科技金融企業在風險管理的每個環節都引入了計量分析的方法，相較於傳統金融銀行或小貸公司的專家經驗判斷，依託大資料進行後台的分析回顧，不斷的優化調整，在風險與收益中可以更快的達到平衡。
a. 什麼是風控審批策略
基於資料分析在申請階段制定各式各樣多維度的策略和規則;
其中多維度資料的策略規則包括：
1.社交及簡訊維度規則
2.移動裝置維度規則
3.外部資料來源（如：徵信報告、各種黑名單**）規則
4.多維度評分卡規則
5.行為資料(裝置資訊、註冊時間、登陸時間)規則
b.風控審批策略的目的
在貸前審批減少風險事件的發生的各種可能性，挽回風險事件時造成的損失。較大的程度上篩選過濾高風險客戶，保留低風險客戶予以營銷。針對客群分級實行個性化的審批流程，提高審批效率。
c.風控審批策略的作用
在保證業務量的同時降低業務壞賬率、控制逾期風險，最終實現公司盈利。
d.風控審批策略的類別
e.風控的基本量化指標
fpdx：首期逾期，x對應天數
cpdx：當前逾期，x對應天數
逾期時間的長短來定義逾期的等級，c代表正常資產。
flow rate：遷徙率
釋義：前期資產等級，落入下一期的比率。
舉例：c-m1=m月月末m1資產餘額 / 上月末c的在貸餘額
8月c-m1 ：8月末進入m1的貸款餘額 / 7月月末c的貸款餘額
遷徙率的計算，主要用於分析觀察每個月份貸款的催收率，催收人員的催收力度對比，也用於計算公司的壞賬計提標準、資產撥備。
貸款狀態
貸款狀態–>遷徙率報表
vintage：賬齡分析
釋義：以貸款的賬齡為基礎，觀察貸後n個月的逾期比率，用於分析各時期的貸款貸後質量，可推測至當時放款月的進件客群變化以及策略規則調整對放款貸後質量的影響。
舉例：mob0,放款日至當月月底
mob1,放款後乙個月份
mob2,放款後兩個月份
vintage delinquency 31+(mob3)：放款月後的三個月份,逾期天數31+剩餘本金/放款月的貸款總額。
(未完待續）
如何更好運用大資料
在網際網路時代，依靠大資料是未來的發展趨勢。大資料分析現在非常流行，但是我們需要知道的是，大資料的價值體現在有效而正確的分析中。只有通過正確有效的分析工具和分析方法來解釋現有的大資料，大資料才能為我們帶來有價值的結果。今天，中琛魔方將教您如何有效運用大資料。第一點，明確資料分析的目的 首先，您必須知...
如何對大資料進行排序
現有8g的資料，其中都是無符號的int型，現有1g記憶體，如何對這些資料排序。答 首先建立乙個struct將資料報起來，結構體包含資料的值及它出現的次數。需要建立乙個大根堆，每個大根堆的乙個資料項是這個結構體，且此結構體 資料佔4位元組，詞頻佔8位元組 所以大概可以建8千萬個數的大根堆，但是還需要建...
在大資料時代，如何運用資料驅動HR人才管理
在大資料時代，hr們從未如此迫切地需要並重視資料。資料除了能夠證明hr的績效表現，更重要的價值是支援決策。那麼如何用資料有效地驅動人才管理?一味地為做大資料而做大資料毫無意義，企業應結合人力資源業務進行資料探勘與分析，打造人才魔方，用資料進行以人才為核心的人才全生命週期管理。利用大資料找準人 人才遷...