作為公司的“現(xiàn)金?！睒I(yè)務，風控一直是公司創(chuàng)收的核心能力。我是大數(shù)據(jù)風控模塊“玉衡”服務的數(shù)據(jù)分析和模型建立工作項目組中的一員，就簡單地從信貸風控角度給大家分享下數(shù)據(jù)分析師是如何幫助公司創(chuàng)收的。

總體而言，信貸風控可以分為貸前、貸中、貸后三個環(huán)節(jié)，其中數(shù)據(jù)分析師的工作主要集中在貸前的風險識別和貸中的風險監(jiān)控及預警。

貸前環(huán)節(jié)主要從信用、多頭、欺詐三個角度考慮，良好的識別能力可以有效降低整個信貸業(yè)務中超過70%的壞賬發(fā)生幾率；貸中監(jiān)控主要監(jiān)控運營指標、風險指標和模型效果三方面，能夠幫助風控人員掌握整個信貸業(yè)務的風險狀況和及時調整貸前審批策略；貸中預警則是提前給出資產(chǎn)池和個人兩個維度的預警，通過一系列貸中調節(jié)措施及時止損。

玉衡風控服務概述

對于貸前風險識別，我們整合了京東側數(shù)據(jù)和外部數(shù)據(jù)，利用機器學習算法，給出了每個用戶申請節(jié)點的信用評分、風險等級、多頭等級、欺詐等級、建議額度利率以及40個風險畫像，利用這些豐富的數(shù)據(jù)工具，不同資方的風控人員可以定制化信貸審批和定價策略。

同時我們知道，在貸前環(huán)節(jié)通過率和壞賬率是一個tradeoff：通過率過高的話壞賬率自然提高造成損失，通過率過低的話雖然控制了壞賬率，但是也浪費了很多優(yōu)質信貸客戶。

這個時候數(shù)據(jù)分析師們，會基于豐富的歷史數(shù)據(jù)，給出建議的玉衡使用策略，幫助資方實現(xiàn)創(chuàng)收。

在下面的這個實際案例中，某城商行在今年7月份設置的風控系統(tǒng)擋板，攔截信用評分較低的用戶，單申請用戶收益環(huán)比提高44%；8月份在擋板基礎上進行用戶分群策略，針對高分用戶放松其他審批策略從而提高通過率，單申請用戶收益環(huán)比提高了62%。

貸中監(jiān)控及預警功能作為貸前風險識別的補充，以統(tǒng)計看板的形式，對運營、風險、模型三方面進行監(jiān)控，在這一模塊中數(shù)據(jù)分析師的能力更加不可或缺。

有經(jīng)驗的分析師可以根據(jù)統(tǒng)計看板中的關鍵指標變化，例如UV轉化率、申請通過率、提現(xiàn)通過率、首逾率等，了解目前整個信貸業(yè)務的運營情況，并且給出相應的解決方案提升收益。

對于UV轉化率低的問題，分析師可以建議更多的營銷活動來吸引用戶到信貸平臺上來點擊和申請；對于申請通過率低的問題，分析師可以給出高凈值用戶放松審批策略的建議；而對于首逾率升高的問題，分析師則可以制定相應的貸中動作，比如降低額度甚至凍結賬戶，將預期到的資產(chǎn)損失扼殺在萌芽中。

貸中功能各家資方目前還都剛剛接入處于試運營階段，后期有典型案例的話可以再給大家分享。不過下面這張圖已經(jīng)很好的總結了我們風控服務中，貸中模塊的功能。

貸中監(jiān)控功能

以上內容雖然是以我自己比較熟悉的信貸風控領域為切入講述了數(shù)據(jù)分析師是如何幫助公司創(chuàng)收的，但是抽象一下可以總結為如下工作閉環(huán)：

基于歷史數(shù)據(jù)制定業(yè)務策略—>監(jiān)控線上業(yè)務數(shù)據(jù)—>積累更多歷史數(shù)據(jù)優(yōu)化業(yè)務策略，這也就是現(xiàn)在很多互聯(lián)網(wǎng)公司強調的量化運營的能力。

誠如正如最高贊的答案所言，大多數(shù)公司的創(chuàng)收暫時還不需要數(shù)據(jù)分析師的介入，但是在一些數(shù)據(jù)化程度相對較高并且業(yè)務發(fā)展遇到瓶頸的行業(yè)比如金融和互聯(lián)網(wǎng)，越來越多的人開始討論所謂精細化運營的下半場，也更需要我們數(shù)據(jù)分析師們在公司的創(chuàng)收大計中添磚加瓦。