风控场景全流程模型构建及应用实践

线上小额信贷典型风控场景

01 贷前风控

• 一般流程：涉及数据收集、模型决策、决策引擎配置等环节。
• 常用数据：包括内部数据源，如用户行为数据、信用历史等。
• 数据流转过程：数据从采集到模型应用的完整流程。
• 实时决策流程：贷前授信模型通过模型引擎和决策引擎进行实时决策。
• 模型优化尝试：
  • 优化1：从单模型决策转向区分数据源类型组合决策，通过决策矩阵和子分模型提升效果。
  • 优化2：通过多种方式降低数据成本，以提升通过率为建模目标。
  • 优化3：通过多种方式提高贷前授信通过率，关注数据差异。

02 贷中管理

• 简介：区别于贷前风控，贷中管理强调及时应对风险变化。
• 业务目标：通过风险评分规则或模型及时应对风险。
• 模型：采用多种贷中模型，包括用户行为模型、提前结清模型、借贷意愿评估模型等。
• 指标监控及预警：持续观测，动态评估风险指标。
• 系统模块交互：与贷前系统相比，贷中系统交互更复杂。
• 常用数据：包括用户行为数据、交易数据等。
• 离线模型决策流程：涉及模型构建、应用方式等。
• 应用场景：复贷准入、客群划分、额度调整、针对性运营、提前结清等。

03 贷后管理

• 简介：以运营为主，模型工具辅助，目标提高回款率，降低违约风险。
• 业务目标及特点：常用模型工具包括回款率预测、客诉风险预测、失联预测等。
• 常用数据：包括用户行为数据、交易数据、客诉数据等。
• 模型应用场景：
  • 回款率预测模型：构建模型预测回款率，并制定早中晚期差异化运营策略。
  • 客诉风险预测模型：区分应用场景（贷前或贷后），考虑数据清洗、风险模型差异性等因素，通过AB实验设计进行效果评估。

04 监控搭建

• 监控内容：包括业务监控、模型监控、特征与数据监控。
• 预警内容：覆盖贷前、贷中、贷后场景的模型、系统及监控工具。
• 监控工具：涉及各场景下的监控及预警主要内容。