CDA数据分析师

CDA数据分析师

考试报名
考试报名
考试内容
考试大纲
在线客服
返回顶部

风控这件事,一半是技术,一半是艺术

2022-03-25

作者:小伍哥

来源:小伍哥聊风控

大家好,我是小伍哥,今天跟大家聊个比较深入点的话题,技术好就能做好风控么?

风控算法或风控策略,确实需要很深、很广泛的技术储备,但是也需要很高的应用艺术和想象力。风控不像其他业务技术或算法,算法的出现本身就有了比较确定性的场景了,比如推荐,直接套用就行,但是很多算法在风控领域应用的时候,场景需要自己去挖掘和发现。

怎么抽象场景,怎么使用算法,就是一个艺术活了。下面用一个图异常检测算法的一个点举例说明。算法链接OddBall-图异常点检测

这篇文章,我相信很多读者看到是图算法,基本就放弃,认为需要要自己写很复杂的算法才能部署和实现,其实对这个算法充分理解后,简单的统计就能用了,难点在于对算法的理解,以及对业务中场景的抽象,我们看看这个算法的一个点。

算法如下:DominantPair(主导边)这个类型的风险,Dominant heavy links指“主导的边”,Ego-Net中存在某条边权重异常大,如下图所示。

风控这件事,一半是技术,一半是艺术

度量方法:主特征值~总权重,大多数节点Ego-net对应带权邻接矩阵中主特征值(principal eigenvalue,即最大特征值)~总边权重也服从幂律分布,其中系数 λ 表示Ego-net中边权均匀分布, λ 接近1表示存在DominantPair的情况,衡量的公式如下:

风控这件事,一半是技术,一半是艺术

我们来简化下这个算法思想:其实一句话,就是一个点有很多个邻居,某个邻居权重占所有邻居总权重的比例特别大

再来个更具体的例子:一个商家一个月卖了10000个订单,100个消费者,其中一个消费者买了9900单,那这个消费者占比9000/10000=90%,形成了主导边,那这个商家可能就存在异常。我们其实只要统计商家的总订单,以及每个商家-消费者维度的订单聚合,然后相除就解决了,这就是个简单的SQL计算问题,完全不用什么复杂的写算法。

风控这件事,一半是技术,一半是艺术

当然,这里的订单数可以换成金额

订单换成点击:可以监控恶意流量什么的

订单换成领券:可以监控羊毛党什么的

·········

商家和消费者也可以换成其他的角色,根据自己的平台设计这种监控指标,我觉得能发现传统发现不了的异常,因为很少有人这么思考过。

那消费者-换地址关系呢?情况就变了,权重大反而是正常的,小反而不正常,可能是黄牛什么的,因为正常人得地址,相对比较集中,就那个几个固定的。

风控这件事,一半是技术,一半是艺术

那消费者-充值手机呢?也是同样的,权重大反而是正常的,小反而不正常,可能是销赃款或者洗钱什么的。因为正常人,给自己手机充值,或者加几个家里人和同学什么的,有些账户给几千几万人充值,那可能就异常了。

风控这件事,一半是技术,一半是艺术

那这个是不是可以再抽象一点,比如消费者-购物类目关系网络,按道理,每个人的购物,基本均匀分布在不同的类目,有吃穿的也有用的,如果发现一个用户,大量购买集中在某些偏门的类目,那是不是有可能这个用户或者被购买的商家有异常?是不是要买制毒的原材料?是不是在图谋什么?或者在交易什么?

风控这件事,一半是技术,一半是艺术

每个公司的业务不一样,但是很多思路,都是可以顺着这个算法的结构去思考的,需要充分理解算法,充分理解业务,充分的想象力。

我们看到了异常检测,看到了图,但是要更加深入的去看到业务与之匹配的地方,多维度的思考,联想,并进行应用,才能让算法产生价值,所以,风控,不仅是技术问题,也是艺术。

风控挖掘的乐趣,大抵也在此了。

完 谢谢观看

完 谢谢观看