(本文是寫給風(fēng)控入門同學(xué)的建議！)

一 準(zhǔn)備工作

根據(jù)核心職業(yè)CD法則，找工作前，你得先清楚自己有什么，自己要什么；面試單位有什么，面試單位要什么。就筆者近一年的學(xué)習(xí)及工作經(jīng)驗總結(jié)而言：

科班同學(xué)，最好直接從統(tǒng)計分析、應(yīng)用統(tǒng)計角度入手，從事金融、生物、醫(yī)藥等領(lǐng)域里的數(shù)據(jù)分析或數(shù)據(jù)挖掘相關(guān)工作；

非科班轉(zhuǎn)行來的，建議直接做金融，需要的專業(yè)知識不多，行業(yè)知識也易懂，而且信用中國還有很長的路要走，在這個領(lǐng)域扎根越久，收益越高，因為我們要學(xué)的這些知識首先是保值甚至是增值的。可掌握的技能基本可以選擇大數(shù)據(jù)、數(shù)據(jù)提取、處理、分析、建模這五大塊兒，內(nèi)容及要求總結(jié)如下：前搞MIS(報表分析)：業(yè)務(wù)報表及報告的生產(chǎn)，掌握excel手動報表匯總、透視等功能，tableaue等線上BI報表制作、分析。

后搭數(shù)倉(數(shù)據(jù)提取)：數(shù)據(jù)倉庫，包括關(guān)系型、非關(guān)系型、大數(shù)據(jù)、圖數(shù)據(jù)等數(shù)據(jù)庫、數(shù)據(jù)表的設(shè)計(常為后端人員開發(fā)，數(shù)據(jù)人員需要了解表結(jié)構(gòu)、字段類型等)，數(shù)據(jù)存儲、提取、轉(zhuǎn)換、清洗、處理；需熟練掌握SQL、HQL、NQL等語言，可以做json、dict、frame、pkl等數(shù)據(jù)格式的轉(zhuǎn)換。

左建模型(模型開發(fā))：金融風(fēng)控模型，不單單指評分卡，而是針對產(chǎn)品營銷、定價、授信、管理、催收、監(jiān)測等業(yè)務(wù)流程開發(fā)的一系列策略、規(guī)則、評分卡的集合，通常我們認(rèn)為，利用有監(jiān)督、無監(jiān)督、半監(jiān)督、深度學(xué)習(xí)等算法開發(fā)的評分卡是風(fēng)控模型中卓有成效的技術(shù)。

右通算法(數(shù)據(jù)挖掘)：LR、RF、XGBoost、SVM等常見算法。對跨領(lǐng)域轉(zhuǎn)行過來的同學(xué)來說，算法這塊，既有趣，又神秘，關(guān)鍵還難懂，讓人又愛又恨。好的算法工程師，需要扎實的計算機算法、算力、數(shù)據(jù)結(jié)構(gòu)等基礎(chǔ)，需要扎實的概率、統(tǒng)計、多元回歸、矩陣等基礎(chǔ)，我等渣渣勵志做算法的話，3~5年起步吧。

核心懂業(yè)務(wù)：P2P、消費分期、現(xiàn)金貸、傳統(tǒng)金融、大額、小額、信用卡、車貸、抵押、資產(chǎn)、標(biāo)的等業(yè)態(tài)；風(fēng)險定價、反欺詐、信用循環(huán)、信審、提額等環(huán)節(jié)；滾動、遷徙、賬齡、遞延、回收、壞賬等指標(biāo)。要懂的東西，也多也不多。

所以，除非奔著算法工程師去，否則最好的入行策略就是熟知行業(yè)業(yè)務(wù)流程，從數(shù)據(jù)庫、數(shù)據(jù)提取、數(shù)據(jù)挖掘、數(shù)據(jù)分析、風(fēng)控建模等崗位中擇一良木而棲，夯實基本數(shù)據(jù)提取、挖掘、建模等流程所用到的技術(shù)。算法這塊兒，只需要掌握常用LR、樹模型等算法的原理，能夠使用編程工具實現(xiàn)即可。

畫個VISIO：

所有知識點都掌握，并且能夠熟練運用，已然建立體系，胸有成竹，你就可以驕傲的自封一個全能數(shù)據(jù)戰(zhàn)士的名號了，簡直朝陽區(qū)中最靚的仔。(悄悄說一句，全棧離經(jīng)理和總監(jiān)更近，產(chǎn)品、前后端都得給你點個贊)

