风险控制是数据挖掘中最为常见的应用,通常通过以往历史数据判断用户违约的概率。
据统计,银行传统风控模型对市场上70%的客户有效,但另外30%的用户,其风控模型效果大打折扣。
大数据风控作为补充,利用行为数据来实施风险控制,可作为另外的30%客户风控的有效补充。
那么,大数据风控中,是如何进行行业数据分析的呢?
首先,让我们了解一下风控模型的开发流程
↘ 数据抽取
↘ 数据探索
↘ 建模数据准备
↘ 变量选择
↘ 模型开发与验证
↘ 模型部署
接下来,以个人信用评分为例,看看哪些用户行为数据能够进行进行统计分析
在用户行为数据中