浅谈风控的架构.docxVIP

浅谈风控的架构 其实不同行业，不同领域的风控还是有很大区别的，这里只针对典型刷量，刷榜，不当获利等类型的网络行为，进行风控体系的一些基本架构。 当然，时代与时俱进，有些新的思路可能已经超出我的认知，也欢迎批判指正。 1、数据预警 当业务数据有比较明显波动的时候，无论是往好的方向，还是坏的方向，都应该立即提示预警，这个波动范围是多少呢？对于巨大的互联网平台而言，超过5%的同比变化很可能就是一个预警阈值，但对于很多创业小团队来说，可能大幅度变动比较频繁，阈值可以设置的高一些。 我做个假设，如果你是微信产品经理，你发现今天在没有产品升级，没有热点新闻的情况下，朋友圈的浏览和转发增加了5%，你会认为这是自然增长么？多半你会暗骂一句，妈蛋，又是什么裂变套路失控了。 来，思考题，为什么微信不遗余力的绞杀各种裂变运营？裂变难道不是数据向好么？这是一个典型的风控认知问题。曾经，人人网会认为这是好数据，所以它死掉了。 数据预警不代表一定存在问题，但快速甄别和判断是需要的，正确理解数据变动的原因，并快速确认，这是一个风控需要处理的问题。 数据预警不只是总量信息的预警，比如来自于某个特征的数据突然激增，也是需要关注并确认的，比如某个地区的访问量突然激增，或者某种设备的访问量突然激增，就很可能来自于某些刷机的机池。 至于怎么分析数据异常，以前提过，对比、细分、溯源，我这三板斧可以解决绝大部分的数据异常定位