風(fēng)控業(yè)務(wù)背景

常規(guī)RFM時間切片統(tǒng)計特征側(cè)重于縱向維度量化用戶風(fēng)險，而關(guān)系網(wǎng)絡(luò)特征則從橫向維度來評估。縱向是指同一用戶在不同時間段上的行為異常風(fēng)險；橫向是指在同一個時間段里聚集的不同用戶放在一起評估風(fēng)險。因此，關(guān)系網(wǎng)絡(luò)特征可作為常規(guī)RFM特征的一個有力補充，為風(fēng)控模型帶來可預(yù)見的增量效果。

芝麻信用分中的人脈關(guān)系維度可以給我們帶來很多啟發(fā)，其又細分為人脈圈穩(wěn)定性、社交影響力指數(shù)和信用環(huán)境指數(shù)三個子指標。其中信用環(huán)境指數(shù)是本文主要參考學(xué)習(xí)的方向。

圖1 - 芝麻信用評分維度之人脈關(guān)系

本文不圍繞各種復(fù)雜的社區(qū)發(fā)現(xiàn)算法展開，只從業(yè)務(wù)角度分享下構(gòu)建關(guān)系特征的一些實踐經(jīng)驗。關(guān)系網(wǎng)絡(luò)中最重要的兩部分無非就是——邊（edge）和節(jié)點（node）。圍繞這兩點，我們可以考慮幾個問題：如何分析可用數(shù)據(jù)？如何根據(jù)已有數(shù)據(jù)源來構(gòu)建關(guān)系網(wǎng)絡(luò)？如何構(gòu)建關(guān)系特征？如何評估關(guān)系特征的性能？如何落實上線方案？

目錄
Part 1. 如何分析可用數(shù)據(jù)？
Part 2. 如何構(gòu)建邊關(guān)系？
Part 3. 如何使用節(jié)點特征？
Part 4. 如何使用存量數(shù)據(jù)和增量數(shù)據(jù)？
Part 5. 如何實時上線？
Part 6. 如何驗證關(guān)系特征的效果？
Part 7. 如何去優(yōu)化關(guān)系特征？
致謝
版權(quán)聲明

Part 1. 如何分析可用數(shù)據(jù)？

考慮數(shù)據(jù)源的穩(wěn)定性。

在風(fēng)控中，?穩(wěn)定性壓倒一切。數(shù)據(jù)源是構(gòu)建特征的前提，如果數(shù)據(jù)源采集上就不穩(wěn)定，必然導(dǎo)致特征波動。那么為了調(diào)研數(shù)據(jù)源采集情況，我們該咨詢哪些人員，以及關(guān)注哪些問題呢？以下是筆者的一些實踐建議：

• 信貸產(chǎn)品設(shè)計人員?：了解產(chǎn)品頁面跳轉(zhuǎn)流程，包括：在哪個頁面將會要求用戶導(dǎo)入資料？需要用戶授權(quán)同意哪些數(shù)據(jù)采集協(xié)議？新用戶相對于老用戶會少哪些數(shù)據(jù)？

• 外部數(shù)據(jù)對接開發(fā)人員?：外部數(shù)據(jù)是其他數(shù)據(jù)公司所提供的，從而可能存在一些不確定性。例如，由于輸出變量不穩(wěn)定而被使用方下線，或者由于協(xié)議到期而被提供商下線。需要明確：外部數(shù)據(jù)在哪個環(huán)節(jié)（額度、定價、支用）調(diào)用？覆蓋哪些產(chǎn)品和客群？外部數(shù)據(jù)接口調(diào)用的穩(wěn)定性？

• 風(fēng)控策略人員?：了解風(fēng)控流程和未來業(yè)務(wù)調(diào)整計劃。風(fēng)控流程圖幫助你理解在整個風(fēng)控鏈路上數(shù)據(jù)采集和風(fēng)控策略之間的映射關(guān)系；業(yè)務(wù)調(diào)整計劃幫助你排除一些未來不可用數(shù)據(jù)。例如，為提高用戶轉(zhuǎn)化率或合規(guī)性要求，未來計劃把某些用戶數(shù)據(jù)?由必導(dǎo)項改為自選項?，那么可預(yù)見這塊數(shù)據(jù)未來的采集率將會逐漸下降。如果對這塊數(shù)據(jù)依賴性高，就會導(dǎo)致模型不穩(wěn)定。此時，我們就不得不放棄實時數(shù)據(jù)的使用，或者考慮分箱等方式來平滑影響，或者考慮如何利用存量歷史數(shù)據(jù)。

