大家好，我是正陽。
下面是一個(gè)故事，也是一個(gè)事實(shí)！
如果你能留步閱讀并有所感受，我想我們之間是有很多話可以交流的。

1.故事背景
1、風(fēng)控模型開發(fā)團(tuán)隊(duì)。從項(xiàng)目負(fù)責(zé)人到項(xiàng)目組人員的配備，需要專業(yè)的數(shù)據(jù)挖掘、數(shù)據(jù)分析、建模能力，能夠有效利用LR、XGB、LGB以及深度學(xué)習(xí)算法構(gòu)建模型，制定ks大于0.4，auc大于80%的貸前評(píng)分模型。
2、模型對接負(fù)責(zé)人。涉及到后期開發(fā)評(píng)分產(chǎn)品、畫像產(chǎn)品、規(guī)則類產(chǎn)品，需要專業(yè)的風(fēng)控人員進(jìn)行三方或雙方對接。
3、若無模型人員。考慮客戶模型師駐場建模或線上建模的方案。需要基于客戶提供的標(biāo)簽樣本，提供撞庫之后的數(shù)據(jù)寬表，便于分析人員后續(xù)操作。

看著客戶這凌厲而莊嚴(yán)的合作需求，我陷入了沉思：風(fēng)控絕不是一個(gè)人能干成的事情，多數(shù)從業(yè)者甚至還沒有理解到底什么是風(fēng)控，更談不上如何做風(fēng)控。該是怎樣一個(gè)優(yōu)秀的團(tuán)隊(duì)，才能把金融互聯(lián)網(wǎng)業(yè)務(wù)風(fēng)險(xiǎn)管理做好！

假如作為風(fēng)控經(jīng)理，我希望自己擁有怎樣的風(fēng)控團(tuán)隊(duì)？

2.組織需求
2.1 結(jié)構(gòu)要求
從業(yè)務(wù)需求出發(fā)，認(rèn)真想想，風(fēng)控團(tuán)隊(duì)的最小作戰(zhàn)單元大概需要幾個(gè)人，需要哪幾個(gè)人？

風(fēng)控經(jīng)理
統(tǒng)籌
協(xié)調(diào)
管理
追蹤
策略分析師
審批政策及策略
反欺詐策略
反欺詐經(jīng)理
反欺詐策略
反欺詐模型
復(fù)雜網(wǎng)絡(luò)
風(fēng)控建模師
模型開發(fā)
特征挖掘
模型效果追蹤
模型調(diào)優(yōu)
風(fēng)險(xiǎn)分析師
業(yè)務(wù)數(shù)據(jù)分析
線條指標(biāo)追蹤
預(yù)警系統(tǒng)追蹤
三方數(shù)據(jù)對接
2.2 底層要求
不管怎樣，我要的人，一定是我喜歡的！！！

踏實(shí)、謙卑、進(jìn)取、渴望有技術(shù)方面和業(yè)務(wù)方面的成長
對金融科技和大數(shù)據(jù)風(fēng)控有強(qiáng)烈的興趣和求知欲
在對口方面有足夠的技能基礎(chǔ)
本身無高風(fēng)險(xiǎn)行為
無頻繁跳槽
無不明離~職原因
無跨度很大的工作經(jīng)驗(yàn)和技能經(jīng)歷
有一點(diǎn)探索心態(tài)，能夠陪伴公司成長
量化招~聘，針對不同的需求，設(shè)定不同的問題，引入評(píng)分機(jī)制，對每個(gè)問題給出對應(yīng)的評(píng)分， 根據(jù)總分作為技術(shù)面的結(jié)果，客觀、公平、公正、公開、透明！
說白了，想要靠譜的伙伴加入自己的團(tuán)隊(duì)！有一定的認(rèn)知能力，有足夠的技術(shù)基礎(chǔ)，還有愿意協(xié)同成長的態(tài)度和決心。

