大数据风控中用户行为数据的采集、分析及应用

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，风控效果最好的是用户个人金融属性数据，例如：

 

↘       年龄

↘       收入

↘