👉?建議?：可分產(chǎn)品線、時間粒度（天/月）等維度統(tǒng)計數(shù)據(jù)的缺失率，以此分析數(shù)據(jù)的穩(wěn)定性。

2. 考慮數(shù)據(jù)源的厚薄度?。

由于各個數(shù)據(jù)源在不同時間點開始采集，因此數(shù)據(jù)的厚薄程度存在差異。在構(gòu)建時間切片特征時也需注意這一點——?明確觀察期窗口是否有效。例如，數(shù)據(jù)采集時間是從2018-01-01開始的，如果要統(tǒng)計最近30天內(nèi)的RFM特征，那么有效的觀察期窗口就是30天，有效的觀察點（樣本）就只能從2018-02-01開始，2018年1月份的樣本由于觀察期不滿30天就無法統(tǒng)計到有效的特征。在樣本特征回溯中，筆者經(jīng)常看到某些同學(xué)犯這個錯誤。

因此，如果某塊數(shù)據(jù)在最近才開始采集，那也不得不舍棄。

3. 考慮模型的應(yīng)用場景。

特征是為模型服務(wù)的。因此，在構(gòu)建關(guān)系特征前，我們需要明確模型的應(yīng)用場景，為模型“量身定制”。如果計劃用在風(fēng)險定價（A卡模型）環(huán)節(jié)，那么某些在A卡之后的環(huán)節(jié)才能獲取的數(shù)據(jù)就無法使用。很多建模經(jīng)驗不足的同學(xué)，不管三七二十一，直接把所有可能使用的數(shù)據(jù)拿來測算，根本沒考慮過線上如何使用的問題。最后，要么離線測算結(jié)果就不佳，要么最后根本無法上線使用。

👉?建議?：羅列一份數(shù)據(jù)源質(zhì)量分析清單，筆者在整理中的結(jié)果表示例：

圖2 - 數(shù)據(jù)源質(zhì)量分析清單

Part 2. 如何構(gòu)建邊關(guān)系？

我們可以從?關(guān)系強弱（邊權(quán)重）?和?覆蓋率（邊數(shù)量）兩個維度來衡量數(shù)據(jù)源對定義邊的重要性。由于各家公司對數(shù)據(jù)源獲取情況各異，在此就只對目前市場上的數(shù)據(jù)源分析關(guān)系強弱。

運營商數(shù)據(jù)?：關(guān)系??????????。可根據(jù)最近N天內(nèi)通話記錄次數(shù)等指標來衡量兩個人之間的親密程度。

設(shè)備數(shù)據(jù)?：關(guān)系????????。可根據(jù)最近N天內(nèi)是否共同使用過一臺設(shè)備、是否共同使用過同一個Wi-Fi等指標衡量。

通訊錄數(shù)據(jù)?：關(guān)系??????????。通訊錄中所存號碼的備注信息可判斷親密度。

緊急聯(lián)系人數(shù)據(jù)?：關(guān)系??????????。通常情況下，用戶所填的緊急聯(lián)系人會是自己的家人、同事、親友等。

電商地址數(shù)據(jù)?：關(guān)系??????。根據(jù)地址相似度比對來判斷用戶之間存在的關(guān)系。由于地址數(shù)據(jù)需要提前規(guī)整，處理難度大。

運營老客拉新數(shù)據(jù)?：關(guān)系??????。產(chǎn)品運營活動中常會推出各種老客拉新活動以實現(xiàn)用戶增長。鏈接傳播渠道一般是微信。因此被拉的新客與老客之間通常是微信朋友關(guān)系。

銀行卡轉(zhuǎn)賬記錄數(shù)據(jù)?：關(guān)系??????。通常情況下，覆蓋率較低。

LBS地址位置數(shù)據(jù)?：關(guān)系??。由于設(shè)備經(jīng)緯度數(shù)據(jù)采集誤差和位置時效性強的問題，這塊數(shù)據(jù)對于衡量用戶關(guān)系較弱。

