信贷数据风控体系设计

信贷数据风控体系设计技术创新，变革未来大纲21.我们是谁2.理解风控3.理解用户4.风控系统的架构设计2.理解风控31.信贷产品的组成部分2.什么数据是有用的数据3.个人借款风险的原因4.数据与风险的关系2.1信贷产品的组成部分Ծߝᦡᦇ૱ߝ០ߝߝഴᒽኼਮߝᓕቘਮߝ๐ۓහഝړߝᶼߝཛྷߝߝᴾፊߝහഝᔮᕹහഝრ42.2什么数据是有用的数据5•可观查到并记录下来的都是数据。•被动收集与主动收集。•不同的数据有不同的价值。2.3个人借款风险6•风险包括：欺诈风险和信用风险•欺诈风险：•第三方欺诈：•主动赖账：•信用风险：•财务收入：•支出管理：•不良嗜好：2.4数据与风险的关系7•统计模型适合个人信贷决策。•相关性比因果关系更重要。•数据整理-‐数据整合-‐数据特性•原始裸数据-‐简单特征变量-‐复杂特征变量•信用卡原始交易记录（时间、地点、商家、金额等）•简单变量（不同品类、时间段、地点的消费金额和频次）•简单特征变量的组合特征（在深夜购买游戏点卡的消费金额和频次，等等）•模型应用。大纲81.我们是谁2.理解风控3.理解用户4.风控系统的架构设计3.理解用户91.风控政策人员2.数据科学家3.产品开发工程师3.1风控政策人员10•特点•对金融市场的风险有丰富经验。•有一定统计分析的背景，复杂算法的能力不足。•对负责的产品理解深刻，但对其他产品认识有限。•需求•灵活方便的控制风控政策的执行。•执行历史的BI报表和报警机制。•简单高效的政策分析和回测。•研究成果的跨团队共享。3.2数据科学家11•特点•对数据挖掘和机器学习算法有深入的理解。•对数据有很好的感觉。•有一定的编程能力。•需求•完整清晰的数据定义和数据流。•高性能的分布式计算集群和基础设施。•多人协作以及跨团队协作的能力。•能轻松将研究成果应用到业务系统中。3.3产品开发工程师12•特点•专业的系统开发能力。•开发任务排期紧张。•关注系统稳定性和性能。•需求•对接工作尽量简单。•有完善的文档和测试环境。•有系统级别的监控报警。•有专人负责对接工作和问题联调。大纲131.我们是谁2.理解风控3.理解用户4.风控系统的架构设计4.风控系统的架构设计141.总体结构2.数据整合部分–知识图谱3.政策执行部分–决策引擎4.实验分析部分–ALBUS4.1总体结构决策执行RE分析平台Albus数据整合KG风险政策人员（非技术）贷款产品开发人员数据挖掘科学家riskmodeldatadata154.2数据整合部分–知识图谱QueryEnginecrawlercontrollerRESTClientDBHDFSFileKGwebfrontRESTClientrealtimesourcerealtime/batchextractionrealtimeinsertscommandswebtracebatchprocessingWebcrawlerslogging............KafkasparkstreamingwebextractionconfigonlineknowledgeprocessingofflinecomplexreasoningentityretrievegraphtraversefulltextsearchKGrepositorybatchloggingpartnersQueryEnginedataintegration164.3政策执行部分–决策引擎174.4实验分析部分–ALBUS读数据数据过滤和采样特征扩充模型执行结果可视化逻辑层执行层HDFSHbaseHiveMySQL…Spark/MRYarnHadoopdatavisualization(d3,echarts…)18大纲191.我们是谁2.理解风控3.理解用户4.风控系统的架构设计