)計技術(shù)創(chuàng)新，變革未來大綱21.我們是誰理解風控理解用戶風控系統(tǒng)的架構(gòu)設(shè)計2. 理解風控3信貸產(chǎn)品的組成部分什么數(shù)據(jù)是有用的數(shù)據(jù)個人借款風險的原因數(shù)據(jù)與風險的關(guān)系2.1 信貸產(chǎn)品的組成部分42.2 什么數(shù)據(jù)是有用的數(shù)據(jù)5可觀查到并記錄下來的都是數(shù)據(jù)。被動收集與主動收集。不同的數(shù)據(jù)有不同的價值。2.3 個人借款風險6風險包括：欺詐風險和信用風險欺詐風險：第三方欺詐：主動賴賬：信用風險：財務(wù)收入：支出管理：不良嗜好：2.4 數(shù)據(jù)與風險的關(guān)系8統(tǒng)計模型適合個人信貸決策。相關(guān)性比因果關(guān)系更重要。數(shù)據(jù)整理- 數(shù)據(jù)整合- 數(shù)據(jù)特性原始裸數(shù)據(jù)- 簡單特征變量- 復雜特征變量信用卡原始交易記錄

2、（時間、地點、商家、金額等）簡單變量（不同品類、時間段、地點的消費金額和頻次）簡單特征變量的組合特征（在深夜購買游戲點卡的消費 金額和頻次，等等）模型應(yīng)用。大綱1.我們是誰理解風控理解用戶風控系統(tǒng)的架構(gòu)設(shè)計93. 理解用戶風控政策人員數(shù)據(jù)科學家產(chǎn)品開發(fā)工程師103.1 風控政策人員特點對金融市場的風險有豐富經(jīng)驗。有一定統(tǒng)計分析的背景，復雜算法的能力不足。對負責的產(chǎn)品理解深刻，但對其他產(chǎn)品認識有限。需求靈活方便的控制風控政策的執(zhí)行。執(zhí)行歷史的BI報表和報警機制。簡單高效的政策分析和回測。研究成果的跨團隊共享。113.2 數(shù)據(jù)科學家特點對數(shù)據(jù)挖掘和機器學習算法有深入的理解。對數(shù)據(jù)有很好的感覺。有一

3、定的編程能力。需求完整清晰的數(shù)據(jù)定義和數(shù)據(jù)流。高性能的分布式計算集群和基礎(chǔ)設(shè)施。多人協(xié)作以及跨團隊協(xié)作的能力。能輕松將研究成果應(yīng)用到業(yè)務(wù)系統(tǒng)中。123.3 產(chǎn)品開發(fā)工程師特點專業(yè)的系統(tǒng)開發(fā)能力。開發(fā)任務(wù)排期緊張。關(guān)注系統(tǒng)穩(wěn)定性和性能。需求對接工作盡量簡單。有完善的文檔和測試環(huán)境。有系統(tǒng)級別的監(jiān)控報警。有專人負責對接工作和問題聯(lián)調(diào)。13大綱1.我們是誰理解風控理解用戶風控系統(tǒng)的架構(gòu)設(shè)計144. 風控系統(tǒng)的架構(gòu)設(shè)計總體結(jié)構(gòu)數(shù)據(jù)整合部分 知識圖譜政策執(zhí)行部分 決策引擎實驗分析部分 ALBUS154.1 總體結(jié)構(gòu)決策執(zhí)行 RE分析平臺 Albus數(shù)據(jù)整合 KG風險政策人員（非技術(shù)）貸款產(chǎn)品開發(fā)人員數(shù)據(jù)

4、挖掘科學家risk modeldatadata164.2 數(shù)據(jù)整合部分 知識圖譜Query Enginecrawler controllerRESTClientDBHDFSFileKGweb frontRESTClientrealtime sourcerealtime/batch extractionrealtime insertscommandsweb tracebatch processingWebcrawlerslogging.Kafkaspark streamingweb extraction configonline knowledge processingoffline complex reasoningentity retrievegraph traversefull text searchKGrepositorybatch loggingpartnersQuery Enginedata integration174.3 政策執(zhí)行部分 決策引擎184.4 實驗分析部分 ALBUS讀數(shù)據(jù)數(shù)據(jù)過濾和 采樣特征擴充模型執(zhí)行結(jié)果可視化邏輯層執(zhí)行層HDFSHbase Hive MySQLSpark /