风控建模：催收评分卡（四）--变量整理除了跟数据获取相关外还跟什么有关系？

关注公众号“ 番茄风控大数据”，获取更多数据分析与风控大数据的实用干货。

之前被一篇叫《你有什么资格嘲笑毛坦厂中学的学生》的文章刷屏，中国的阶级固化的趋势在可预见的未来会越来越严重，底层的人来苦苦挣扎，中产在整天焦虑，中国的太大，我们自以为的大学生是白菜价，现状在底层的考生那里还是难得一求的一张门票，无奈的现状除了每个阶层都付出非常大的努力外，还有其他办法能改变吗？大家感兴趣可以读读。

记得我在做数据入门前，就有一个前辈跟我说，数据领域，特别是在我国的数据领域，很多数据你都只能智取，不能强夺，切记切记。那个时候，懵懂的我，还不知道这个是什么鬼理论。现在的我，经过多年的沉淀，慢慢地懂了里面的真谛，把所有做数据的人的苦逼简单粗暴的写一下吧。

先贴点干货的图片，引出我需要阐述的主题。

催收评分的变量整理是过程，是在业务定义后的第二个非常重要需要完成的部分，这个过程你大概是需要理清楚自己家究竟有什么数据，也就是需要知道自家的数据有哪些库存，前期先整理出一版合适的数据汇总结果：

对于一些常见的指标比如PTP、KPTP这些，相信都是有的。但是这里重要但非常用的指标，在标准化的体系的数据库中有，但是不一定能获取到，即使获取到，你也需要再结合具体的业务做一次变量输出。

我们在介绍过程中，先从简单到复杂，一层一层来剥离来看，会发现很多有意思的问题跟业务逻辑：

首先介绍客户档案里的数据：
房产情况—
介绍房产情况这个变量，这个变量主要是甄别客户的固有资产情况的。你可能会说，这个变量有多复杂，不就是看客户名下有房没房就行了吗？没错，表面是这样，但是还不仅如此。如果还不明白，可能是你对整个数据层面里的业务逻辑还没吃透。

试问：客户A名下虽无房，但是却有3套房贷记录？能不能算他有房？也许这种情况还算较易分析。有可能是A可能房产已经过户，只能算有过房产。

但另一种情况：客户B名下无房，但是家庭名下有房，这种情况，能不能算有房的情况？如果再复杂点，客户已经离婚了，房产名下之前是双方共有，但是你在处理数据的时候，发现客户是离异状态，房产却在夫妻共同名下，此时你判断客户是有房还是没房？

我记得当时单单在处理这个变量的时候，最后输出的规则一共是二十行代码去判断客户的房产状态。没错，实际的业务形态就是这样，然而比这复杂的更多的是系统层面的问题。

其次催收库里的数据：
1.contact的次数
联系次数也算是比较有用的数据了。但是有些公司因为历史问题，一般也会在客户还款日到来之前给客户打温馨提醒电话，提醒还款。这时就会出现跟催收电话叠加的数据。

试想没逾期的客户也同样地被催收系统拨叫，此时的数据在后台处理时候肯定会有所失真，而且最重要的两者如果没有做标识，根本就没法区分。

现在知道，做的比较好，至少在后台是有标签可以区分这两类数据的。但是很遗憾，我还是看到很多公司是人工标识的还没做到自动化处理的程度。而且，有些像上面提到的打标签的事情也没做。

2.有效联系人的数量
对于拨打处于M2的客户，越往上失联的客户的概率会越大，这个时候可能联系上客户的有效联系人的就只有亲戚或者朋友了。

其实这时，在联系人上的做区分，如果能稍微精准写区分下客户本人，父母（直系亲属），兄弟（嫡系亲属），或者好友，策略或者模型的部门估计是无限欢迎的，但是对于这些精准区分的数据前期的业务整理当然是比较累。前期业务部门吐槽，做着做着，越来越没动力，数据就越做越变形了。到了最后，会发现，这个变量成为了无用的垃圾变量。自动化重复性的东西，最好还是交给机器去做。

但是现阶段，有些公司是连是否客户本人或者非本人都没有区分的，都没做到。对于这样的数据区分度，有时候真的让人抓急。

3.合同的数量
最后说下合同情况这个变量。合同情况，如果一些客户，只在我们公司贷过一次款的，那很好讲，合同情况只为1个。

然而随着公司业务的扩张，对于前期优质的客户，常常会选择让客户尝试续贷或者再贷业务。如果客户同意，，这时合同的资料就会上传到另一个系统上去。新系统是为了续贷或者再贷业务开发的新产品。当这两个新旧系统接口没有打开的时候，会发现新旧系统完全是个割裂的板块，你要通过客户的身份证号码关联合同信息，对不起，臣妾做不到。再一次风控被IT击败。

