•通过算法设计与统计学课程,系统掌握评分卡、逻辑回归等经典风控建模方法,能够独立完成变量筛选与模型训练。
•借助 Python 与 Java 语言基础,完成过欺诈检测模型的开发与验证,在测试集上实现了 15% 的欺诈识别准确率提升。
•结合数据库系统知识,设计并实现了风控特征存储架构,有效保障了特征数据的一致性,为策略迭代提供高质量数据支撑。
大数据风控建模分析师风险评分卡信用评估模型迭代
北京
•主导搭建消费贷风控评分卡体系,整合多方数据源进行风险画像刻画
•采用集成学习与统计方法相结合的策略,完成特征工程与模型迭代,KS值突破0.45
•协同产品与运营团队,基于客群分层制定差异化准入规则,逾期率下降18%
•建立模型性能监控看板,定期输出稳定性分析报告,支撑信贷策略动态调整
•搭建实时反欺诈决策引擎,融合设备指纹、行为序列等多维数据构建风险特征
•引入时序模型与图算法识别团伙欺诈模式,可疑交易拦截率提升35%
•搭建策略实验平台,支持多版本模型灰度验证,缩短策略上线周期
•设计模型生命周期管理流程,实现自动化监控与告警机制,保障系统7×24小时稳定运行
•项目目标为重构消费贷审批流程,提升风险识别精准度与业务效率
•梳理5年历史信贷数据,完成数据清洗、样本筛选与变量筛选工作
•对比逻辑回归、XGBoost等多种算法表现,采用WOE分箱与IV筛选构建特征体系
•最终模型AUC达到0.78,审批时效提升25%,首逾率下降12个百分点
•整合用户行为、设备信息、交易流水等多源数据,构建实时特征计算链路
•运用图计算技术识别关联账户网络,捕捉团伙欺诈行为模式
•系统上线后累计拦截可疑交易超10万笔,欺诈损失率下降50%
数据治理与风控洞察:
熟练运用 SQL 完成风险指标提取与清洗,搭建自动化指标监控看板,支持实时预警机制,向业务部门提供可执行的优化建议。