如何“谨慎”使用“数据驱动”的风控模型(二)——决策篇

本文深入探讨了风控决策体系的建设与优化,强调了清晰的场景定义、决策编排、规则结合、模拟验证、A/B测试、评分卡模型的应用以及谨慎的决策发布流程。通过结合专家规则与机器学习,实现通过率与坏账率的平衡,并通过历史数据模拟和A/B测试确保决策的有效性。同时,提出了决策引擎和评分卡模型的重要角色,以及决策过程中的审批和监控机制。

上一篇,笔者介绍了谨慎使用“数据驱动”的风控模型,需要“高质量的数据 + 审慎严谨的决策模型 + 实时全面的监控分析”动态闭环。本篇笔者会着力于介绍整个风控决策体系的建设及持续优化。


风控决策的管理并不是狭义上的规则或评分卡(Scorecard)模型,而是广义上对整个风控策略的体系化管理,还应覆盖包括模拟验证、冠军/挑战者实验(A/B测试)、版本管理、效能评估在内的全生命周期,如果有人工审核环节的话,也需要纳入风控体系进行统一管理。


工欲善其事必先利其器,为了提升管理效率,决策引擎的使用必不可少。无论选用开源软件、成熟产品,或是自建,都要确保风控决策独立于代码版本,可实现热发布,便于版本回溯。风控决策的构建,应该是自顶向下的,顶层应当是产品场景与风控场景,例如电商分期、教育分期、信用卡代偿等等,风控场景包括风控审批、额度、定价、催收等各个环节。



决策如何合理编排、高效管理?不妨参考以下原则:

  • 清晰的定义顶层场景,而各个子决策以流程的方式组合而成,子决策包括一系列决策步骤,决策步骤内嵌规则集(可以将评分卡也看作是一套规则集)。
  • 将“因果关系”的专家规则与“相关关系”的机器学习规则有机结合,力争在通过率与坏账率之间取得最优平衡。
  • 某些子决策作为通用步骤,可以被不同的产品场景共用、继承(derive)或覆盖(override),便于统一管理。例如,失信被执行人命
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值