现实生活中，都是这样，我们想取的数，总是无法获取。我们总是想获取客户的收入能力，对于这样的指标，我们总是不停得去计算客户每个月的银行流水判断等等。

最后提个问题：为什么在系统中，总有变量是业务需要，而无法获取的事情。其实最大的难点除了数据的获取外，必须从负责信贷的系统说起来。

信贷系统，主要分几大系统：
核心系统：存储客户的账务信息，还款计划，还款流水等；完成客户开户、放款、冻结额度等操作。
客户端系统：客户在使用终端的一些交互内容，与后台逻辑；将对应的数据存储。
数据计算平台：满足风控实时审批过程中需要变量的实时计算，对接业务范围内审批需要的内部系统数据。
征信平台：统一对接所有外部数据源，进行统一管理；满足审批过程中的灵活调用。
审批系统：组织所有风控吸配合完成审批；告知核心客户与放款。
资管系统;匹配开户资金方与放款时资金方的选择；P2P模式中单个资产的撮合。
服务端系统：客户在终端上操作的行为与数据的留存；与风控系统交互。
决策引擎：承接风控策略的部署；出具审批的决策建议。
反欺诈系统：主要做关系网络的生成与衍生变量的计算；定义网络中节点的黑白。

我改天会找个专门的专题，介绍信贷部门里的各个系统的模块。

十年职场生涯，这个长期混迹在风控界和科技界，摸爬滚打的大叔，曾经就职于全国最大的固网运营商平台、国内最大的ERP软件公司和一家老牌的互金公司，如果你想了解他，欢迎加入" 番茄风控大数据"一起学习一起聊！

风控建模：催收评分卡（四）--变量整理除了跟数据获取相关外还跟什么有关系？相关推荐

风控建模（七）：催收评分卡的流程—上（所有评分模型与机器学习模型同样适用）
关注公众号" 番茄风控大数据",获取更多数据分析与风控大数据的实用干货. 说了那么久的建模,今天应该跟大家分享一下实际建模的流程步骤了. 整套建模代码我分别用sas跟pyt ...
（信贷风控十）催收评分卡的介绍
(十)催收评分卡的介绍评分卡可分为申请评分卡(A卡).行为评分卡(B卡).催收评分卡(C卡).不同的卡使用场景不一样,A卡用于贷前申请环节,用来区分客户好坏:B卡用于贷中环节,根据观察行为预测未来一 ...
（信贷风控十一）随机森林在催收评分卡还款率模型的应用（python代码实现）
(十一)随机森林在催收评分卡还款率模型的应用(python代码实现) 催收评分卡和申请评分卡和行为评分卡不太一样,一般申请评分卡和行为评分卡使用一个模型就可以了,但是催收评分卡由三个模型构成:(不同的 ...
催收评分卡（一）催收评分卡介绍
各位好!从今天开始本号会陆续公开催收评分卡的原创教程和资料,如果对这部分内容有兴趣,麻烦动动手关注转发,谢谢大家的捧场. 搜索关注公众号" 番茄风控大数据",获取更多风控干货. ...
【金融风控】信用评分卡模型
本文转载自公众号:大数据风控与机器学习一.简介所谓信贷评分卡指的是,将违约概率映射成得分的模型.最传统.应用最广泛的算法是逻辑回归.但是理论上,所有能输出概率的模型均可以做为评分卡.比如这几年工业 ...
催收评分卡（五）--浅显理解模型一个非常重要的验证指标
关注公众号" 番茄风控大数据",获取更多数据分析与风控大数据的实用干货. 之前说的关于变量的整理,按照一套标准化的建模流程,变量整理完后,一般会基于各种基础变量做数据衍生. ...
催收评分卡（三）迁徙率模型
关注公众号" 番茄风控大数据",获取更多数据分析与风控大数据的实用干货. 本文主要介绍迁徙率模型和还款率模型,至于失联模型,其实也不难做,难点是在于每家公司对失联客户的定义,主 ...
金融风控实战——信贷评分卡
信贷评分卡介绍风控系统业务流程在一个完整的风控系统中,信贷准入模型在整个体系的前半部分,下面我们了解一下一个完整的风控系统是如何构建的获客阶段基本的,对于一个信贷产品来说,首先要有目标 ...
金融风控-- ＞申请评分卡模型-- ＞申请评分卡介绍
从这篇博文开始,我将总结金融风控中的另外一个模型:申请评分卡模型.这篇博文将主要来介绍申请评分卡的一些基本概念. 本篇博文将以以下四个主题来进行介绍说明: 信用风险和评分卡模型的基本概念申请评分卡在 ...

风控建模：催收评分卡（四）--变量整理除了跟数据获取相关外还跟什么有关系？

风控建模：催收评分卡（四）--变量整理除了跟数据获取相关外还跟什么有关系？相关推荐

最新文章

热门文章