2.3 職~業(yè)要求
好，說干就干，馬上擬一個(gè)風(fēng)控建模師的JD

風(fēng)控建模師：
職~責(zé)：
1.基于復(fù)雜業(yè)務(wù)場景和海量數(shù)據(jù)進(jìn)行深度數(shù)據(jù)挖掘；
2.構(gòu)建大數(shù)據(jù)風(fēng)控模型，包括但不限于反欺詐，信用評(píng)估，風(fēng)險(xiǎn)預(yù)測模型，并持續(xù)優(yōu)化改進(jìn) ；
3.評(píng)估數(shù)據(jù)合作商質(zhì)量，根據(jù)業(yè)務(wù)需求，跟蹤、監(jiān)控、維護(hù)及優(yōu)化風(fēng)險(xiǎn)策略，提出風(fēng)險(xiǎn)預(yù)警；
4.根據(jù)風(fēng)控的控制點(diǎn)建立子模型，完善風(fēng)控體系；
5.持續(xù)引入數(shù)據(jù)維度，挖掘并提取可用特征；
6.整理并提出風(fēng)控系統(tǒng)優(yōu)化需求，推動(dòng)提升系統(tǒng)效能。
任~職資格：
1.本科及以上學(xué)歷，數(shù)學(xué)、應(yīng)用數(shù)學(xué)、金融數(shù)學(xué)、統(tǒng)計(jì)學(xué)、自動(dòng)化、人工智能相關(guān)專業(yè)優(yōu)先；
2.熟悉常用算法，LR，DT，RF，gbdt，xgboost和神經(jīng)網(wǎng)絡(luò)等，對機(jī)器學(xué)習(xí)算法的理解和應(yīng)用，有一定的認(rèn)知和經(jīng)驗(yàn)；
3．一年以上風(fēng)控或金融行業(yè)大數(shù)據(jù)建模工作經(jīng)驗(yàn)，了解建模背后原理，能創(chuàng)造性的通過建模解決業(yè)務(wù)問題；
4.對風(fēng)險(xiǎn)管控理念有豐富的認(rèn)知，具有扎實(shí)的統(tǒng)計(jì)學(xué)知識(shí)及數(shù)據(jù)分析挖掘能力，熟練使用Python、Scala、R等軟件或語言；
5.有較強(qiáng)的適應(yīng)性及自我學(xué)習(xí)能力，責(zé)任心強(qiáng)，重視團(tuán)隊(duì)合作，工作態(tài)度積極，勇于進(jìn)取，抗壓能力強(qiáng)。

