您的位置 首页 > 数码极客

(如何进行千人数据的分析)如何进行数据加工 如何进行数据检查

本周创作组的小C同学跟大家分享了从传统信贷审批到线上的数据分析转型的内容(传送门:星球分享|如何从审批到转型到数据分析),并且详细阐述了线上数据分析过程中具体所提及的具体细节分析。本文我接着再往下面进行梳理,线上数据分析中更多细节内容。

今天会跟大家分享,风控贷前模块中所涉及的数据异常分析报告。


在进行数据异常分析报告前,我们先梳理下常用的风控贷前规则有这些变量,详情如下:

工作地区限制/工作时长限制/公司限制/黑名单/居住地区限制/年龄限制/数据传参/通讯率数限制/通讯录未获取拒绝/月薪限制


我们一般会将上述的规则转化成拒绝率分析(即通过该规则的数/申请该节点的数),并绘制成以下图表:


看完上述图表后,大家可以结合上述的所提及的规则内容。现在问题来了,请思考哪一条是最需要调整的规则,这个就是数据异常分析报告需要梳理的内容了,也是本文会尝试解决的问题。


熟悉风控的同学都了解,贷前的自动化审批流程中最关注以下几个内容:第一个是转化率,第二个是通过率,第三个是逾期率。当然第三个逾期率指标偏向贷后,会有滞后性。从时效性来讲,不够前两者快和及时。而且贷后逾期的内容,之前我们也分析较多,本文就着重介绍转化率与通过率。


一.转化率


常规的转化率是由申请人与注册人数两者共同决定,转化率=申请额度人数/新增注册人数


大部分情况下,转化率偏低都是由于没有活动推广缺乏流量造成,或者因为产品已经上线但因为体验不佳而造成没有转化。根据上述数据画出下面图线走势:


在常规的分析上,单单分析某细节的转化率还不充分,我们会一起引入波动率的情况。


波动率的计算公式为:(某值-均值)/均值


二.通过率

通过率是把控风控跟渠道营销两者利益相关的指标。风控卡严了,通过率下降,渠道会找上门。风控卡得太松,通过率提高了,但随之的风险也显现升高,严重影响资产。所以好的风控一定是损失与利益的平衡。

那通过率如何分析?

跟上述稍有不同,通过率我们一般会采用拒绝率分析,

其中:通过率=1-拒绝率

而:拒绝率=风控拒绝人数/申请额度人数


在拒绝率分析中,我们同样会分析拒绝率跟拒绝波动率情况:


拒绝波动率(公式同上):


根据上述两则内容,我们可以大致得到两个结论:

1.从2018-04-16至2018-05-06共10500人申请额度,其中自有风控拒绝3千人人,外部渠道风控拒绝6千人,实际通过率1千人,通过率为10%;

2.注册申请转化率20180505-20180506明显下降,经确定为前段页面无法点击导致申请额度人数减少

3.自有风控拒绝率未见明显波动,均在20%以内;近期拒绝率下降,具体原因还需要通过一个不同规则的拒绝情况查看,于是我们引入了一个规则拒绝明细数据:


将上述的指标拉长到一个月的数据来分析,可以分析道,年龄限制规则在近期有非常大的波动,之前的拒绝率普遍在10%的幅度,而近期已经下降至4%。


进一步我们可以分析不同渠道的进件客群,观察哪些渠道的客群上较之前有非常大的差异。


一般数据分析到了这里就停止了。但作为一个合规的数据分析人员。如果后续更想在风控的线条上提升自己不妨多问自己几个问题:

1.渠道的客群变化是自然的流程引发的还是其他原因造成的?

2.在上面第一点上有没有显著的判断标志?比如之后的逾期分析能否监控到位?

3.如果未能识别这一风险的情况下,风控又该如何调整?是否需要将年龄限制更严,或者该渠道稍微控制进件量?


一个优秀的风控人员我觉得多问自己几个问题,多尝试站在业务角度思考,对自己的提升肯定是最快的。


以上,我们提到了通过率跟拒绝率,是自己业务流程的风控环节。但在真实的业务场景下,我们经常需要跟外部渠道方合作联合贷款,关于外部渠道风控其实也有相应的观察指标,比如:


所以观察这些指标,统计这类数据,就是对外部渠道的筛选把关,其中我们又该考虑哪些风控细则?

各位有机会可以先看看学习这份数据异常分析报告,也是份标准的数据分析素材,看完公式跟计算逻辑会对贷前风控有个更深入了解,我们也将上传至知识星球上供大家学习。而最后一点所提及内容,后续有机会也抽时间跟大家分享,谢谢!


~~~~end~~~~


注:以上图文资料均来自番茄学院《番茄风控大数据》知识星球与相关专题课内容


我们坚持为大家带来输出系列风控干货内容,欢迎广大风控爱好者关注 : 番茄风控大数据

责任编辑: 鲁达

1.内容基于多重复合算法人工智能语言模型创作,旨在以深度学习研究为目的传播信息知识,内容观点与本网站无关,反馈举报请
2.仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证;
3.本站属于非营利性站点无毒无广告,请读者放心使用!

“如何进行千人数据的分析,如何进行数据加工,如何进行数据收集,如何进行数据汇总,如何进行数据预测,如何进行数据审核”边界阅读