新人互金风控数据分析师的日常分享

罗里吧嗦的前沿

        诶呀，时光荏苒，日月如梭，一晃神的功夫,从高贵的大学生转变研究牲，一转眼又从研究牲为社畜了，作为人类的属性不断地降低,ε=(´ο｀*)))。

        原本秋招的时候信心满满，我要搞算法，我要搞nlp，搞不了算法我也做游戏，我要进大厂，在22年实习期间感觉风头就不对，最初找了一个上海的初创做医疗图像，offer都发了，’结果上海封了，后来找了一个北京中厂做数挖，同样口头offer，学生证身份证照片都发过去了，结果北京也封了了，再后来逼得实在没办法了，我只能在没疫情的地方找吧，幸好杭州啥事没有，找了一个数开，是移动外包的外包。但是干的还是挺开心的（因为不加班，工作技术栈相符合，还学到了hivesql，领导也很nice，没留还是对领导有点小愧疚(*^▽^*)）。

        后来实习到期开学，顺便经历了秋招全失败（为啥23届秋招这么难┭┮﹏┭┮），放弃了幻想，放弃了大厂梦，但是还是想搞数据，或者游戏。其中最爽的肯定就是游戏数据分析啦，但是游戏数据分析这个岗，大厂才有，但是23年形式emmmm，真的不吹，笔试题个人作品啥的加一起写了不下5w字的游戏数据分析，游戏拆分报告，运营策略啥的，都快赶上一本小书了，确实可惜，真没一家游戏公司要我，聊的最好的九鼎和星辉也因为面试没说到点子上失败了。

         ε=(´ο｀*)))唉，其他的要么就是线下面试，要么就马上入职，没毕业的我实在去不起啊，只能忍痛放弃（后来感觉这个决定是对的，我们这届研究生50多人，正常毕业的才20多，一半因为大论文，小论文课业问题没法正常准时毕业，我一直平稳落地，论文外审还拿了双a，有点小爽）

        后面没办法嘛，要工作的吗，总不能真的研究生毕业无工作出道成为Vtuber吧（我都有自己的皮和live2d哦，live2d还是我自己绑的），千挑万选找到目前工作的海外互金公司，base深圳，title是风控部的数据分析师，也算是万幸吧，还能留在数据这个领域，就是行业从游戏跨度到金融，还是海外互金，真是我万万没想到的了。

墨迹之后的正文

        新人入职之后，因为实在不太了解海外互金是个什么玩法，上网查了一下，好家伙，校园贷嘛这不是，看了一下公司的业务，好家伙还是714高炮玩法，开始上班心都是突突的，害怕啊，尽管公司的海外牌照合法合规，但是我深受良心的谴责，但是后来看到了信也科技，度小满，美团三快之流的一些消息，发现只要公司业务合法合规，啥叫良心诶，赚钱嘛，不寒碜（这可能就是成长的代价吧）。而且我还是数据技术岗，主抓技术（罪恶感还略低一筹），辅助业务侧执行，当然对业务也要全面透彻理解啦。

        在上班过程中一直学习，入职两个月了，也基本把公式的业务工作流程搞清楚了，总结成了一份思维导图，也算是做一个短期工作总结吧，记录一下我的学习进度。我把一些具体的代码地址都隐藏了，以后如果有机会的话可以把其中一部分纯技术代码输出一下，做一个技术分享，当然对于大佬来说确实很简陋，只能说是给刚入行，或者想要入行的同学们一个小指南吧

       无事の日常

        每天清早第一句，先给自己打个气，来公司还没把电脑支上的第一件事就是看实时日报，看看昨天的各个客群的首逾情况，通过情况啥的，这决定这我是慢慢把电脑拿出来，慢慢的看报表，还是急急的把电脑拿出来，急急的看报表。后来看报表，规则每条每条的对实在费事，我就编了一个规则异常触发报警的小功能，每天运行一下看看有没有啥规则异常波动的。这样每天又多出来小二十分钟可以摸鱼美滋滋。

        看完报表在看看各个客群的贷后啥情况，要是贷后变差了，还得找一下变差的原因，是运营那边有划水了，在莫名其妙的渠道投放了一些莫名其妙的广告，来了一群低分段刁民，造成了贷后变差，还是说目前用的这个模型年久失修，旧时代的船上不了新时代的海了，要是前者直接把锅丢给运营，（当然我目前还在实习期，没有直接跟运营对接），如果是后者的话，说明要整点新数据（整点薯条）做个新模型了。

         要是老爷保号，一切平安无事，通过率维稳，贷后正常，趋势不变坏。那就是风平浪静，手上没活的情况下，可以摸摸鱼，看看技术博客，跟群里老哥吹吹水，摸到11点就可以点点外卖，继续摸摸鱼，解决一下任务探索中的小难点啥的。

