金融風控解決方案
業務痛點
??傳統風控模型不能迅速迭代更新，難以滿足業務需求，模型或策略開發周期長，開發門檻高 ，建模效率低，傳統機器學習模型僅輸出評分，業務人員難以理解和信任模型，也不符合監管要求，模型部署難，開發周期長，模型上線時間長。
方案詳情
??通過魔數智擎數據科學平臺（MP），針對信貸場景快速高效建立風控業務指標體系，生成海量客戶特征和指標，成為風控策略和模型開發建立豐富的“素材庫”。
??通過魔數智擎極速建模平臺（ME），快速建立高精度可解釋的機器學習風險評分模型和策略，自動模型上線SDK包，實現模型快速上線。1）在在營銷獲客階段，通過前置風險預篩和營銷響應模型進行客戶初篩，選出高響應、低風險客戶；2）在反欺詐階段，可以生成串行的反欺詐策略，根據客戶風險區分不同鏈路審核，不同鏈路審核流程不同，按風險級別分群風控。同時可以將反欺詐策略和模型聯動，策略、信用模型、欺詐模型，遞進審核。同時針對不同的信貸產品，快速制定不同的政策策略，提升審核效率、控制風險。3）在貸前階段建立授信評分模型：A卡模型；利率模型；額度模型等，4）在貸中貸后階段建立貸中貸后管理模型：B卡模型；催收模型等。
??通過魔數智擎模型管理平臺（MM），對風控策略及模型進行持續跟蹤監控，包括策略和模型本身的可視化監控，以及對于相關業務指標的可視化監控。當模型指標下降到警戒線下，實時預警并可自動更新模型。
建立前置反欺詐策略的最大挑戰在于如何定義目標變量，或者說是如何定義欺詐者。 一般的定義方法有以下兩種：1、首期逾期；2、事后判斷的欺詐者。
信用風險評估主要采取評分卡模式，用于評估新客戶在一定期限內達到某種逾期程度的概率，使得客戶風險可以被量化評估。
信用風險評估主要采取評分卡模式，用于評估新客戶在一定期限內達到某種逾期程度的概率，使得客戶風險可以被量化評估。
在貸中階段對客戶信息、交易流水、第三方數據等進行數據挖掘，建立交易風險的評分模型和策略，設立貸中預警方案。
催收模型既可幫助管理層合理分配催收任務，評估壞賬風險，也可以幫助一線人員提升催收成功率。