其他數(shù)據(jù)?。

在羅列出所有可用于構(gòu)建邊關(guān)系的數(shù)據(jù)后，我們又會面臨一個問題：每個數(shù)據(jù)源就可以提取出多個邊關(guān)系，那么就可以構(gòu)造多個子網(wǎng)絡(luò)，我們該如何處理這些邊？

可以有以下2種做法：

• 特征層融合?：對每個子網(wǎng)絡(luò)獨立構(gòu)建圖特征，在特征層中融合。該方案在實踐中的優(yōu)點在于方便直觀，可并行；缺點在于工作量大，如果有a個數(shù)據(jù)源，每個數(shù)據(jù)源可提取b種關(guān)系的邊，又有c個節(jié)點特征，此時就會衍生出 a ? b ? c個特征。在建模中，也不可能對這所有的特征入模，需要開展大量的特征篩選工作。

• 網(wǎng)絡(luò)層融合?：該方案在實踐中的優(yōu)點在于將各類強邊弱邊融合在一起（w1 * e1 + w2 * e2 + w3 * e3 + ...），使邊的內(nèi)在含義更為豐富，邊的覆蓋率得到提升；缺點在于無法很好對融合權(quán)重賦值，前期可考慮專家經(jīng)驗拍定，后期優(yōu)化可以考慮結(jié)合具體的target來訓(xùn)練估計。

圖3 - 特征層融合 VS 網(wǎng)絡(luò)層融合

Part 3. 如何使用節(jié)點特征？

一般情況下，節(jié)點特指用戶（當(dāng)然也可以是手機號、設(shè)備等）。我們可以通過RFM模型批量生產(chǎn)出大量時間切片特征，或者根據(jù)業(yè)務(wù)理解構(gòu)造出強業(yè)務(wù)特征。

而關(guān)系網(wǎng)絡(luò)的一個價值在于：利用節(jié)點所在群體（可以是一度、二度，或者社區(qū)發(fā)現(xiàn)算法挖掘出的簇）中的鄰居節(jié)點特征，通過關(guān)系網(wǎng)絡(luò)傳播到某個節(jié)點上。

如果節(jié)點特征表對鄰居節(jié)點的覆蓋率低（通常情況下，鄰居節(jié)點數(shù) >> 特征表中節(jié)點數(shù)），那么網(wǎng)絡(luò)傳播過程將會大打折扣。試想，一個下單用戶好不容易找出100個一度鄰居，然而只有3個鄰居節(jié)點特征變量有值，其余鄰居節(jié)點特征都為null，那么通過傳播（對鄰居節(jié)點求mean、max、min、sum聚合操作）后，該下單用戶僅僅利用了3個鄰居的信息。

👉因此，?節(jié)點特征表中的用戶量決定了特征傳播的上限。

接下來，我們就會考慮如何去擴充節(jié)點特征表中的用戶量？最直接的做法——我們把歷史全量用戶的特征都拿過來用不就行了？但需要注意的是，用戶特征具有時效性。?所謂?時效性，是指用戶特征是否能有效反映用戶最近的風(fēng)險。?因此，貪多反而會引起特征質(zhì)量下降，兩者需要做權(quán)衡。

如果該特征的穩(wěn)定性比較好（反映用戶穩(wěn)定屬性的特征，如性格、信用等），那么就可以盡可能使用歷史存量數(shù)據(jù)。也就是說，設(shè)定節(jié)點特征表的有效期為1年（或更長），在有效期內(nèi)的歷史全量節(jié)點特征，我們都可以拿來傳播。例如信用卡額度，通常認為一個用戶在1年內(nèi)的額度不會發(fā)生太大變化。

反之，對于時效性強的特征，我們寧可犧牲覆蓋率，也要縮短有效期，目的是為了保證特征的時效性。例如同盾這類的多頭借貸數(shù)據(jù)，隨著接入和退出機構(gòu)的動態(tài)變化，半年前的同盾數(shù)據(jù)可能已經(jīng)無法反映用戶當(dāng)前的借貸風(fēng)險，若直接使用反而會引入噪聲。

