量化风控的贷前实操课—详解的规则调优

风控全流程涉及贷前风控、贷中监控、贷后催收，每个模块都环环相扣，互相关联。而作为其中最关键模块的贷前风控，几乎是整个风控模块中最重要的部分，现金贷等互金产品重贷前、信用卡重贷中。
贷前风控是可以说整个防控中的第一道防线，而与贷前模块相关的风险策略更是重中之重。相信各位风控从业者都知其重要性。

那贷前风控我们又如何把控具体的内容？
贷前风控首先需要考虑的是业务模式及产品流程，不同的业务模式、不同的产品类型需要关注和把控的风险点有所不同，目前市场上贷款产品有很多，主要可以分为以下类别：
​

贷款产品类型之多、细分种类繁杂，首先我们需要知道产品特点是什么，抵押贷款以抵押物为主要授信参考依据，其次再考虑客户信用风险，市场垄断性较高，多为银行进行放贷行为，对于客群的要求较高；信用贷款更贴近市场化、更高效化、更便利化，更注重客户信用风险，资产信息作为授信参考依据，所针对的客群更广泛。

信用贷款+互联网的业务形态，可以让借款人无需到线下门店提交任何纸质资料，通过手机线上可以完成授信，这无疑对风险把控的要求更高、难度更大，不仅仅需要关注客户的信用风险，同时也需要关注产品流程带来的业务风险。
而回归到整个贷前模块中，与之相关的最重要的策略模块中决策流程的设计则是我们更应该重点关注的部分。特别是传统风控往数字化风控转型的当下。一套完整的决策流程，是数字化的完美展现，同时也是实现自动化部署、监控以及后续所有一切调优跟量化上线产品的基础。
有经验的策略从业者，熟知整套产品流程并能在业务前期开展冷启动部署。这里部署的关键点自然是需要我们了解因渠道风险不同、客户类型不同需要走的差异化的风控流程。在具体布防策略流时，则需要我们清楚白名单客群跟现金贷流程应该走何种差异化的风控流程，新客老客应该走的差异化的风险流程。并且整个风控流程中，根据自身数据源、外部数据，强相关变量、弱相关变量，所涉及的串行规则流、并行规则流等差异化的数据流程。
贷前的决策流程是整个产品的生命周期中的前置部分，而要做好这部分重要的原则便是数据获取，也称数据埋点，可以获取到什么信息对于后续策略布置以及建模起着至关重要的作用，贷前埋点的数据获取信息包括为个人信息、设备信息、信用信息、页活信息。
​

从这些获取的相关数据后，还必须针对不同的场景制定针对性的策略要点，这里衍生出来的某些强规则变量，甚至可以协助让整个逾期风险大幅降低，挽回资产损失，贷前策略太重要，是关键所在。
而在贷前策略中两大重要的内容，通过率与逾期率把控就是贷前策略中最重要的把控内容。二者之间的因果关系就是通过率高低变化决定了逾期率风险的走势，通过率决定了逾期率的结果，而逾期率又对通过率起到了一个制衡的作用。
通过率的调优技巧是有迹可循的，具体优化内容层层递进，其核心步骤之前也跟大家介绍了相关的调优三步法：
①筛选策略规则
②贷后数据拆解
③矩阵交叉生成策略
…
~原创文章