信贷数据风控体系设计

,9/1/2018,#,9/1/2018,#,信,贷数据风,控体,系设计,技术创新，变革未来,大纲,2,1,.,我们是谁,理解风控,理解用户,风控系统的架构设计,2.,理解风控,3,信贷产品的组成部分,什么数据是有用的数据,个人借款风险的原因,数据与风险的关系,2.1,信贷产品的组成部分,4,2.2,什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,8,1,.,我们是谁,理解风控,理解用户,风控系统的架构设计,3.,理解用户,9,风控政策人员,数据科学家,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,13,1,.,我们是谁,理解风控,理解用户,风控系统的架构设计,4.,风控系统的架构设计,14,总体结构,数据整合部分,知识图谱,政策执行部分,决策引擎,实验分析部分,ALBUS,4.1,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,risk,model,data,data,15,4.2,数据整合部分,知识图谱,Query,Engine,crawler con,t,roller,REST,Client,DB,HD,F,S,File,KG,web,front,REST,Client,real,t,ime source,real,t,ime,/,ba,t,ch,extraction,real,t,ime,inserts,commands,web,t,race,batch,processing,W,eb,crawlers,logging,.,.,.,.,.,.,.,.,.,.,.,.,Ka,f,ka,spark s,t,reaming,web,extraction,config,online,knowledge processing,offline,complex reasoning,entity,retrieve,graph,traverse,full text,search,KG,re,po,s,i,t,o,ry,batch,logging,partners,Query,Engine,data in,t,egra,t,ion,16,4.3,政策执行部分,决策引擎,17,4.4,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,HDFS,Hbase,Hive,MySQL,Spark,/,MR,Y,a,rn,Hadoop,data,visualization,(d3,echarts,),18,大纲,19,1,.,我们是谁,理解风控,理解用户,风控系统的架构设计,