风控数据来源及分析技巧

 　本文是《风控总监训练营》第4、5课学习笔记。

 　首先，从风险管理角度理解业务。以发薪日贷款和中大额贷款为例。

• 发薪日贷款
   　这类贷款的特点是小额、短期、快速，对审批时效性及客户体验要求较高。需要客户填写的资料少，大量依靠第三方数据。对反欺诈尤其是团伙欺诈识别有较高要求。客群整体质量较差，欺诈风险占比较高且多头负债严重。

• 中大额贷款
   　中大额现金贷产品是真正考验风控能力的产品。需要平台能够精准识别目标客群、准确分析借款人的还款能力。

数据来源及分类

 　数据源可以分为外部三方数据源和内部数据源。外部三方数据源有身份核验类数据、特殊名单数据、行为特征数据。内部数据源有申请单类数据、设备类数据以及贷后类数据。

• 身份验证类数据
   　通常有个人身份认证、姓名身份证号验证、手机三要素验证、银行卡二要素三要素四要素验证等，主要目的是核实借款人的身份信息，确认是用户本人在申请贷款。
  

• 特殊名单类数据
   　大概有个人失信信息、不良诉讼信息、个人涉诉信息、不良信息核查、个人黑名单、欺诈名单等。
  

• 行为特征类数据
   　多头借贷数据、银联交易数据、个人交易特征以及个人信用分类的数据。
  

• 内部数据源
   　内部数据源第一是申请单类数据。比如用户个人基本信息、工作收入信息、教育信息、联系人信息等，；第二类是设备类数据，比如设备指纹、通讯录通话记录、短息、位置信息等；第三类是贷后的表现数据如个人贷款还款信息、交易检测信息和催收数据。

数据源评测

 　常用的风控审批流程架构如下图：

 　数据源的收集有两种方式。一种是补查数据，即准备一批有贷后表现的数据，通过批量调用数据源，返回结果。这种方法的优点是准备周期短，但是也可能所查数据源不支持回溯。比如信贷逾期情况，可能包含了当前用户的逾期，就会出现用Y去查Y的结果，影响测试效果；另一种方法是审批时实时收集，这种方式对数据需求程度较低，审批时只收集数据不做规则。可以最真实模拟线上情况，排除因时间造成的效果干扰，但是相应的数据源准备周期也会较长。
 　数据源效果的评估指标常用的有覆盖率、命中率、IV值、KS值、AUC值等。KS和AUC更多的是针对分数类的数据源，如芝麻分等。
 　下面是一个黑名单类数据源测试的实例。
 　一共有A、B、C、D、E五类测试数据源，随机抽取8997条数据进行测试（4348条坏样本），坏样本的定义是mob3期时max_dpd>=85。通过分析命中率和逾期率来评估数据源的好坏。

 　8997条样本中一共有2118条命中黑名单，总体命中率为23.54%，可以看到数据源A的命中比例以及独家命中率都显著较高。再看一下命中黑名单人数中的逾期情况。

 　数据源A的逾期率较低，说明A虽然命中最多的黑名单，但真正的坏样本占黑名单的比例不高。黑名单的量大但是准确度不够高，如果使用数据源A的话会误杀大量的好客户，所以无法选择A,需要继续进行测试。

 　从命中率来看，BCDE的命中率依次递减，所有数据源命中的黑名单占测试样本的9.11%。从覆盖率来看，D的名单被B完全覆盖，说明D的黑名单来源于B。

 　从命中黑名单的逾期率来看，均高于测试样本的逾期率，说明黑名单有一定的效果。按黑名单的逾期率排的话是CBDE，所以推荐接入C和B两个数据源。
此外数据源测试可以参照的指标还有有效差异率、无效差异率、误拒率等，看下面这个例子。

 　测试样本有1000条，其中有通过的和拒绝的样本。通过的样本中有好样本和坏样本，拒绝的样本中有黑名单拒绝和其它原因拒绝。查得率、覆盖率、有效差异率(绿色)应该越高越好，误拒率和无效差异率(红色)则越低越好。

1. 有效差异率可以侧面反映风控策略的完整性。
2. 有效差异率和无效差异率都较高，说明黑名单是广撒网式，不够精确。

 　如果是欺诈名单验证，可以将用户分为通过和拒绝的样本，通过的样本中有好客户和贷后定性欺诈的客户，拒绝的样本中有欺诈决绝和其它拒绝。

【作者】：Labryant
【原创公众号】：风控猎人
【简介】：某创业公司策略分析师，积极上进，努力提升。乾坤未定，你我都是黑马。
【转载说明】：转载请说明出处，谢谢合作！~