接觸風控時間很短（大概2個月），目前見解可能仍較淺，結合實際經驗簡單總結（依舊只講方法不展開具體方案），不對或者不專業的地方歡迎指正。
網際網路風控都是基於大資料，屬於資料應用層。企業中風控的核心價值在於識別、攔截作弊和降低作弊機率，尤其是和錢直接相關的欺詐行為；具體要做哪些和優先順序還是要結合實際業務場景及問題。
公司某業務部門已經發展了很多年，但資料能力整體較差，也沒有風控；直到去年由於業務人員發現較多疑似刷單、刷補貼的問題，才開始建立風控。但最初也只是通過對業務的了解，建立一些實時規則進行攔截。
這麼做的主要問題有：沒有產品體系、業務主動而風控被動（人工發現問題後才分析解決）、公司損失無法降到最低。
一、輸出能力
二、產品體系
ps：上圖是介入風控專案後做的梳理和乙個季度的規劃。打碼部分是涉及業務的詞彙，不方便展示，可以粗暴理解為提供服務方和被服務使用者，兩者皆有作弊空間。
三、建設邏輯
上面背景中說到，此前已通過業務人員發現的疑似作弊問題，建立了實時規則和名單庫，以及這種做法存在的問題。所以，需解決的重點是如何提前發現風險並預警，再分析和判定作弊的人、團夥及作弊策略，最後進行更精準的處理；在此基礎上，建立管理平台，方便業務人員自主查詢風控詳情，提公升風控人效；並且建立詳細的效果評估體系，輸出風控價值。
四、模組介紹（橫拆）
（一）異常監控並預警
通過建立資料模型，篩出「嫌疑犯」。第一期做了「服務者」收入異常模型和預警、「服務者」異常行為模型和預警、「被服務使用者」異常行為模型和預警；而模型的建立需要依賴底層資料的建設，分別是「服務者」收入明細資料、「服務者」畫像資料、「被服務使用者」畫像資料。
流程 / 環節如下：
1. 收入異常模型和預警
2. 異常行為模型和預警
（二）分析和判定
篩出「嫌疑犯」後，當然不能直接判死刑，要有具體證據；而能找到多少證據就需要分析者對業務有深入的理解。
（三）規則及規則管理
1. 平台目標：提公升風控人效。
2. 平台功能：規則配置，規則命中詳情查詢（根據各維度使用者資訊）、指標監控、規則字典。
（四）效果評估
兩個維度及指標：
1. 補貼/墊款/獎勵攔截價值（金額）：各項支出攔截金額。
2. 訂單攔截價值（量級）：命中 / 攔截訂單量、使用者量； 命中 / 攔截率；規則召回率。
五、專案介紹（縱拆）
此時，我相信大家都能理解以上是講了整體背景、產品結構和按結構拆分每個模組做了哪些事；反應快一點的人可能已經想到了怎麼定合理的節奏，即先做什麼後做什麼。這裡就要按專案進行拆分，比如我把他們分成3個大專案和2個小專案：
電商社交資料在大資料風控的應用實踐
隨著普惠金融業務的深入，以及消費金融業務競爭的白熱化，針對信用白戶的風控顯得尤為重要。如何面向信用白戶進行快速有效的信用評級，臥龍大資料根據自己的實踐經驗，就電商 社交資料在風控上的應用價值與大家進行一些分享。臥龍和眾多不同型別金融機構進行了資料匹配測試，下圖為各類金融機構的網際網路行為資料整體匹配...
消費金融大資料風控架構
1.1 信用風險 根據銀行業的風險理論，信用風險是指借款人因各種原因未能及時 足額償還債權人或銀行貸款而違約的可能性。信用風險的風控重點在於，甄別客戶違約的原因究竟是還款能力，還是還款意願問題。如果客戶真的由於各方面的原因，暫時不具備還款能力，這是概率問題。即使發生了，處置起來也不會有什麼損失。而如...
金融風控資料
anthor 小李江湖 date 2020 9 15 好記性不如爛筆頭！最近報名參加阿里天池金融風控貸款違約 大賽，學習資料分析方法，以賽學習，在此記錄學習的過程，總結參加大賽的方法。1.1 參賽目的阿里天池平台為初學者提供學習平台，為大神提供展示才華平台。本人一直在學習的門口遲遲徘徊無法入門，藉此...