對于某個節(jié)點（用戶）特征表在不同時間點存在多條記錄的，可以考慮以下策略：

取最近一條，保證特征的時效性最強。

參考遺忘曲線，對不同時間點的特征進行加權(quán)融合。

圖4 - 特征有效期和取用策略

Part 4.?如何使用存量數(shù)據(jù)和增量數(shù)據(jù)？

增量數(shù)據(jù)：一般指實時數(shù)據(jù)，可直接計算一度關(guān)系的邊權(quán)重。例如，如果用戶申貸下單時必須導(dǎo)運營商數(shù)據(jù)，那么就可以根據(jù)實時導(dǎo)入的通話記錄來構(gòu)建圖關(guān)系網(wǎng)絡(luò)。這是最新的數(shù)據(jù)，自然更能反映用戶此時的風(fēng)險。

存量數(shù)據(jù)：在一些場景下，我們不得不依賴于使用存量數(shù)據(jù)。

• 場景1: 前期業(yè)務(wù)流程中要求用戶強制導(dǎo)運營商數(shù)據(jù)，后期變成用戶可選提額項。

• 場景2: 某塊數(shù)據(jù)之前都是在定價環(huán)節(jié)才調(diào)用，而此次建模希望用在額度環(huán)節(jié)（在定價之前）。

此時，我們該如何使用呢？考慮到對于某些新用戶，雖然其自己沒有導(dǎo)入運營商這類的關(guān)系數(shù)據(jù)，但是可能其身邊的人在歷史申貸時就已經(jīng)導(dǎo)入過資料。那么，在歷史關(guān)系網(wǎng)絡(luò)中，該新用戶就被囊括在其中。因此，存量數(shù)據(jù)也有其使用價值。

同樣的道理，我們需要考慮關(guān)系網(wǎng)絡(luò)也具有時效性。某些歷史關(guān)系網(wǎng)絡(luò)比較穩(wěn)定，比如家人關(guān)系，那么就可以使用較久版本的，否則就只能用最近的，甚至不使用。

圖 5 - 關(guān)系網(wǎng)絡(luò)有效期

Part 5.?如何實時上線？

據(jù)筆者所知，目前線上計算二度關(guān)系的技術(shù)門檻仍然很高，因此我們在實時計算時考慮一度關(guān)系（應(yīng)該也能達到80%的baseline效果，剩下的20%可能就需要靠高階關(guān)系了），二度關(guān)系甚至更為復(fù)雜的社區(qū)發(fā)現(xiàn)算法則放在離線計算。因此，在實時構(gòu)建一度關(guān)系和離線提供一度和多度關(guān)系的相互補充下，將會得到相對于只用實時一度關(guān)系更好的效果。

節(jié)點特征表則可通過離線提前計算，并將有效期范圍的不同觀察點的節(jié)點特征匯總成一張表，導(dǎo)入到線上數(shù)據(jù)庫。

對于實時訂單，可實時構(gòu)建出關(guān)系網(wǎng)絡(luò)，取出一度聯(lián)系人和相應(yīng)的邊權(quán)重。并從節(jié)點特征表中取出鄰居用戶的特征，進而傳播擴散，生成實時圖特征。

Part 6. 如何驗證關(guān)系特征的效果？

在風(fēng)控建模中，評估特征性能最為關(guān)注穩(wěn)定性和區(qū)分度。穩(wěn)定性可用PSI（群體穩(wěn)定性）來計算，而區(qū)分度可用IV（信息量）來衡量。再次強調(diào)穩(wěn)定性在風(fēng)控中的重要性。

因此，可按照以下步驟來快速評估：

考慮先回溯足夠多的樣本，通常是要求幾個月以能評估穩(wěn)定性

先評估特征的區(qū)分度。對于IV很高的特征，再次確認取數(shù)邏輯中是否用到未來信息。

篩選出區(qū)分度較強的特征，進一步評估穩(wěn)定性。

Part 7. 如何去優(yōu)化關(guān)系特征？

引入邊權(quán)重，而不僅僅是有關(guān)聯(lián)的一度用戶。

離線增加更多關(guān)系較強但覆蓋率較低的邊，以起到補充更多一度聯(lián)系人的作用。

節(jié)點特征增加更多維度。本質(zhì)還是在于特征傳播，因此加有效的節(jié)點特征是最重要的。

利用樣本和target變量對關(guān)系網(wǎng)絡(luò)融合權(quán)重參數(shù)估計，以期達到更合理的網(wǎng)絡(luò)融合。

總結(jié)

以上是生活随笔為你收集整理的风控特：关系网络特征工程入门实践的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。