数据源|小贷公司的风控问题( 二 )_解决方案|消费者|汉堡王|蚂蚁

其他数据源稳定，就某个数据源KS下降很大，那问题是不是大概率就是它了？
它都有问题了，你还拿原来的样本，在已用的数据源上，找新的三方数据去提升效果，你说是不是自嗨？
如果数据源效果波动跟最终模型效果波动趋势都一致，那是不是可能就是你们客群结构变动太大了？
客群都换了，还去优化原来的样本，前朝的剑还能斩本朝的官？
即使找原因你什么都没找出来，对小贷公司来说最重要的是什么？
用户啊，模型上线跑了大半年甚至一两年了，这些最新的用户你藏着不用？更别说这个「即使」本身就很小概率。
上面的问题想清楚了之后，你还会采用最开始的做法吗？
02市面上可能几乎所有的小贷公司，都是满脑子想着做模型的，没有别的原因，就是不专业。
我提供一个办法，一个策略思维的办法。
你肯定选好了几个数据源，一部分是行业用的多的，起始阶段就用了，一部分是你们听说不错后来测试有效果接入了的。
假设这些数据源提供的就是评分，以及这些评分效果都没有问题。
就基于这些数据源，用历史数据，不断迭代策略，也就是决策树，或者划格子算交叉效果。
当然，模型可以更好。但模型不是重点，迭代才是。
不管你们是什么方案，按我下面的策略来做风控ABtest，最起码能超过7成的对照组。
战胜70%对照组的策略思维：

在最新n个月的样本上，计算选用的每个数据源评分的效果；
挑选效果最好的，和第二好的评分做交叉（例如各分十档），得到一个新的决策结果；
再和第三好的做交叉，得到另一个结果，以此类推；
交叉效果会越来越弱，提升不明显就可以停了，一般来说4、5个就足够了。为什么我没有说所有的做交叉，还不是因为太多了，10^5太大了。但不用担心，按上面的贪心思想的做法足够接近最优；
每个月甚至每周每日，监控各个数据源评分的效果，和决策流的结果，每三个月甚至每个月，重复步骤1-4更新整个决策流。

就这么简单。用上最新的样本，迭代整个策略，如有必要下线有问题的数据源。
说到这里，有些人可能笑话我满嘴跑火车了，我无法对我提的想法做任何回测，我也知道那毫无意义。
所以我解释了背后的逻辑，信则有不信则无，救生指南不是对每个人都有用的。
不要跟我说北美的玩法，也不要说国内银行的玩法，不要说那些常年不变的东西，你们小贷公司做这些是因为变化还是不变呢？
富贵险中求，不变的那些东西是你能挣的钱吗？
如果你们团队遇到了此类困境，但你没法去跟老板提，可以隐晦地让有决策权的老板看到我这篇文章。不敢说路子一定能走宽，但大概率能解决你们的很多烦恼。
03每家平台都说自己是数字科技，说自己可以精准地预测每个人的现金流，说发放的贷款不会有高坏账。马云也是这么说的。
这是狗屁资本主义的视角。事实是，鼓励超前消费、奢侈消费，是会系统性地降低未来收入的。
我们不要从资本的角度考虑问题，要看长远。
本来对于我们这些平民百姓而言，收入增长的速度就未必能赶得上经济增长的速度。
富人对利率精打细算，傻子才会去负担超过经济增速的利率。
哪家小贷公司不是针对穷人的贷款，不是在穷人身上刮油，有哪个小贷平台敢“明示年化利率”的。
当然了，它们现在必须明示。所以呢，我巴不得高利率的小贷公司批量倒下，消费信贷回归正统、回归朴素。
那我是在给小贷公司解决办法吗？是也不是，无论我说什么，小贷公司都不会听，我只是在和底层风控同学探讨交流。