风险数据与系统交互的逻辑

爱总结的逻辑GO

跟数据打交道已经上十年了，在管理业务、产品运营、风险识别、数据产品等方面有过一些实践经验，爱总结的逻辑Go决定把日常的文本总结短文化，整理成体系，欢迎拍砖，更欢迎一起研讨：

系列一：风险与数据的逻辑

系列二：业务管理背后的数据故事

系列三：产品运营与数字游戏

系列四：如何打造数据产品

文 | 爱总结的逻辑Go

阅 | 完整阅读需要5分钟

议 | [email protected]

今天总结源于对智能风控的系统化思考，大数据风控不仅仅是概念，也不仅仅是数据合理化分析，算法预测的运用，更重要且更需要思考的是数据流如何配合工作流和决策流的需要，如何与客户进行良性交互来提升数据价值和风险决策。

整体风险相关系统的架构设计超出了本人的专业范畴，但是针对风险决策如何利用好大数据，如何良好的发挥作用，如何嵌套在具体的业务场景中可以通过几幅手绘来加强说明。希望可以更加直观，更加具象~~

在我看来，首先要清楚三个基础流程：数据流用来支持决策判断；决策流部署在数据流的节点上，做好风险决策；工作流是总指挥，不仅发布指令也需要及时听取数据流和决策流的战况反馈。

风险系统数据交互的设计理念——交互设计比系统功能本身更重要

数据的运用需要关注频次、变化、成本、衍生和响应~~

交互的规划思维决定了系统的发展空间和用户需求的满足程度~~

风险策略与规则有本质区别，不能把策略当成了规则~~

流程设计

1 数据流

风控的决策高度依赖数据质量和数据计算，数据流完整得贯穿了整条业务链，贯穿整个客户从“引入—申请—审批—放款—预警—催收”完整的生命周期~~

数据来自与客户交互的所有过程；来自业务受理过程中主动和被动采集的所有客户信息；来自对接的市场普遍认知的外部数据源~~

通过科学的数据清洗，整理，指标加工，变量衍生，参数设定等作为决策流的入参，提供决策依据~~

数据的调用需要设计，根据客户的行为触发哪些数据的读取，根据业务管理和监控的需要触发哪些数据源的结果更新，风险策略的调整需要数据流配合做哪些调整~~

（数据的采集和整理会在系列三和系列四中做不同角度的阐述）

2 决策流

先要解释一个误区，决策流可不仅仅在决策引擎里，事实上，决策流也是配合数据获取的先后部署在数据流的过程中的~~从客户输入第一个身份识别信息开始，就已经开始做风险决策了。

前端与客户交互涉及的OCR、人脸识别、身份录入都需要部署欺诈识别、频繁篡改、撞库行为等决策判断，优先在进入后续流程前就识别并拒绝高危客群~~

业务人员操作线上化，也需要部署决策，权限的授权、客户资料异常调取、数据异常导出等涉及操作风险的判断，也需要嵌入到决策流中做预警或者干预~~

决策流的设计要综合考虑决策效率的依赖性，如下三种模式各有利弊，依据业务场景的不同可以设计差异化的决策流程~~

3 工作流

也经常被称为业务流和审批流，是直接与客户、业务受理人员、风险审批人员发生交互的场景，对数据的调取，决策结果的输出均通过工作流来做整体控制~~

一般一个产品会设计一个相对稳定的工作流，且集中控制与业务全流程相关所有系统的交互~~

工作流像战区总指挥，向数据流和决策流发布指令，也在不同的业务节点接受反馈，做保持并调整下一步“作战计划”~~

小提示：交互设计很实用~~

近期预告：

风险八卦漫谈（四） | 欺诈策略与黑产的对弈

风险八卦漫谈（五） | 风险策略的部署逻辑

风险八卦漫谈（六） | 移动端埋点可设计的风险识别手段

分享值得期待

爱总结的逻辑Go

数字世界其乐无穷 总结分享学无止境