那針對金融風(fēng)控崗，我們的面試準(zhǔn)備工作，就從以上幾點出發(fā)，重點從模型著手。

1、行業(yè)經(jīng)驗互聯(lián)網(wǎng)金融風(fēng)控崗位的業(yè)務(wù)理解，比如：信用循環(huán)體系；核撥率、遞延率、壞賬率等運營指標(biāo)；滾動率、賬齡分析等分析指標(biāo)。

風(fēng)控模型的開發(fā)流程，比如：信用模型評分卡的開發(fā)、上線、優(yōu)化等過程及方法。

2、知識基礎(chǔ)

(以下詳細(xì)內(nèi)容請看筆者其他相關(guān)文章) - 數(shù)據(jù)存取與處理： 基礎(chǔ)能力，這是數(shù)據(jù)分析類工作的技能基礎(chǔ)，也是任何一個數(shù)據(jù)類工種都需要的基礎(chǔ)能力，不熟練的話就再學(xué)一段時間。 - 統(tǒng)計學(xué)習(xí)： 機器學(xué)習(xí)的基礎(chǔ)是概率論與統(tǒng)計學(xué)習(xí)，這塊兒你可以不必特別扎實，但像五位數(shù)、方差、正態(tài)分布、相關(guān)系數(shù)、假設(shè)檢驗常用知識點得了解并掌握。 - 數(shù)據(jù)挖掘： 不論是規(guī)則還是評分卡，風(fēng)控建模類工作的大量工作內(nèi)容就是對用戶特征的挖掘、定義、擴展、轉(zhuǎn)換、處理、分析、運用，以產(chǎn)生對業(yè)務(wù)有幫助的決策數(shù)據(jù)。所以特征工程來龍去脈需要懂，并且會熟練使用。 - 常用算法： 用于特征工程及建模工作，同樣不必全懂，但一到兩種常用算法的推導(dǎo)及一到兩種融合算法的原理必須掌握，常用的元模型為邏輯回歸、決策樹；常用的融合模型有隨機森林；神經(jīng)網(wǎng)絡(luò)則有ANN。

3、代碼能力python | R | sas，把一門代碼類工具運用熟練即可。就python而言，像pandas、numpy、statsmodels、sklearn，這幾個包學(xué)扎實就行。

(選工具的話，建議python，別問為什么，怕被隔壁用R、spss、PHP、java、excel的媛兒們暴錘)

二 面試問題

1、風(fēng)控建模談?wù)勀銓︼L(fēng)控模型的理解？

模型如何設(shè)計？ 可以從滾動率、遷徙率來回答，也可以從反欺詐、ABC卡回答。

對客群進行細(xì)分建模的本質(zhì)是什么？ 其實分客群進行建模，實質(zhì)也是一種交叉特征，能提高模型穩(wěn)定性。

拒絕推斷應(yīng)該怎么做，作用是什么？效果怎么樣？ (多查資料，博學(xué)審問慎思明辨)

簡要說明下標(biāo)準(zhǔn)評分卡開發(fā)流程 (多查資料，博學(xué)審問慎思明辨)

2、特征工程如何對數(shù)據(jù)做質(zhì)量檢驗？ 在完成數(shù)據(jù)匹配工作之后，建模之前，我們需要對數(shù)據(jù)進行整體的質(zhì)量檢測，主要有兩個方面： 1、數(shù)據(jù)分布。 2、數(shù)據(jù)集中度檢測。 3、數(shù)據(jù)臟亂情況。缺失值(是否隱藏風(fēng)險)、離群值、錯誤值、重復(fù)值，根據(jù)其是否符合業(yè)務(wù)邏輯，判斷數(shù)據(jù)是否存在異常。

特征工程流程 關(guān)鍵詞： 特征預(yù)處理、特征選擇、特征衍生、特征提取等。用到的技術(shù)主要有連續(xù)變量離散化、分類變量啞編碼、卡方分箱、特征編碼、共線性檢驗、PCA降維、交叉驗證等。

篩選變量的常用方法 篩選變量有很多種方法，隨機森林、GBDT、邏輯回歸顯著性、VIF共線性、相關(guān)性圖譜等、隨機邏輯回歸篩選、遞歸法篩選等。

好的特征需要具備哪些優(yōu)勢？ 1、穩(wěn)定性高 2、區(qū)分度高 3、差異性大 4、符合業(yè)務(wù)邏輯

如何衍生特征？ 變量的衍生并不復(fù)雜，通常我們會從三種角度出發(fā)： 1、數(shù)學(xué)運算。求和、比例、頻率、平均等。 2、時間窗口。有些變量的意義只有在一段時間內(nèi)才有效，所以針對時間比如說注冊如期、交易日期等變量，需要計算其到現(xiàn)在的時間段，完成變量的衍生。 3、交叉組合。GBDT\XGBoost、LDA主題模型、用戶畫像分等等都可以做特征衍生。 衍生出來的特征要符合實際業(yè)務(wù)含義，并且要保持穩(wěn)定。

