风控数据分析

做风控十分依赖数据,所以以下三个事情将是很重要的:

  1. 合理的数据分析发展过程
  2. 合理的数据存储和ETL
  3. 强劲的分析工具

合理的数据分析发展过程

  • 站在公司角度,业务有优先级,风险也有不同严重性。
  • 站在团队角度,人力总是有限的,技术的积累也是有先后的。

所以一个公司风控的发展是有次序的,在数据分析的建设上也是有次序的。其实不仅风控数据分析是这样,大部分数据分析都是这样。

对于这个发展过程,我个人比较认同玖富数据总监孙微先生的总结,思考比我深入。会议上孙微先生是站在业务运营的角度来提的,但是大部分思想和风控运营是一样的。

包含GrowingIO字样的截图取自于「 GrowingIO 2018 增长大会上海站」,已得到GrowingIO授权

团队组织

首先是团队组织,孙微先生列出的这些条都很好,我结合风控的特点补充一些。

务实:最近几年安全行业是一个热门的行业,各种新奇名词频出。对新趋势保持关注是必要的,但是数据分析并不是找几个模型这么简单,靠几个“微创新”就可以有大幅提高。耐心的梳理各业务数据、一步步推演整套分析架构这些略显“枯燥”的事目前仍是重要的事。

合作:安全风控部门往往需要对接很多业务,如果是大公司,有几十个大大小小的业务是很常见的。更不用说乙方公司要对接的是大量的公司。风控部门天然就是合作非常多的部门,沟通能力是招聘时一定要考虑的因素。

团队建设阶段1

团队建设阶段2

团队建设阶段3

以下结合风控的特点补充一些:

打通数据链路、打破孤岛:风控刚开始的时候,往往每个业务的防控比较独立。稍微成熟一点之后肯定会出一些跨业务的策略,也就是说联防联控。例如“登录高危用户,在参加活动时也是高危”。要是想实现这种规则,那么就有以下要求:

  1. 宏观上,关联的业务数据应该可以关联分析
  2. 微观上,在行为链路中,后续的风险点应该可以关联之前风险点的情况(风险等级等)。

我认为这是实现精细化运营的必要步骤,技术上需要规则引擎、数据处理、缓存的顶层设计,逻辑上需要熟悉业务的专家耐心梳理。

需要指出的事,对安全部门而言“打通数据链路、打破孤岛”是一件辛苦的“脏活”,有时候对业务方而言是一件“添麻烦”的事。大家都认同价值,但是价值又很难评估。大家都认同这件事的专业性,但是又认为这件事很传统、没有创新。在普遍不踏实的互联网文化下,能做好这件事并不容易。 引用于“风控笔记”:https://github.com/WalterInSH/risk-management-note