就业班第七阶段 金融行业业务

时间：2021/02/08-2021/02/18

学习内容：第七阶段金融业务第一章节到第四章节

心得体会：

1.技术上python基础还是不牢固，提升的重点在于pandas、numpy、matplotlib等包的总结复盘，对知识点要查漏补缺，否则还是打开什么都会，关书什么都不会

2. 业务上可通过总结分析面试题的总结思路，持续积累业务知识，对于自己想去的行业，公司，产品，定位这块要深入了解分析，不要盲目找工作，知己知彼，百战百胜

后续目标：注重面试题目的思路总结，归纳数据思维题型，针对项目的学习及练习注重思维的训练归纳，逐步形成习惯

第一章 金融行业的业务背景

• 消费金融业务背景

  • 消费金融：互联网金融或者网络贷款，主要提供消费为目的的消费贷款
  • 历史
    • 缘起：国内现金贷起源于宜信，2012年推出宜人贷
    • 野蛮生长：15年下半年开始扩张，缺乏监管，有一定风险和威胁，部分贷款年利率超过1000%
    • 监管：17年央行宣布整顿，18年年中卷土重来
    • 后网贷时代：19年315央视315晚会曝光多款app贷款产品

• 消费金融业务产品

  • 现金贷：申请借款，选择分期，完成后银行卡收到一笔钱

  • 消费贷：买电子产品分期付款

  • 循环额度产品：类似银行信用卡，一次审核通过，给与你一个取现额度和可消费额度

• 风控组织架构设置

  • 反欺诈部

    • 贷前贷中贷后人脸识别，主要识别欺诈客户或者欺诈行为

  • 贷前授信

    • 负责客户申请借款的资质审核，贷款额度审核

  • 贷中存量管理部

    • 对存量客户的提额、降额、冻结、提现审批

  • 贷后催收部

    • 对逾期不还款的客户进行欠款摧回

  • 模型部

    • 根据其他部门业务场景需求建模

• 风控目的

  • 提高通过率，找到更多好客户
  • 降低逾期率，把欠钱不还的客户拒之门外

• 信用评分卡模型

  • 根据用户各种属性和行为数据，利用一定信用评分模型给与信用评分，决定是否授信和额度

  • 模型使用场景

    • 申请评分卡（贷前）——申请授信使用，是否贷款
    • 行为评分卡（贷中）——发生了一笔借款，要不要继续借
    • 催收评分卡（贷后）——欠款未还，如何指定催收策略

• 评分= 基准分+各属性评分

第二章 用户行为路径分析

• 网贷行为流程
  • 提交资料-黑名单筛选-三要素校验（手机、身份证、银行卡）-机器审核-人工审核-放款-还款-催收

• 业务背景
  • 用户行为路径分析是一种监测用户流向，统计产品使用深度的分析方法，一般以桑基图形式展现

• 指标
  • PV-浏览量，UV-独立访客量
  • 注册用户数——衡量有效用户数量
  • 激活/活跃用户数——激活是存量概念，仅能操作一次，活跃用户代表登录后完成访问
  • 申请/放款用户数——活跃用户中申请贷款被记为申请用户，通过并成功用户被记为放款用户
  • 复借用户数——借款次数超过一次的用户数，一般有时间维度
• 分析模型
  • 转化漏洞：通过分析每一过程的转化率，用于产品运营关键环节进行分析监控，找到薄弱环节，从而进行迭代优化

• 用户行为路径分析（略）

第三章 金融行业应用场景

• 指标/报表体系搭建
  • 贷前、贷中、贷后等风控日常报表
• 风控策略指定和维护
  • 风控专题分析
  • 反欺诈分析与风控策略分析
  • 风控模型（一般包括机器模型+专家意见，其中专家意见由数据分析师完成）

第四章 消费金融常见指标

• 审批通过率

  • 审批通过率= 审批通过人数/申请总人数
  • 一般情况下保持稳定，如发生较大波动，考虑是否是风控策略改变引起

• 逾期类指标

  • 首逾率= 首期逾期的合同数/首期到了应还款的合同总数
  • Vintage-账龄：公司尚未收回的应收账款的时间长度
    • 在分析时候要选取相同账龄客户进行分析，以保证客户群体特征相同
  • vintage-30：每个申请月份在随后的月份逾期30+天的贷款额占改月放款额的比例
    • 3%以内-优秀，3%-5%——良好，若超过5%——高风险
  • mob4vintage-30：某一月内贷款合同签署4个月后，当前逾期超过30天的合同未还金额/总放款合同金额

• 其他指标