企业大数据风控实践

接触风控时间很短（大概2个月），目前见解可能仍较浅，结合实际经验简单总结（依旧只讲方法不展开具体方案），不对或者不专业的地方欢迎指正。

互联网风控都是基于大数据，属于数据应用层。企业中风控的核心价值在于识别、拦截作弊和降低作弊几率，尤其是和钱直接相关的欺诈行为；具体要做哪些和优先级还是要结合实际业务场景及问题。

背景

公司某业务部门已经发展了很多年，但数据能力整体较差，也没有风控；直到去年由于业务人员发现较多疑似刷单、刷补贴的问题，才开始建立风控。但最初也只是通过对业务的了解，建立一些实时规则进行拦截。

这么做的主要问题有：没有产品体系、业务主动而风控被动（人工发现问题后才分析解决）、公司损失无法降到最低。

How to do ?

一、输出能力

二、产品体系

ps：上图是介入风控项目后做的梳理和一个季度的规划。打码部分是涉及业务的词汇，不方便展示，可以粗暴理解为提供服务方和被服务用户，两者皆有作弊空间。

 

三、建设逻辑

上面背景中说到，此前已通过业务人员发现的疑似作弊问题，建立了实时规则和名单库，以及这种做法存在的问题。所以，需解决的重点是如何提前发现风险并预警，再分析和判定作弊的人、团伙及作弊策略，最后进行更精准的处理；在此基础上，建立管理平台，方便业务人员自主查询风控详情，提升风控人效；并且建立详细的效果评估体系，输出风控价值。

四、模块介绍（横拆）

（一）异常监控并预警

通过建立数据模型，筛出“嫌疑犯”。第一期做了“服务者”收入异常模型和预警、“服务者”异常行为模型和预警、“被服务用户”异常行为模型和预警；而模型的建立需要依赖底层数据的建设，分别是“服务者”收入明细数据、“服务者”画像数据、“被服务用户”画像数据。

流程 / 环节如下：

1. 收入异常模型和预警

2. 异常行为模型和预警

（二）分析和判定

筛出“嫌疑犯”后，当然不能直接判死刑，要有具体证据；而能找到多少证据就需要分析者对业务有深入的理解。

（三）规则及规则管理

1. 平台目标：提升风控人效。

2. 平台功能：规则配置，规则命中详情查询（根据各维度用户信息）、指标监控、规则字典。

（四）效果评估

两个维度及指标：

1. 补贴/垫款/奖励拦截价值（金额）：各项支出拦截金额。

2. 订单拦截价值（量级）：命中 / 拦截订单量、用户量； 命中 / 拦截率；规则召回率。

 

五、项目介绍（纵拆）

此时，我相信大家都能理解以上是讲了整体背景、产品结构和按结构拆分每个模块做了哪些事；反应快一点的人可能已经想到了怎么定合理的节奏，即先做什么后做什么。这里就要按项目进行拆分，比如我把他们分成3个大项目和2个小项目：