        中午吃完了饭，打会osu！锻炼锻炼手眼协调能力，防止老年痴呆，当然等大家都睡了，也跟着眯一会，磨蹭磨蹭到2点开始下午的工作了。

        下午了，看看礼拜几该开什么会了，和pm，运营，贷后的大佬萌对一对需求，看看需要做点什么调整，‘诶呀，最近贷后怎么变差了呀’，‘通过率给高点呀，我运营成本受不了’，都是常态，这时候就动一动策略额度，看看都咋改改，能给点动静出来。

        开完会又该干活了，看看数据，老客户最近变差了，新白名单起量了，跟领导商讨一下可以出一版模型嘛，迭代一下嘛，再看看邮件，有没有测试的需求，需要处理处理。

        做做客群模型吧

        从数据库里拉出来对应客群的近期数据，把埋点的数据(短信,通话记录,多头啥的)拉出来，用笛卡尔积拼接成组合特征，用iv，woe挑一些能用的特征出来，常规的划分训练测试验证，公司祖传的是用lightGBM做模型，这种树模型做风控最好用了（甩锅用），一个可解释性就把所有神经网络全干掉，可怜我在研究生器件练就的一身深度学习小trick无处施展，只能用sklearn的参数一点点调过拟合。

        哎ε=(´ο｀*)))唉，过拟合真严重啊，模型稍微复杂一点，ks值马上给你差个20以上，正则加多一点，验证集马上不work，我们是风控人，也是一群时刻对抗着过拟合和不work的可怜虫，做完的模型改做模型效果验证吧，因为是二分类模型，根据特征把用户划分为良民和刁民，但是那就不能一刀切，主要原因还是因为模型毕竟是模型，几乎不可能做到分类完全准确，这时候那划分概率通过映射函数，把用户特征映射成用户评分（可以简单的理解为蚂蚁花呗信用分）根据评分和一些其他的因素划分额度。

     看看策略吧，亏到裤衩漏洞诶

      看亏钱不亏钱，策略真实太重要了，要是没有通过率的限制，巴不得分个20箱，就要前3箱的用户，都是大大的良民，可惜要不得，只能根据各个分箱的贷后情况，给不同的额度，比如第一箱的回款达到了1.2，首逾也不高，那就在之前给的额度上提升一些，2000块给调到3000块钱啊，但是不能给多了，要是真给多了直接吃干抹净转眼就把手机卡一掰，所以还是得悠着来，（额度给的多真的会坏回款），有的低分段用户，如果回款太低了，0.6，0.5那种直接就拒掉了，纯纯亏钱生意，如果回款0.7,0.8的，看看之前的额度高不高，如果额度高的话，就降低额度，3000降到1500,（真有可能是额度高的换不上了，给点小钱说不定就还了），不过额度不高那还是拒掉，100块都不给我|ू･ω･` )，你欠我的拿什么还（监狱梗不可取）。

         有时候光看评分也不行，还要看一下其他的规则，最常见的就是共债了（在其他的地方借款，比如同时借了花呗和信用卡之类的，顺便想想你花呗还了没呀ლ(´ڡ`ლ)），共债一笔的和共债两笔的在相同评分分箱的表现有啥不同的没，一般来说共债越小，贷后越好，但是也不一定，有的共债56笔的还款歘歘歘（chua）的快，主打的一手灰电平衡，但是这种一般都会越滚越大，肯定暴雷的，所以对高共债的用户，就算首逾回款再好，也不会放给太多钱的。

        分配好各个分箱的放款额度后，验证一下这个策略上线后的通过率，放款笔均，预估首逾之类的，当然的通过率越高越好，首逾越低越好。如果做不到，也要看看能达到什么提升，是降了多少首逾，还是提高了通过率，还是笔均提高了。做完之后就可以测试上线合并了。

一点点职场业务/技术之间小感悟

        技术支撑着业务，和桌子腿支撑着桌面一样，可以粗可以细，可以镂空，可以奇形怪状，但是终归是要支撑桌面的。技术再精湛，依附在业务上才能体现出技术的价值，以后还是得多多学习下业务， 这个业务也不只是公司的具体项目，还有对工作的安排甚至于人际交往方面，最近认识到最深刻的地方就是拆分的能力，说来也是巧合，这是我在做模型评分分箱中意识到的。一个大问题，看似无法解决，但是将大问题切分，分割成一个个小问题，看看这些小问题是否可以解决，如果不能解决，看看是否可以换成一个等效输入输出的问题，这样的话，即便是大问题无法解决，但还是可以推进项目的，还能在推进的过程中逐步清楚大问题无法解决的原因。很可惜我明白的太晚，如果在星辉游戏面试或者九鼎无双面试的时候将问题能细细的切分，可能就不会偏离答案太大了。

