作為資料產品經理，經常會碰到這種情況：費了很大功夫，做了複雜的模型產品後，業務人員卻覺得不好用、不會用、不願用，對於這個問題有沒有什麼好的解決辦法?
資料產品其實不是乙個孤立的系統，而是乙個有機體，它在與資料、業務、人員結合中不斷生長壯大。今天通過乙個風控產品的小案例，來看看如何一步一步的了解使用者需求，解決使用者問題，推廣資料決策的理念，讓資料產品價值不斷提公升。
1 記錄資料
sc公司是一家為商戶提供支付、營銷服務的創業企業，業務增長非常快，在其支付服務業務中，會出現套現、欺詐等風險問題，需要風控部分的人員偵測處理，在支付環節，從交易成功到給商戶拿到錢有一天左右清算時間，所以除了實時的拒絕交易之外，對於更加複雜，不容易立刻確認的套現欺詐行為，還可以通過人工方法檢出查證，事後處理。
這種情況下，最早支援風控的資料產品是提供的每日的交易明細資料，同時按照一些經驗規則，把一些可疑的交易挑選出來，供風控人員審查，每乙個挑出來的交易就是乙個欺詐行為的線索，通過這個線索去尋找確認欺詐的商戶。
從人們分析和決策流程上來看，這個階段的資料產品提供的是「記錄」功能，整個決策過程後幾步都是要人工完成的：
彙總：將看到的各個資料在頭腦裡匯集，模糊計算歷史金額，交易佔比等信指標息;
**：根據一些經驗指標判斷線索的實際風險概率;
對於每次一條可疑線索，風控人員需要考察交易的多方面資訊，還要翻找客戶相關各個方面的資訊，歷史行為，地區，型別各個方面的資訊，每條線索判斷時間較長，有時候風控人員也會漏看一些資訊，造成判斷失誤。
這個階段要解決的問題是如何讓風控人員更快速的處理每乙個線索。
2 資料彙總
為了解決這個問題，通過和風控業務人員溝通，根據他們對每個線索要分析主要方向，為每個客戶編制乙個統一的使用者畫像標籤體系，如上圖中的x1，x2等標籤，標籤分為兩類歷史上的標籤，比如歷史交易金額、交易次數、中位數、交易型別等，這些可以在夜裡預算好，對於當日的標籤通過資料實時更新。
這樣在出現一條線索的時候，風控人員就可以在乙個頁面快速的瀏覽所有的相關要素，同時給出對於線索的定性判斷，包括高風險、中風險、低風險等判定結果。
這個階段，機器完成了資料記錄和彙總工作，而風控人員依然要依靠人腦去建立模型，同時進行**和決策。
增加這些功能後，風控人員處理每個線索的時間減少了，提高了效率。經過一段時間通過資料分析發現，未被處理的線索比例卻依然在不斷增加，原因是業務增加速度比人員增加的快，由於這些線索是隨機分配給業務人員的，在沒有被鑑別的線索裡面，依然會有很多有風險的交易，風險覆蓋率低。
接下來資料產品要解決的就是提高風控覆蓋率的問題。
3 模型**
為了解決覆蓋率低的問題，設計通過評分模型的方法，對每乙個線索進行評分，把風險高的排在前面，讓風控人員首先首先處理較高風險線索，至少不要漏掉嚴重的高風險問題。
這時候上一階段積累的資料就發揮了作用，因為過去業務人員根據線索的各個要素，做過很多真實的判斷和進一步的調查，有很多現實案例，又有判定結果，也有線索特徵，這就是建模的好材料，有y變數，也有x變數，需要做的就是根據這些歷史資料，進行分析建模，讓機器給每個線索評分，評估輕重緩急。
為了讓模型推行的更平穩順利，在正式給業務人員用之前，還要有乙個試用的過程，這裡重點的就是不能把評分給風控人員看，依然需要隨機的分配線索，同時進行事後跟蹤檢測。在模型相對穩定後，再讓系統根據風險評分排序，讓風控人員優先處理高風險的線索。
做了這一步之後，在不增加風控人員的前提下，發現風險情況的效率大大增加，特別是有重大風險的情況，基本不會被漏掉。同時風控人員在分析線索之後，將採取關閉商戶，關閉卡交易等處置措施，這些也都會被記錄在系統之中。這個階段機器可以解決資料的記錄、彙總、綜合**的工作，而人從事決策和執行的過程。
這個流程採用之後，還要繼續通過資料分析尋找可以改進的環節。分析發現業務人員處置規則，也有不穩定之處，有人嚴格，有人比較松，如何才能讓處置的規則也穩定下來，同時可以不斷修訂改進呢?這就是成了需要解決的問題。
4 決策推薦
為了讓處理規則穩定和統一，首先和風控部門一起討論，梳理出了具體決策規則，比如根據風險分數和交易金額分為幾個群組，有不同的處理方法。
接著將這些規則部署到系統中之後，系統會根據規則推薦出不同的處理方法，風控人員如果覺的可行，可以選擇同意;但是如果覺的不合適，給出改變的理由，並記錄在案。
這個反饋結果可以幫助風控團隊，不斷總結，修訂規則，同時也將風控人員的經驗不斷沉澱到系統中，就算有人員的變動，也只需要比較短的培訓可以上崗工作。
5 人機合一
在以上的各個步驟都穩定可控之後，對於比較明顯的風險線索，機器可以自動的進行拉黑卡，調整額度，關戶等操作，人們所做的事情就是監督系統的執行狀況，同時不斷分析新的情況，優化系統。
一方面風控團隊的人員減少了人員，有些原來做簡單重複工作的人員轉崗去了其他團隊，而留下來的風控人員也不是每天進行大量重複的體力勞動，而是思考風控工作改進的措施，這樣既提高了工作的滿意度，降低了流失率，也提高了工作的效率。
讓機器的歸機器，人工的歸人工，機器可以幫助人們從事重複的、大量、高速的工作，而人工可以從事研究、管理、分析的工作，兩邊的結合才是最好的。
原文：樂搏學院
資料化決策 如何讓資料產品」生長」出來
作為資料產品經理，經常會碰到這種情況 費了很大功夫，做了複雜的模型產品後，業務人員卻覺得不好用 不會用 不願用，對於這個問題有沒有什麼好的解決辦法?資料產品其實不是乙個孤立的系統，而是乙個有機體，它在與資料 業務 人員結合中不斷生長壯大。今天通過乙個風控產品的小案例，來看看如何一步一步的了解使用者需...
如何讓企業「資料化」？
什麼樣的企業可以稱得上是大資料企業呢？恐怕沒有人能夠給出乙個完美的答案。但是，直觀地，我們可能覺得google更像是乙個大資料企業，阿里巴巴也像是乙個大資料企業，而中國銀行似乎不太像乙個大資料企業，儘管它每天也一樣浸泡在海量的資料中。除了具有處理大量資料的能力外，之所以google和阿里巴巴更像大資...
大資料如何影響商業決策
現如今，無論哪個行業的企業都在談論的是 資料。這裡說的資料不是任意的資料，而是大資料。如今我們生活在資訊經濟體制中，公司採集和分析的資料越多，就能在做重要的商業決策時參考更多的資訊。因此，公司不必再盲目地做決定或者只能瞎猜了。而些曾經根本無法測量的參量，如今也可以進行準確地測量。現如今，大資料非常重...