信貸數(shù)據(jù)風(fēng)控體系設(shè)計(jì)

信貸數(shù)據(jù)風(fēng)控體系設(shè)計(jì)第一頁(yè)，共19頁(yè)。大綱21. 我們是誰(shuí)理解風(fēng)控理解用戶(hù)風(fēng)控系統(tǒng)的架構(gòu)設(shè)計(jì)第二頁(yè)，共19頁(yè)。2.理解風(fēng)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(gè)人借款風(fēng)險(xiǎn)的原因數(shù)據(jù)與風(fēng)險(xiǎn)的關(guān)系第三頁(yè)，共19頁(yè)。2.1

信貸產(chǎn)品的組成部分???????????????????????????????????????4第四頁(yè)，共19頁(yè)。2.2什么數(shù)據(jù)是有用的數(shù)據(jù)5可觀查到并記錄下來(lái)的都是數(shù)據(jù)。被動(dòng)收集與主動(dòng)收集。不同的數(shù)據(jù)有不同的價(jià)值。第五頁(yè)，共19頁(yè)。2.3

個(gè)人借款風(fēng)險(xiǎn)6風(fēng)險(xiǎn)包括：欺詐風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)欺詐風(fēng)險(xiǎn)：第三方欺詐：主動(dòng)賴(lài)賬：信用風(fēng)險(xiǎn)：財(cái)務(wù)收入：支出管理：不良嗜好：第六頁(yè)，共19頁(yè)。2.4數(shù)據(jù)與風(fēng)險(xiǎn)的關(guān)系7統(tǒng)計(jì)模型適合個(gè)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(jiǎn)單特征變量--‐>復(fù)雜特征變量信用卡原始交易記錄（時(shí)間、地點(diǎn)、商家、金額等）簡(jiǎn)單變量（不同品類(lèi)、時(shí)間段、地點(diǎn)的消費(fèi)金額和頻次）簡(jiǎn)單特征變量的組合特征（在深夜購(gòu)買(mǎi)游戲點(diǎn)卡的消費(fèi)金額和頻次，等等）模型應(yīng)用。第七頁(yè)，共19頁(yè)。大綱1. 我們是誰(shuí)理解風(fēng)控理解用戶(hù)風(fēng)控系統(tǒng)的架構(gòu)設(shè)計(jì)8第八頁(yè)，共19頁(yè)。3.

理解用戶(hù)風(fēng)控政策人員數(shù)據(jù)科學(xué)家產(chǎn)品開(kāi)發(fā)工程師9第九頁(yè)，共19頁(yè)。3.1

風(fēng)控政策人員特點(diǎn)對(duì)金融市場(chǎng)的風(fēng)險(xiǎn)有豐富經(jīng)驗(yàn)。有一定統(tǒng)計(jì)分析的背景，復(fù)雜算法的能力不足。對(duì)負(fù)責(zé)的產(chǎn)品理解深刻，但對(duì)其他產(chǎn)品認(rèn)識(shí)有限。需求靈活方便的控制風(fēng)控政策的執(zhí)行。執(zhí)行歷史的BI報(bào)表和報(bào)警機(jī)制。簡(jiǎn)單高效的政策分析和回測(cè)。研究成果的跨團(tuán)隊(duì)共享。10第十頁(yè)，共19頁(yè)。3.2數(shù)據(jù)科學(xué)家特點(diǎn)對(duì)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法有深入的理解。對(duì)數(shù)據(jù)有很好的感覺(jué)。有一定的編程能力。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(jì)算集群和基礎(chǔ)設(shè)施。多人協(xié)作以及跨團(tuán)隊(duì)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。11第十一頁(yè)，共19頁(yè)。3.3

產(chǎn)品開(kāi)發(fā)工程師特點(diǎn)專(zhuān)業(yè)的系統(tǒng)開(kāi)發(fā)能力。開(kāi)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(duì)接工作盡量簡(jiǎn)單。有完善的文檔和測(cè)試環(huán)境。有系統(tǒng)級(jí)別的監(jiān)控報(bào)警。有專(zhuān)人負(fù)責(zé)對(duì)接工作和問(wèn)題聯(lián)調(diào)。12第十二頁(yè)，共19頁(yè)。大綱1. 我們是誰(shuí)理解風(fēng)控理解用戶(hù)風(fēng)控系統(tǒng)的架構(gòu)設(shè)計(jì)13第十三頁(yè)，共19頁(yè)。4.

風(fēng)控系統(tǒng)的架構(gòu)設(shè)計(jì)總體結(jié)構(gòu)數(shù)據(jù)整合部分–

知識(shí)圖譜政策執(zhí)行部分

–

決策引擎實(shí)驗(yàn)分析部分– ALBUS14第十四頁(yè)，共19頁(yè)。4.1

總體結(jié)構(gòu)決策執(zhí)行RE分析平臺(tái)Albus數(shù)據(jù)整合KG風(fēng)險(xiǎn)政策人員（非技術(shù)）貸款產(chǎn)品開(kāi)發(fā)人員數(shù)據(jù)挖掘科學(xué)家riskmodeldatadata15第十五頁(yè)，共19頁(yè)。4.2

數(shù)據(jù)整合部分

–

知識(shí)圖譜QueryEnginecrawlercontrollerRESTClientDBHDFSFileKGwebfrontRESTClientrealtimesourcerealtime/batchextractionrealtimeinsertscommandswebtracebatchprocessingWebcrawlerslogging............Kafkasparkstreamingweb

extractionconfigonline

knowledgeprocessingofflinecomplexreasoningentity

retrievegraph

traversefulltextsearchKGrepositorybatch

loggingpartnersQueryEnginedataintegration16第十六頁(yè)，共19頁(yè)。4.3政策執(zhí)行部分

–決策引擎17第十七頁(yè)，共19頁(yè)。4.4

實(shí)驗(yàn)分析部分– ALBUS讀數(shù)據(jù)數(shù)據(jù)過(guò)濾和采樣特征擴(kuò)充模型執(zhí)行結(jié)果可視化邏輯層執(zhí)行層HDFSHbaseHiveMySQ