        怎么莫名其妙扯到游戏面经上了

        举个例子吧，星辉hr问我拿到一个游戏（我当初说的是崩坏三）全部数据，你如何去分析。这真是典型的大问题，面试官问我这道题之后真的被问住了，我没有做游戏业务的经验，所以很难很系统的说出我的回答，只能挑一些无关紧要的运营指标去说(LTV，CPA，埋点数据之类的），我还强行的往技术上引，将这些指标数据拉进模型里，做用户画像辅助参数之类。当时真的紧张了（笑死，如果不是真的喜欢谁会当真那(╥﹏╥)）。用现在的眼光复盘一下，发现这个问题还是挺好解决的。

        首先是要明确工作目的，从这里就要开始划分了，要分析崩坏三的哪些方面，是崩坏三的营收情况，还是崩坏三的操作ui，还是崩坏三的用户流转，还是~~~~~。将【给你崩坏三全部数据，你如何去分析】这个大问题拆分成【分析崩坏三的营收】，【分析崩坏三的用户流转】等等莫干小问题，虽然看似还是无法解决，但是总归是有了前进的思路。

        问题还是没法解决，那就继续拆分吧，【分析崩坏三的营收】这个问题的重点就是营收，营收吗，拆吧，拆成营和收（o(ﾟДﾟ)っ！真这么拆吗），对啊，就这么拆啊，营就是花钱，收就是赚钱，这样问题就变成了【分析崩坏三怎么花钱的】【分析崩坏三怎么赚钱的】。

        那么【崩坏三怎么花钱的】这个问题是不是就好解决多了，问题前提条件是我有了崩坏三的全部数据诶，把米哈游的财务抓过来打一顿，问问钱都花在哪了，接着拆吧【崩坏三怎么花钱的】拆成了【崩坏三钱花在哪了的】【崩坏三花了这笔钱的后果】甚至还能推算出【崩坏三钱为什么要花这笔钱】。这样问题是不是就清晰了巨多，

        接着研究【分析崩坏三怎么赚钱的】的吧，把米哈游的财务抓过来打一顿，问问钱从哪来的（啊这个可能不用打财务了，问问群里老哥冲了多少就完了٩(๑>◡<๑)۶ ），但是问题好像还能拆喔，【分析崩坏三从谁上赚钱】【分析崩坏三从什么时间上赚钱】同样推导出【崩坏三为什么能从老哥们在这些时候（又可以分成多少个节日哦）赚钱】。

        同理同理，将所有问题都拆成了这样一小块一小块的，那【给你崩坏三全部数据，你如何去分析】这个大问题就这么容易的被拆分了（业内黑话叫颗粒度），就算某一个专业问题你不会，解决不来，也能快速询问到对应问题，就比如上面提到拆问题拆成了【崩坏三的某个页面的图标为什么是黄色的】这个美学问题上，我也能快速的定位到美术老师去问这个小问题，【崩坏三为什么在b站上投广告】这个运营问题去问到运营同学，而不是直接问美术老师和运营同学【崩坏三的全部数据】。

        通过这么拆分出来，我相信，就算你回答这个问题出现了纰漏，也不会因为偏离题目太多而导致扣去太多面试分，不会出现无头苍蝇还想着往模型上靠，以后就算遇到什么一时无法解决的问题，也能拆分问题，将问题留给能解决的人。

        复盘之后，发现面试的时候实在不成熟，如果能面试的时候说处这些，就算不是正确答案，也能体现出我的能力来，面试说不定就过了，就能进入心心念念的游戏行业了，只能说时也运也（题外话，我想做一个游戏demo做为我以后跳槽的项目嘻嘻，还是做游戏捏）

        说个虚一点的，我真的有点王阳明格物格竹子的明悟感，以后看待问题，都能有个不同角度了。

题外话

        上学的时候，一直研究的都是技术方面（其实也没有研究啦），无论是自己干点项目，打个比赛，还是写论文，还是做实验，都是纯纯为技术考虑，不涉及到钱也不涉及到利益，所以对业务的理解就浅薄了很多，总以为业务就是销售，就是陪酒搭子，就是对我指手画脚的宿管。就算是在实习期间，我也在纯纯的写sql，写python，写算法，写正则，每天过的贼快，下班也不用思考别的，活干完了就开始爽玩。（后来我分析，大概率是外包的缘故，只干活，只输出成果就好了）。但是从正式上班，业务就突兀的横亘在我面前了。怎么赚钱是工作的时候最优先项，作为互金公司的风控数据，直接面对的就是钱，动一动手指就放出去几十万的比索，但是我甚至连比索是啥样的都没见过，我没从来没想过给公司赚钱这个目的，我会这么上心。对业务的理解需求甚至比技术需求强的多的多。调了一个礼拜的模型比不上一条有效特征的并入、还有点小伤感的。

         最近敲代码，看着pycharm的黑底，左面的项目文件列表，脑海中浮现出来的是数据不断的在代码，在文件中穿梭，从输入到输出，从数据库到pkl到target测试结果。我还是挺享受这种感觉的。希望我以后可以保持着对技术的热爱，要是纯纯变为业务人，那岂不是少了很多的乐趣