聯(lián)系方式：正陽

3.面~試準(zhǔn)備
3.1 基本態(tài)度
問題可能有點(diǎn)多，針對求~職者的水平篩選相應(yīng)難度的問題。
針對性的設(shè)置封閉式和開放性的問題。
基本態(tài)度：你來是幫我的，不是我?guī)湍愕?#xff1b;或者說，我們互相促進(jìn)，相互成就。
我知道每一次的面~試對你來說都是一次寶貴的成長機(jī)會(huì)，所以，在提問之前請?jiān)试S我先了解一下：
你希望我的提問多一點(diǎn)，還是少一點(diǎn)？
你希望我問哪類型的問題多一點(diǎn)？
你想不想問我點(diǎn)什么？
我還是更喜歡復(fù)合型風(fēng)控人才！
3.2 逢面必問
談?wù)勀銓︼L(fēng)控的理解
談?wù)勀銓鹑陲L(fēng)控的理解
風(fēng)控的核心是什么？
風(fēng)控的未來在哪里？
3.3 細(xì)分問題
3.3.1 業(yè)務(wù)類問題
之前做過的風(fēng)控都包含哪些內(nèi)容？
講講產(chǎn)品的內(nèi)容？
什么是無定向用途貸款，什么是定向用途貸款？
3期產(chǎn)品、6期產(chǎn)品、12期產(chǎn)品，對應(yīng)的風(fēng)險(xiǎn)有什么不同？
什么是等額本息、等本等息、先息后本？
無息貸款的盈利方式？
分期消費(fèi)類產(chǎn)品的業(yè)務(wù)邏輯？
講講P2P模式和現(xiàn)金貸種類？
什么是助貸？
什么是聯(lián)合貸款？
談?wù)劗a(chǎn)品部、業(yè)管部、風(fēng)控部、貸后部之間的聯(lián)系？
壞賬最終去了哪里？呆賬又去了哪里？
3.3.2 策略類問題
講講業(yè)務(wù)中比較重要的幾個(gè)指標(biāo)
什么是量化風(fēng)控？
量化風(fēng)控和傳統(tǒng)風(fēng)控的區(qū)別是什么？
談?wù)勀銓蛻舴旨?jí)和渠道轉(zhuǎn)化的經(jīng)驗(yàn)。
如何搭建風(fēng)控審批策略框架？
怎么做量化定價(jià)？
怎么做風(fēng)險(xiǎn)定損？
怎么做分級(jí)定額？
請講講準(zhǔn)入策略
談?wù)勀銓Ψ雌墼p策略制定的見解
模型策略又該怎么定制
催收策略的關(guān)注點(diǎn)有哪些
回溯是什么意思？在什么情況下需要回溯？
人工授信一般在什么情況下使用？
數(shù)據(jù)沒有了，還怎么做風(fēng)控？
怎么冷啟動(dòng)？
產(chǎn)品上線后風(fēng)控部門比較關(guān)注的點(diǎn)是什么？
3.3.3 分析類問題
什么是PD5?
FSPD30是什么，怎么用？
什么是LGD？
什么是C-M2%？
說說資產(chǎn)質(zhì)量分析？
講講YTDbad_rate%？
通常都會(huì)追蹤哪些業(yè)務(wù)指標(biāo)？
怎么做風(fēng)險(xiǎn)預(yù)警！
Vintage的原理是什么，用在什么地方？
平時(shí)用到的分析方法都有哪些？
平時(shí)用的指標(biāo)預(yù)測方法，又有哪些？
3.3.4 數(shù)據(jù)類問題
常見信貸數(shù)據(jù)有哪些，都用過哪些，怎么用的，有怎樣的效果？
用戶提交信息主要有哪些內(nèi)容？
常見的外部采集信息有哪些？現(xiàn)在還可采的有哪些？不能采集的話怎么調(diào)整風(fēng)控策略？
APP可以采集的數(shù)據(jù)有哪些，怎么用？
都用到哪些數(shù)據(jù)庫？對應(yīng)的python包叫什么？
講講三方數(shù)據(jù)測試，都關(guān)注哪些指標(biāo)？
測試三方數(shù)據(jù)，名單類產(chǎn)品和模型類產(chǎn)品分別適合用哪些樣本去測？
接來的黑名單產(chǎn)品，一般怎么用？
多頭借貸，多少算多頭？
都有哪些采集方式？
常用數(shù)據(jù)加密方式？
當(dāng)前數(shù)據(jù)合規(guī)政策是怎么定的？
聯(lián)邦學(xué)習(xí)解決了哪些問題，有哪些問題還沒解決，目前有哪些困惑？
3.3.5 系統(tǒng)類問題
數(shù)據(jù)保存在哪里，怎么調(diào)用？
是否用過決策引擎，請介紹決策引擎的作用和使用方法？
決策引擎都有哪些組件？
大數(shù)據(jù)框架下的建模方式和python離線建模有哪些區(qū)別？
什么是流式計(jì)算？
高并發(fā)下的零售金融風(fēng)控，有哪些技術(shù)方面的注意點(diǎn)？
業(yè)務(wù)系統(tǒng)包含哪些板塊？
風(fēng)控系統(tǒng)中，有哪些功能？
3.3.6 欺詐類問題
請說說你對零售金融反欺詐的理解？
欺詐類型及對應(yīng)反欺詐解決方案？
業(yè)務(wù)數(shù)據(jù)埋點(diǎn)方案？
設(shè)備數(shù)據(jù)的介紹和應(yīng)用邏輯？
行為數(shù)據(jù)都有哪些特征？
怎么刻畫用戶行為軌跡？
怎么做團(tuán)伙反欺詐？
怎么做設(shè)備反欺詐？
怎么做通訊錄反欺詐？
怎么做反欺詐評(píng)分卡？
如何定義欺詐客戶？
3.3.7 模型類問題
請簡述下模型開發(fā)流程？
數(shù)據(jù)質(zhì)量如何檢測？
建模樣本怎么選？
A卡、B卡和C卡的區(qū)別都表現(xiàn)在哪些地方？
算法都有哪幾種分類，請分別介紹他們的優(yōu)缺點(diǎn)？
LR和LGB分別適合用在哪些場景，請敘述其原理？
特征工程的作用是什么，都有哪些環(huán)節(jié)？
特征衍生怎么做的，之前有哪些實(shí)戰(zhàn)經(jīng)歷？
常見的編碼方式有哪些，分別怎么用？
簡述下卡方分箱的原理？
精確率、召回率、F1 值、ROC、AUC 各自的優(yōu)缺點(diǎn)是什么？
解釋下KS，什么樣的KS曲線是好的？
什么是PR圖？
邏輯回歸轉(zhuǎn)標(biāo)準(zhǔn)評(píng)分思路，轉(zhuǎn)好之后怎么部署？
PSI用在哪里，用來干嘛？
評(píng)分卡的區(qū)間、準(zhǔn)入線、分級(jí)線、欺詐線，都是怎么定出來的？
模型調(diào)優(yōu)怎么操作？
4.寫在最后
問題太多，怎么能全部寫完，又怎么能全部問完！！！
如果作為風(fēng)控經(jīng)理，我希望團(tuán)隊(duì)加入這樣的求-職者；那作為求-職者，是不是也希望加入這樣的團(tuán)隊(duì)！
如果這些問題你的心中都有答案，那恭喜你，這么多年的努力，配得上現(xiàn)在優(yōu)秀的你！
如果部分問題還模棱兩可，那恭喜你，繼續(xù)成長是一件多么值得慶幸的事！
如果大半問題都一知半解，那恭喜你，你還有非常大的進(jìn)步空間！
人生很長，此刻很短。
無論如何，既然選了這條路，何不繼續(xù)向前走，看看還會(huì)發(fā)生些什么。

我是正陽，希望能夠幫到你！加油！
如果你也有志于風(fēng)險(xiǎn)管理，歡迎和我交流，不論身處何地，我們從來都不是一個(gè)人在奮斗！
————————————————
版權(quán)聲明：本文為CSDN博主「CS正陽」的原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/sunyaowu315/article/details/103067282

總結(jié)

以上是生活随笔為你收集整理的【风险管理】风控一二三的全部內(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(cuò)，歡迎將生活随笔推薦給好友。