3、機器學(xué)習(xí)算法簡單介紹你熟悉的幾種算法及其在應(yīng)用場景中的差別！

一些基本公式的推導(dǎo)，比如LR、xgb之類的，這些可以自己推導(dǎo)一下。

簡單評價幾種常用算法的優(yōu)缺點： 1、邏輯回歸 優(yōu)點：簡單、穩(wěn)定、可解釋、技術(shù)成熟、易于監(jiān)測和部署 缺點：一定不能有缺失數(shù)據(jù)；必須是數(shù)值型特征，需要編碼；準(zhǔn)確度不高 2、決策樹 優(yōu)點：對數(shù)據(jù)質(zhì)量要求不高，易解釋 缺點：準(zhǔn)確度不高 3、其他元模型 4、組合模型 優(yōu)點：準(zhǔn)確度高，穩(wěn)定性強，泛化能力強，不易過擬合 缺點：不易解釋，部署困難，計算量大

4、模型評估模型評估的常用方法？ 從三方面回答： 1、區(qū)分度：主要有KS和GINI指標(biāo)，理解KS的定義及用法 2、準(zhǔn)確性：主要有roc曲線和AUC指標(biāo)，理解AUC的定義及用法 3、穩(wěn)定性：主要有PSI指標(biāo)，理解PSI的定義及用法

auc和ks的關(guān)系？ 有人說auc是衡量整個模型的排序能力，KS是衡量某個分段的區(qū)分能力。

5、模型部署模型的部署上線應(yīng)用類似的問題，偏開發(fā)，分析人員可能不太擅長。主要就是api接口安裝、測試、等級劃分、額度設(shè)計、風(fēng)險定價、ABtest的設(shè)計等等。

6、模型監(jiān)測上述一些運營數(shù)據(jù)和風(fēng)控指標(biāo)的關(guān)注

三 寫在后邊

在全世界，分析能力都有同質(zhì)化的趨勢——大量的技術(shù)已經(jīng)進入這個領(lǐng)域，壁壘幾乎已經(jīng)沒了。長期、可持續(xù)的優(yōu)勢，來自企業(yè)擁有的人才和你手里的數(shù)據(jù)。

總體而言，中國的金融科技市場是全世界最先進的，而且領(lǐng)先了很多。不過，在一個領(lǐng)域，中國的進步?jīng)]有世界上其他國家大，那就是綜合數(shù)據(jù)分析領(lǐng)域。如何更明智地使用數(shù)據(jù)，是全世界留給中國人的機會。關(guān)于學(xué)什么這件事情。原本一直非常猶豫要不要學(xué)習(xí)編程，現(xiàn)在非常明確了，這件事最好的開始時間是大學(xué)，其次是現(xiàn)在，而且必須是直接掌握最先進的編程語言，主攻數(shù)據(jù)挖掘和數(shù)據(jù)分析的方向，并與這方面的專業(yè)人士建立鏈接。 ——北大經(jīng)濟學(xué)博士 香帥老師

風(fēng)險管理絕不只是數(shù)據(jù)、模型，它是產(chǎn)品、流程和分析的有效結(jié)合。好的風(fēng)險管理能真正理解流程，真正進入流程、著眼于流程。它能理解產(chǎn)品，理解客戶和競爭對手的意圖，然后將數(shù)據(jù)和分析與之結(jié)合。 ——數(shù)據(jù)驅(qū)動風(fēng)險分析之父 阿什·古普塔

別怕，難者不會，會者不難，稀缺意味著價值。每當(dāng)堅持不下去的時候，回頭看看你自己走過的那段路，雖然曲折，但異彩紛呈，關(guān)鍵還有這么一群可愛又努力的人陪著。

總結(jié)經(jīng)驗，昂首闊步，心里裝著善良和堅強，到哪都會散發(fā)光芒。

我是正陽， 很高興能通過文字認(rèn)識你，點個關(guān)注，后會有期。

微信公眾號：正陽能量場

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的风控建模 python 知乎_风控建模基本要求及面试问题小结的全部內(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，歡迎將生活随笔推薦給好友。