金融風(fēng)控解決方案
業(yè)務(wù)痛點(diǎn)
??傳統(tǒng)風(fēng)控模型不能迅速迭代更新，難以滿足業(yè)務(wù)需求，模型或策略開發(fā)周期長，開發(fā)門檻高 ，建模效率低，傳統(tǒng)機(jī)器學(xué)習(xí)模型僅輸出評分，業(yè)務(wù)人員難以理解和信任模型，也不符合監(jiān)管要求，模型部署難，開發(fā)周期長，模型上線時(shí)間長。
方案詳情
??通過魔數(shù)智擎數(shù)據(jù)科學(xué)平臺(tái)（MP），針對信貸場景快速高效建立風(fēng)控業(yè)務(wù)指標(biāo)體系，生成海量客戶特征和指標(biāo)，成為風(fēng)控策略和模型開發(fā)建立豐富的“素材庫”。
??通過魔數(shù)智擎極速建模平臺(tái)（ME），快速建立高精度可解釋的機(jī)器學(xué)習(xí)風(fēng)險(xiǎn)評分模型和策略，自動(dòng)模型上線SDK包，實(shí)現(xiàn)模型快速上線。1）在在營銷獲客階段，通過前置風(fēng)險(xiǎn)預(yù)篩和營銷響應(yīng)模型進(jìn)行客戶初篩，選出高響應(yīng)、低風(fēng)險(xiǎn)客戶；2）在反欺詐階段，可以生成串行的反欺詐策略，根據(jù)客戶風(fēng)險(xiǎn)區(qū)分不同鏈路審核，不同鏈路審核流程不同，按風(fēng)險(xiǎn)級別分群風(fēng)控。同時(shí)可以將反欺詐策略和模型聯(lián)動(dòng)，策略、信用模型、欺詐模型，遞進(jìn)審核。同時(shí)針對不同的信貸產(chǎn)品，快速制定不同的政策策略，提升審核效率、控制風(fēng)險(xiǎn)。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(shù)智擎模型管理平臺(tái)（MM），對風(fēng)控策略及模型進(jìn)行持續(xù)跟蹤監(jiān)控，包括策略和模型本身的可視化監(jiān)控，以及對于相關(guān)業(yè)務(wù)指標(biāo)的可視化監(jiān)控。當(dāng)模型指標(biāo)下降到警戒線下，實(shí)時(shí)預(yù)警并可自動(dòng)更新模型。
建立前置反欺詐策略的最大挑戰(zhàn)在于如何定義目標(biāo)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(fēng)險(xiǎn)評估主要采取評分卡模式，用于評估新客戶在一定期限內(nèi)達(dá)到某種逾期程度的概率，使得客戶風(fēng)險(xiǎn)可以被量化評估。
信用風(fēng)險(xiǎn)評估主要采取評分卡模式，用于評估新客戶在一定期限內(nèi)達(dá)到某種逾期程度的概率，使得客戶風(fēng)險(xiǎn)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(shù)據(jù)等進(jìn)行數(shù)據(jù)挖掘，建立交易風(fēng)險(xiǎn)的評分模型和策略，設(shè)立貸中預(yù)警方案。
催收模型既可幫助管理層合理分配催收任務(wù)，評估壞賬風(fēng)險(xiǎn)，也可以幫助一線人員提升催收成功率。
