消费信贷风控系统搭建.docxVIP

消费信贷风控系统搭建　　各行各业，各个领域，各个渠道，都需要有一系列的完整的风险控制，以保证事情向好的方向发展，而免受不可预估的经济和财产损失而绰手不及。这时候一套完备的风控系统应运而生，以解决实际在生产业务中的各种难题。作为事物的主体，可以采取各种措施和方法，消灭或减少风险事件发生的各种可能性，或减少风险事件发生时造成的损失。这就是风险控制。　　与金钱打交道的金融行业，风险控制更加重要，金融的本质就是风控。因此，可以看到，各种金融机构都会有大量的风控人员，通过各种调查征信、模型规则、授信审核来保障业务顺利运行。而支付、P2P、供应链金融等互联网金融，大部分交易都在线上进行，因此交易各个方面的风险控制更加信息化。大数据的兴起，为风险控制提供更好的技术手段。　　风控的设计范围　　第三方渠道支付来源　　企业资产营收情况(做风险评估)　　个人征信借贷　　借款人征信、评分、授信、还款逾期、催收、羊毛党、黑客攻击　　地产逾期未还款风险评估(未来会加强对地产的通过政策手段来干预)　　在实际的实时交易中也会催生出来其他的防范分类出来：　　账号：垃圾注册、撞库、盗号等　　交易：盗刷、恶意占用资源、篡改交易金额等　　短信：短信轰炸　　现阶段需要解决的问题　　通过系统级的定义，需要区分出来那些是属于高危风控时间，注册、登录、转账等，需要对这些时间做实时的监控加强风险防范。　　对于什么样的事件会列入高风险时间，需要通过一些列的统计范畴来区分，以那些维度出现的数据作为基准来权衡，　　出现了恶意的风险后，对于善后的风险我们能做什么，能给我们带来多少的问题，能解决现阶段的什么问题。　　自动化以后，还需要人工干预规则加入，这样可以避免有做不尽职责的地方，能够及早发现问题,对于一些灵活的数据多次做重复重新组织规则，增加对风控引擎的算法。　　支持历史数据的回溯，能够发现以前的一些风险，找到有参照的数据。做基础的数据对比，防范于未然。　　风险的口径把握：登录频率、登录次数、交易次数、关闭订单次数、时间频率出现高的、单用户操作习惯等，最近统计等，对一系列的数据做重组排序。　　解决内审介入前已经有了一套成型的应用体系，不用为了准备复杂的资料和文档而烦恼,很快得解决了历史数据的风险把控问题。　　风控平台的几个重要模块　　个人中心数据：个人数据绝对了企业的生存，更应该加强风险防范和评估。　　用户历史日志分析：记录用户的实际交易操作行为。　　平台交易数据：对于用户的交易来说，记录每一笔资金的灵活变动，及时做风控调整。　　个人信贷征信：解决在投资方之间的一个信誉度不同给予的特殊行为，此模块和个人征信挂钩。　　社交数据：记录了用户的一些常用社交圈行为。　　行为方数据：记录从各种渠道的实际发生的交易数据。　　运营方行为：根据用户的实时交易数据可以有效控制一次活动中单词投入的总预估和实际的达到的效果。　　对账中心：如何保证出账和入账的准确无误差，需要在风控系统中引入对账系统和第三方支付系统的授权保护，防止出现异常掉包情况,在必要的时候需要用户自行下载对账单和实际发生的交易数据做比对，找出有问题的和需求方做确认核查。　　业务需求　　事前事中事后切入(在到达银行和银行之后的快速数据响应能力)　　规则扩展性和表达能力(规则和模型的重建)　　高速　　高效、高性能　　数据可用一致性　　侵入性(长期来看，需求不高)　　风控系统的高性能处理　　(1、线程利用率　　(2、I/O利用率　　(3、同步/异步消息处理　　(4、风控模型的选择　　前期准备　　拿到足够多的数据做支撑　　做足够灵活的分析平台去分析数据　　产出风险事件进行阻拦风险　　量化风险拦截的价值和不断分析案例进行策略优化　　风控技术评估研究　　日志选择：以增量日志方式记录存储，hadoop或spark做分析，集群同步到客户端机器上，做同步策略，不同纬度的数据做统计加工计算。　　实时监控：监控在每一个环节的交易量和高风险操作，做阀值报警，以默认的规则做处理。　　dns防范：防止http对dns的拦截，手动纪录中断被拦截掉的交易流，转向存储中心系统做处理给予用户提示。　　报警提醒：在发生重大灾难的同时需要有一套完善的体系提醒风控人员近入作战，以短信或电话的形式发起通知给用户。　　数据灾难：数据的历史纪录应该有完整的备库纪录，这种操作不是必须的但是必要的，防止管理员因为误操作导致的数据灾难不容小视，启东应急方案进行恢复。　　日志选择：需要在原有基础上做集群数据分析后，统一有一个入口的分析平台做汇总，对不同维度的计算规则做排重，这里我们可以使用elk的方式把数据清洗完成后，做相关的分析调研，实时读库的方式不可取，增量数据库只保留历史的数据，可以对时间做相关的约定，查询的平台统一做相关的调控。　　方案的选择和实施　　针对现在的数据规则，需要对现有