现在的量化风控，是指通过运用数据化的的方法对借款人进行风险识别，这里的数据化内容包括模型也包括策略，更包括最重要的金融数据分析的知识。

相比较传统对借款人或企业进行经验式风控IPC的方式，现在通过量化的方式，需要通过采集大量借款人或企业的各项指标进行数据建模的大数据风控，很明显数据化风控就显得更科学更有效，数据化也是目前的趋势。

回顾整个风控的内容主要包括以下模块：








如果你想要金融科技公司信贷领域从业，一般都能在这几个业务技术中找到自己的位置。











下面介绍下风控流程中的各项核心内容和岗位需求，如果你还没来，可以了解下有哪些机会，如果你已经在这个领域从业，也可以顺便看看。




01 营销获客

营销获客是首个金融流程中的环节，其中衡量市场获客的方式有转化率等内容。

金融产品获客的难点有两个：1.在广告投放中，由于信息不对称造成的媒体和广告主的博弈，使得广告主必须理解复杂的业务逻辑，进而制定恰当的策略；2.在金融产品相比于其它产品，转化链路长，需要优化的目标也较多3.金融产品获客最终目的是吸引客户借款，与促活以投放广告、吸引购买商品不同，如短视频、游戏领域，营销活动如果造成超量客户涌入和业务涌现，可能会给存量资金带来巨大压力。

所以我们会在老产品上引导用户使用新产品，那就可以通过对用户在老产品上的数据做画像或模型，筛选出潜在的目标客群作为白名单。

而这里我们有一个非常重要的指标，即客群转化率也成为漏洞模型的数据就显得非常关键，具体请看下面这个指标：








02 贷前审批阶段

客户进入贷款平台完成新用户注册并授权同步注册为贷款客户，完成实名认证（包括但不限于四要素认证或二要素认证+活体识别），填写个人资料信息（如工作信息、联系人信息等），并在完成包括但不限于《个人信用报告授权》《个人信息授权》等相关合同的授权及签署后，提交额度申请。整个贷前的流程可以参考我们之前发布在知识星球中的内容：















而其中相关的指标有通过率、规则命中率指标等：












03 贷中管理

贷中监控需要监控的内容较多，常规上对于资产质量把控，监测两个报表账龄表跟滚动率报表账龄表：






















滚动率报表：








另外，还有一个贷中额度管理报表：












04 贷后催收

用户总会逾期。这其实是生存分析背后的逻辑。

逾期后就需要投入催收资源。初期的催收是维护客户关系，希望用户转好并继续好下去。这点很重要，不能轻易浪费用户资产。





由系统触发包括但不限于短信、公众号消息，对客户进行还款提醒。当客户发生逾期后，根据贷后催收政策进行逾期客户管理。当客户结清全部贷款（包括但不限于本金、利息、罚息等相关费用）后，如需结清证明，可在线查看或致电运营部开具纸质版结清证明。








其中催收率、还款率也是在贷后催收中重要的指标内容：








以上内容，可关注番茄风控精心设计，为风控人量身定制的《金融数据分析师训练营》。

课程涵盖了SQL、Python、excel等工具的具体实操案例以及“在基础层之上的中间表、应用表要如何衔接？如何基于中间表的核心指标计算flow rate等等风控场景中的工作内容。

如何成为金融风控数据分析师？

这都需要数据分析师对数据进行分析，结合自身以及行业的现状进行分析，在大行业背景下，我们认为需要以下能力，就已经算是往高薪进入风控数据分析师迈进了：

1.具有信息收集能力，对数据进行敏感分析。数据本身的质量决定了结论的准确度，所以对数据波动是否异常、直观指标数据是否合理的基础判断必不可少。

敏感度的建立需要在数据的长期浸泡中培养，同时也需要一些常规数据校验方法的协助。

2.熟悉Excel、SQL、Python、Spark等软件的操作，其中SQL作为掌握其他众多计算机语言的跳板，对SQL的熟悉程度决定了数据分析师的基本段位，目前90%的互联网公司都不会抛弃SQL,同时这门语言也能降低各部门之间的沟通成本。

3.数据理解及展示能力，数据最终的作用是帮助决策，精简的数据展示能力无疑能帮助分析人员有效的表达自己的观点，更能增加结论的说服力。

报表体系的整合与开发是数据理解及展示能力提升的最快方法，能帮助快速认知业务宏观情况，并且找到数据指标值之间的关系，有效精简的展示。




这是一门完整案例拆解+分析实战，真正重视金融数据分析师工作场景为避免在工作中缺乏接触和积累，没有真正的金融数据分析实操经验，以及不具备完善的数据分析知识体系。

课程大纲如下：








~原创文章

...

end