大家好，我是正陽。
下面是一個故事，也是一個事實！
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、風控模型開發團隊。從項目負責人到項目組人員的配備，需要專業的數據挖掘、數據分析、建模能力，能夠有效利用LR、XGB、LGB以及深度學習算法構建模型，制定ks大于0.4，auc大于80%的貸前評分模型。
2、模型對接負責人。涉及到后期開發評分產品、畫像產品、規則類產品，需要專業的風控人員進行三方或雙方對接。
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簽樣本，提供撞庫之后的數據寬表，便于分析人員后續操作。

看著客戶這凌厲而莊嚴的合作需求，我陷入了沉思：風控絕不是一個人能干成的事情，多數從業者甚至還沒有理解到底什么是風控，更談不上如何做風控。該是怎樣一個優秀的團隊，才能把金融互聯網業務風險管理做好！

假如作為風控經理，我希望自己擁有怎樣的風控團隊？

2.組織需求
2.1 結構要求
從業務需求出發，認真想想，風控團隊的最小作戰單元大概需要幾個人，需要哪幾個人？

風控經理
統籌
協調
管理
追蹤
策略分析師
審批政策及策略
反欺詐策略
反欺詐經理
反欺詐策略
反欺詐模型
復雜網絡
風控建模師
模型開發
特征挖掘
模型效果追蹤
模型調優
風險分析師
業務數據分析
線條指標追蹤
預警系統追蹤
三方數據對接
2.2 底層要求
不管怎樣，我要的人，一定是我喜歡的！！！

踏實、謙卑、進取、渴望有技術方面和業務方面的成長
對金融科技和大數據風控有強烈的興趣和求知欲
在對口方面有足夠的技能基礎
本身無高風險行為
無頻繁跳槽
無不明離~職原因
無跨度很大的工作經驗和技能經歷
有一點探索心態，能夠陪伴公司成長
量化招~聘，針對不同的需求，設定不同的問題，引入評分機制，對每個問題給出對應的評分， 根據總分作為技術面的結果，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隊！有一定的認知能力，有足夠的技術基礎，還有愿意協同成長的態度和決心。

2.3 職~業要求
好，說干就干，馬上擬一個風控建模師的JD

風控建模師：
職~責：
1.基于復雜業務場景和海量數據進行深度數據挖掘；
2.構建大數據風控模型，包括但不限于反欺詐，信用評估，風險預測模型，并持續優化改進 ；
3.評估數據合作商質量，根據業務需求，跟蹤、監控、維護及優化風險策略，提出風險預警；
4.根據風控的控制點建立子模型，完善風控體系；
5.持續引入數據維度，挖掘并提取可用特征；
6.整理并提出風控系統優化需求，推動提升系統效能。
任~職資格：
1.本科及以上學歷，數學、應用數學、金融數學、統計學、自動化、人工智能相關專業優先；
2.熟悉常用算法，LR，DT，RF，gbdt，xgboost和神經網絡等，對機器學習算法的理解和應用，有一定的認知和經驗；
3．一年以上風控或金融行業大數據建模工作經驗，了解建模背后原理，能創造性的通過建模解決業務問題；
4.對風險管控理念有豐富的認知，具有扎實的統計學知識及數據分析挖掘能力，熟練使用Python、Scala、R等軟件或語言；
5.有較強的適應性及自我學習能力，責任心強，重視團隊合作，工作態度積極，勇于進取，抗壓能力強。

