- 博客(10)
- 收藏
- 关注
RSS订阅原创 客户画像分析用于贷中监控的案例
从征信信息看，近2月客户的债务负担明显加重，一是信审查询机构数大幅增加，二是贷款负担大幅加重，包括贷款总账户数、未结清贷款余额、平均应还款这些指标均大幅上升，三是信用卡债务也大幅增加，包括贷记卡发卡机构数、贷记卡已用总额度等指标也大幅上升。申请评分卡结果也验证了上述客户画像结论，近2月客户的评分卡分值分布中，最高得分层次的客户比例下降了，而其他层级的客户占比都上升了。同时，近2月客户的逾期表现恶化，无论是贷记卡还是循环贷、非循环贷，客户的逾期账户数、月份数、逾期（透支）总额均有大幅升高。
2022-10-05 07:00:00
690
1
原创 银行手册（商业银行数字化转型）
然而，线上化银行并无法解决金融新业态下自身所面临的全新挑战，银行无法再靠规模获胜，而需要引入先进的金融科技技术与互联网的思维概念，从增强风险识别防控能力、优化业务流程、提高管理质效、降低运用成本、改善服务体验等多方面寻找全新经营模式的突破，因此，数字化转型势在必得。银行的数字化转型，同样离不开面向各个业务流程、场景的风控能力，这其中几包括建设自主可控的风控系统和风控能力，同样也要借助外部资源强化自身风控能力。风控全流程涉及到贷前、贷中、贷后环节。贷前准入包括贷前审核、的信用评估和订制建模。
2022-10-04 07:00:00
182
原创 数据治理和数据安全治理有何不同？
数据安全治理在技术工具与平台落地阶段，也涵盖了加解密、数据防泄漏、云访问安全代理、身份认证管理、用户实体行为分析、数据库审计等不同维度的的技术矩阵，依靠单一安全厂商、产品是无法达到这种全面技术保障能力的要求的，因此数据安全治理的建立与实施一定程度上依赖于生态形成与联盟化发展。如果数据不仅仅与特定的应用相关，还会在更大的范围内共享，特别是整个企业范围内共享，如企业的数字化转型，那么就不能任由个人或部门各行其是地处置他们的数据，数据活动需要在一个企业的规范框架约束下进行。任何企业都在使用、产生数据。
2022-10-03 07:00:00
694
原创 （银行案例）智能营销赋能大零售转型
国内某大型商业银行针对于手机银行客户，基于海量用户行为，交易数据行为用户画像，对营销全流程进行智能化改造，实施精准营销，协同营销，显著提高了手机银行活跃度，有效促进业务增长。2021年下半年开始，该大型商业银行在部分分行开展智能营销试点，具体而言，试点分行基于数据+算法+平台+运营的数字化模式，引入智能营销手段，将按照批次执行的营销活动转为常态化的按日自动化营销，实现模型的全生命周期管理。通过全流程智能化改造，推动银行在UN里那个客户激活、线上线下获客、客户交叉营销等方面的全方位能力提升。
2022-10-02 20:35:24
1149
原创 举例说明银行如何做反欺诈
金融交易面对严峻的欺诈环境，目前仍有三大急需解决的问题。一是欺诈风险监控需要更丰富的基础数据，二是欺诈风险监控需要更精准的模型方法，三是欺诈风险监控需要更及时的干预措施。面对上述挑战，新兴的大数据技术提供了一条可行的解决路径。下面以某行银行为例来说明大数据在金融交易欺诈中的应用。金融交易反欺诈体系以分布式集群为基础，接人行内外全面、丰富的信息，并按照客户、高户等维度进行了有机地整合；在此基础上，利用数据挖掘手段，部署了数百个智能模型，并综合实时、准实时和批量的监控手段，有效堵截了各类欺诈风险事件，其
2022-02-17 14:24:52
1941
原创 评分卡开发中的常见问题
建立信用评分模型及行为评分模型时需要一个以前的客户样本。在选择样本时候往往面临两个矛盾目标：第一，样本应该对未来可能的信用申请人有代表性，第二，样本应该包括足够的不同类型的还款行为（也就是好客户和坏客户）以使得我们能够确定在未来的客户总体中哪些特征变量可以反映这些行为。为了区分好的还款行为和坏的还款行为，我们需要样本中的客户有一定时间跨度的还款历史。在行为行为模型中，尤为重要，我们需要一定白嫌弃来确定交易特征变量，也是需要一定的表现期来确定一个客户是好客户还是坏客户。这时候一个这种方案就是，对申请评
2022-02-17 14:22:37
699
原创 智能风控之特征工程方法
在模型圈内有这么一句俗话， “特征决定了模型的上限， 而算法只是逼近这个上限”，由此可见特征工程在风控建模中的重要程度。 特征工程的本质是基于原始数据的信息提炼， 风控场景中的很多数据源， 单独来看可能和风险表现关联性并不强，但是加工成特征后， 却会与我们想要预测的目标产生紧密的联系。1、统计量统计量是特征工程中最常用到的一类方法， 是对于原始数据的浅层加工。 风控 场景中原始采集到的多为明细数据， 通过统计量的方式，可以快速地汇总并刻画出数据分布的规律， 在短时间内构建上千维特征。 常见的统计
2022-02-08 10:57:18
1306
原创 智能风控模型之数据源类型
风控场景下的数据源主要可以分为两类。 一类是银行和互联网金融机构通过自身业务线产生的金融数据， 包括征信报告、 交易流水、理财产品等， 这些强金融属性数据由于直接与客户的金融行为挂钩， 因而能够比较好地刻画客户的风险状况。另一类是非金融机构产生的数据， 例如运营商、 地理位置、设备属性等，这些弱金融属性数据虽然不能直接反映客户的风险， 但是通过特征和模型方式上的加工， 能 够对强金融属性数据起到较好的补充和增益作用， 因此也被纳入风控大数据体系内。1、征信报告介绍风控大数据， 首先就要从央行征信
2022-02-08 10:56:39
1949
转载 2021-11-10
互联网反欺诈实战1、现状随着互联网深入渗透生活的每一个环节， 通过互联网能做的事情越来越多，我们可香询、购物、订票、缴纳各类生活费用，还可以进行交友、看视频、互动娱乐等。在 准用这些丰富多样的互联网服务时， 我们需要完成一 环又环的业务场景， 包括注册、登录、申请验证码、参与营销活动、购买商品、进行支付或退款等。随着互联网业务的争越来越激烈，各互联网平台为了吸引用户对营销活动的投入越来越高，充值返现、负费骑红包车和注册领奖励等活动越来越多，这也给了黑产获取暴利的机会。从图13.1可以看出，每一个业务场景
2021-11-10 14:31:21
179
原创 为什么风控建模岗位最有核心竞争力？
一、风控模型岗位职责1、探索性数据分析相信绝大多数的建模者都是在这里花费的时间精力最多，众所周知，建模工作的基础就是数据，这一阶段的主要任务就是要了解目前有什么数据，以及数据维度的定义，这些数据是否凡在模型中使用。2、特征工程主要是通过探索性数据分析得出的数据后，基于数据去解决目前的问题。3、模型构建模型做的好不好，都是业务说了算。模型上线后，需要不断的优化迭代，进一步改进优化。二、风控模型岗位所需技能1、技术能力我们看到很多招聘模型的JD上都是明确标注，学历和专业，因为模型岗位所需的技术
2021-08-03 21:30:42
214
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人