资源描述
信贷数据风控体系设计,技术创新，变革未来,1,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,2,2. 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,3,2.1 信贷产品的组成部分,4,4,2.2 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。,5,2.3 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：,6,2.4 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。,7,大纲,1. 我们是谁,理解风控 理解用户 风控系统的架构设计,8,3. 理解用户,风控政策人员 数据科学家 产品开发工程师,9,3.1 风控政策人员,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。,10,3.2 数据科学家,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。,11,3.3 产品开发工程师,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。,12,大纲,1. 我们是谁,理解风控 理解用户 风控系统的架构设计,13,4. 风控系统的架构设计,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,14,4.1 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 controller,REST,Client,DB,HDFS File,KG web front,REST,Client,realtime source,realtime/batch extraction,realtime inserts,commands,web trace,batch processing,Web,crawlers,logging,. . .,. . .,. . .,. . .,Kafka,spark streaming,web extraction config,online knowledge processing,offline complex reasoning,entity retrieve,graph traverse,full text search,KG repository,batch logging,partners,Query Engine,data integration,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,Yarn,Hadoop,data visualization (d3, echarts ),18,大纲,1. 我们是谁,理解风控 理解用户 风控系统的架构设计,19,
展开阅读全文