聯系方式：正陽

3.面~試準備
3.1 基本態度
問題可能有點多，針對求~職者的水平篩選相應難度的問題。
針對性的設置封閉式和開放性的問題。
基本態度：你來是幫我的，不是我幫你的；或者說，我們互相促進，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會，所以，在提問之前請允許我先了解一下：
你希望我的提問多一點，還是少一點？
你希望我問哪類型的問題多一點？
你想不想問我點什么？
我還是更喜歡復合型風控人才！
3.2 逢面必問
談談你對風控的理解
談談你對金融風控的理解
風控的核心是什么？
風控的未來在哪里？
3.3 細分問題
3.3.1 業務類問題
之前做過的風控都包含哪些內容？
講講產品的內容？
什么是無定向用途貸款，什么是定向用途貸款？
3期產品、6期產品、12期產品，對應的風險有什么不同？
什么是等額本息、等本等息、先息后本？
無息貸款的盈利方式？
分期消費類產品的業務邏輯？
講講P2P模式和現金貸種類？
什么是助貸？
什么是聯合貸款？
談談產品部、業管部、風控部、貸后部之間的聯系？
壞賬最終去了哪里？呆賬又去了哪里？
3.3.2 策略類問題
講講業務中比較重要的幾個指標
什么是量化風控？
量化風控和傳統風控的區別是什么？
談談你對客戶分級和渠道轉化的經驗。
如何搭建風控審批策略框架？
怎么做量化定價？
怎么做風險定損？
怎么做分級定額？
請講講準入策略
談談你對反欺詐策略制定的見解
模型策略又該怎么定制
催收策略的關注點有哪些
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？
數據沒有了，還怎么做風控？
怎么冷啟動？
產品上線后風控部門比較關注的點是什么？
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%？
說說資產質量分析？
講講YTDbad_rate%？
通常都會追蹤哪些業務指標？
怎么做風險預警！
Vintage的原理是什么，用在什么地方？
平時用到的分析方法都有哪些？
平時用的指標預測方法，又有哪些？
3.3.4 數據類問題
常見信貸數據有哪些，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容？
常見的外部采集信息有哪些？現在還可采的有哪些？不能采集的話怎么調整風控策略？
APP可以采集的數據有哪些，怎么用？
都用到哪些數據庫？對應的python包叫什么？
講講三方數據測試，都關注哪些指標？
測試三方數據，名單類產品和模型類產品分別適合用哪些樣本去測？
接來的黑名單產品，一般怎么用？
多頭借貸，多少算多頭？
都有哪些采集方式？
常用數據加密方式？
當前數據合規政策是怎么定的？
聯邦學習解決了哪些問題，有哪些問題還沒解決，目前有哪些困惑？
3.3.5 系統類問題
數據保存在哪里，怎么調用？
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？
大數據框架下的建模方式和python離線建模有哪些區別？
什么是流式計算？
高并發下的零售金融風控，有哪些技術方面的注意點？
業務系統包含哪些板塊？
風控系統中，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？
欺詐類型及對應反欺詐解決方案？
業務數據埋點方案？
設備數據的介紹和應用邏輯？
行為數據都有哪些特征？
怎么刻畫用戶行為軌跡？
怎么做團伙反欺詐？
怎么做設備反欺詐？
怎么做通訊錄反欺詐？
怎么做反欺詐評分卡？
如何定義欺詐客戶？
3.3.7 模型類問題
請簡述下模型開發流程？
數據質量如何檢測？
建模樣本怎么選？
A卡、B卡和C卡的區別都表現在哪些地方？
算法都有哪幾種分類，請分別介紹他們的優缺點？
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，都有哪些環節？
特征衍生怎么做的，之前有哪些實戰經歷？
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 各自的優缺點是什么？
解釋下KS，什么樣的KS曲線是好的？
什么是PR圖？
邏輯回歸轉標準評分思路，轉好之后怎么部署？
PSI用在哪里，用來干嘛？
評分卡的區間、準入線、分級線、欺詐線，都是怎么定出來的？
模型調優怎么操作？
4.寫在最后
問題太多，怎么能全部寫完，又怎么能全部問完！！！
如果作為風控經理，我希望團隊加入這樣的求-職者；那作為求-職者，是不是也希望加入這樣的團隊！
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，配得上現在優秀的你！
如果部分問題還模棱兩可，那恭喜你，繼續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，何不繼續向前走，看看還會發生些什么。

我是正陽，希望能夠幫到你！加油！
如果你也有志于風險管理，歡迎和我交流，不論身處何地，我們從來都不是一個人在奮斗！
————————————————
版權聲明：本文為CSDN博主「CS正陽」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉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

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站內容還不錯，歡迎將生活随笔推薦給好友。