惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

J
Java Code Geeks
腾讯CDC
M
MIT News - Artificial intelligence
Y
Y Combinator Blog
L
LangChain Blog
Vercel News
Vercel News
云风的 BLOG
云风的 BLOG
GbyAI
GbyAI
Stack Overflow Blog
Stack Overflow Blog
Microsoft Azure Blog
Microsoft Azure Blog
B
Blog RSS Feed
The GitHub Blog
The GitHub Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
B
Blog
P
Proofpoint News Feed
H
Hackread – Cybersecurity News, Data Breaches, AI and More
博客园_首页
Google DeepMind News
Google DeepMind News
WordPress大学
WordPress大学
aimingoo的专栏
aimingoo的专栏
小众软件
小众软件
IT之家
IT之家
A
About on SuperTechFans
H
Help Net Security

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
金融信贷全流程详解——贷前策略搭建
FAL-金科应用研院 · 2023-09-16 · via 人人都是产品经理

其实,与客户风险对应的金融风控策略,也存在着相应的生命周期。这篇文章里,作者就对金融信贷中贷款前策略搭建的各个阶段进行了解读和总结,一起来看看如何完成贷前策略搭建的闭环。

想必大家都知道客户有全生命周期,与客户风险对应的金融风控策略,也存在着生命周期。今天就跟大家聊聊金融信贷中贷款前策略的全生命周期。

一、贷前策略搭建初期

在贷前策略搭建初期上线多少规则比较好?是不是一次上线越多规则越好?这可能是策略人员前期很头疼的问题,既怕上多了无效策略导致上线时间的延后,错失业务进入市场的最佳良机;更怕上线规则少了漏过一些坏人,导致前期的风险指标难以交代。

到底应该如何控制这个平衡?

其实,一般在业务上线初期,规则越少越好,最好要有一个MVP版本,且一定要能支持快速迭代。

具体原因有如下三点:

  1. 业务初期需要快速试水,摸清目标客群的自然风险情况,这样才能快速在产品层面进行评估和调整;前期试水和后期试水产生风险绝对值在量级上是完全不一样的。前期较少,也可以快速止损。
  2. 上线后策略的迭代优化,需要足够的样本量,前期更多的样本能帮助快速定位问题并补足漏洞,这样漏洞越来越少,业务拓广的信心也越来越大;同时,可以避免迭代时样本不够的尴尬境地,影响迭代速度。
  3. 初期缺少自身客群的Y值,无法准确量化定义前期策略的效用,所以一些不确定的策略均可离线观测。

二、贷前策略搭建中期

在策略搭建初期,通过快速迭代已经补足了一些很明显风险策略漏洞,也对初期上线的规则做好全面的复盘和调整,基本保证了线上运行的策略高效性。

在同客群的前提下,初期阶段各家金融机构在风险策略上还没有拉开明显的差距,除非某些金融机构先天在自有数据上有很明显的优势,拉开差距主要集中在中期。

在中期上线的策略规则数量会快速达到一个很高的数量,像火山爆发一样,而且会持续一段时间。原因是在贷前策略搭建中期,业务量已经达到了一个相对可观的量级,可以支持细分客群的量化分析,同时也具备足够的样本量。接下来就需要进行大规模的量化分析和策略迭代。

策略搭建中期,主要分为以下四个阶段:

  1. 进行大规模、有序的可用规则线上A/B Test,这个过程主要目标还是在找坏人,将测试无误的规则转正上线;
  2. 将这批转正的规则集合进行内部交叉分析,剔除杂质。简单来说,就是看有哪些规则是可以被其它多条规则所替代的;再将剔除杂质后的这批转正的规则集合与原有规则集合进行交叉分析,进一步剔除杂质;
  3. 在上述2步系统的完成后,接下来就要做回捞了。也就是在拒绝的客户中找一些好的客户捞回,这个时候也需要做大量的A/B Test,验证无误的规则转正上线;
  4. 最后就是对精炼的策略进行分类和归纳整理,形成完成的策略体系。

值得注意的是,在这个过程中,如果没有很好的规划,当进展策略整理和回顾时,就会出现无从下手的问题。

在这个阶段扩充的规则,并不是每次都是雷同的,不同的产品类型和业务场景,分析拓展出来的规则属性都不一样,这也是策略的难点,需要结合实际业务来调整。就像树的种子都差不多,但长成大树后形态是有差异的一样。

三、贷前策略搭建后期

经过中期策略系统的优化后,贷前策略体系主体已经基本完成,但是不是代表已经没有深度挖掘的空间了呢?

其实到这里,有挑战的事情才刚开始!

现在针对当前客群已经有了一套比较适合的贷前策略,接下来需要把这套策略上升一个维度,就是细分客群,做差异化审批。

所要优化的不是单个规则,而是优化整套策略,目标是适配各个细分的客群。

如果说中期的策略优化是保证当前产品的盈利性,那么后期的差异化策略则是扩大收益的利器。在做差异化审批的同时,主体的这套策略也需要优化,在这个阶段,主要是应对一些突发事件的优化,以及进件客群变化的应对调整。

经历这个过程后,将会完成贷前策略搭建的闭环。

当策略分析人员在经过日复一日的风险策略体系全生命周期管理后,因为其已经熟悉不同产品、不同客群的差异化审批策略,就能针对任何一个新客群、新信贷产品,在较少数据甚至没有数据可依的初期,设计出上线策略的MVP版本,才能够帮助业务在开展初期以最小的风险代价打下后期坚实的策略基础。

这也许就是,为何资深的风控策略分析师“拍脑袋”都拍的准的原因吧。

来源公众号:FAL-金科应用研院(ID:fintechapplab_sz),Make Fintech Easier And Smarter

本文由人人都是产品经理合作媒体 @FAL金科应用研院 授权发布,未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。