盘点风控流程中不同环节的评分卡

今天来盘点在风控流程中不同环节的评分卡，你肯定会说，不就abc卡吗？有什么好盘点的，的确评分卡就ABC卡，但是A也分好多种，先从最熟悉的A卡说起。

一、申请评分卡A卡

1.申请端最前面

这种卡本身开发的时候就想着当做拒绝规则用的，在开发的时要很大的确定e层（假设你的评分卡最后分为ABCDE层，A层最好，E层最坏）的拒绝率，因为在最前面的这种评分卡，e层的客户都要拒绝掉，这里的评分卡就相当于一条组合变量的策略，这里你们可能有疑惑，为什么要把评分卡当策略。

这里我就要多嘴的跟你说一下，在申请流程中的拒绝规则的排列组合了，拒绝规则的排序遵循以下这条规则：自有规则优先于外部规则运行，无成本或低成本的规则由于高成本的规则运行，消耗低性能的规则优先于高性能消耗的规则运行。

那这里说一下为什么会有一些拒绝规则是才用模型的形式，其实你就这么想就可以了，你们风控拒绝规则里面也有买一些第三方公司的什么什么分的产品在做拒绝，你把模型做出来，客户有评分，这套路跟你建模之后把模型当做拒绝规则也是一样的，只是你还为公司省了买第三方评分的钱。那么本质原因还是想提高通过率的同时又拒绝掉一些绝对坏的客户，中心思想就是提高识别客户的准确度。

那么好的，以上说的你要是已经知道了，那就当我在说废话，不知道的，那就当了解，那么回归到模型本身，那这类模型要注意的是什么，这类模型做的时候，就是尽最大的可能找出坏客户，说白了，如果当做拒绝规则的话，谁管你ABCD层是什么情况，反正等下还有其他拒绝规则。这种模型的在做的时候，需要注意一点就是，你这是可能要放在进件规则（进件规则可以理解为产品的客户要求，例如客户一定要22岁以上，这就属于进件规则）之后的第一关规则的，这时候，你要么坏样本里加入一些之前拒绝样本，要么就是建完模型之后一定要做拒绝推断。

2.申请端中间

在第一点中，我们说了，拒绝规则会根据是不是自己的，价格高低啊，性能耗费啊，排顺序，那么更高端的规划是，在我先用评分卡将客户分层几等（假设分为三级：A、B、C级，C级的客户最差），根据客户分的等级进入不同的拒绝规则系统，客户优质的A层，可能过的规则较少，且便宜一些，可能流程也比较快，B层就是一般客户，按照正常的流程来，C层的客户最差，可能要经历的规则已经流程相对繁琐一些。

这类模型跟上面的模型不同的是，你要控制的是A、B、C层的每一层客户的逾期的差距，保证A层的客户优于B层，B层优于C层，这种模型的难度比第一难一些，建议使用一些相对致命的变量，上面叫致命变量以及相对致命变量，致命变量例如：是不是本人啊，工作信息是不是造假啊此类，发挥你们的思维。

相对致命的就是类似一些多头数据啊，消费信息啊，发挥你们的思维，我点到为止，毕竟行业内的信息，不透漏太多为宜。这个模型也需要做拒绝推断。

3.申请端后面

这类模型一般是客户的信息已经过了重重的规则来到这步，这一步要是有人工，那就是人工+模型评分决定批不批，如果没有人工，那就是模型1+模型2+模型3….决定批不批。

这类模型的特点是你可以不涉及到拒绝客户的类型，这句话的意思，就是你可以不做拒绝推断，因为你本身衡量的是满足公司风控流程中的拒绝规则，这个模型主要用处是用来给客户评级的，建议可以使用一些负债，资产的情况的变量，那当然你们有其他消费变量更好，这个根据公司具体的情况，有什么变量用什么变量。

二、行为评分卡B卡

B卡，主要是存在于授信的借款产品，对客户的额度做一个调整，那么这种模型银行的信用卡的中心做的比较成熟（银行可以在贷后进行客户征信查询，但是我所了解的到的，其他机构貌似是不可以，就是你不能在征信上看到一条，某某消费金融公司 贷后查询 的查询记录）。

那么B卡的一个思路是：分数的波动，这里就不说那种疑似套现模型这种不知道怎么表述公司用不到的心疼。那么我个人认为B卡在调额这种模型，在于一个动态的观察，就是我现在做一个B卡，建议用的是客户不用授权的数据（就是行业实际在变动的数据，例如多头数据），那么每个月找一个固定的时间，你要是害怕，每半个月一次也可以，跑一次客户的评分，如果客户评分升高了，那么你给他提多少，如果客户分数降低了，那么你给他降额。这是用单一模型的调额。

那么也有另外一种，就是你的变动的分数跟你现有的客户的一些硬性数据，譬如你可以拿到客户真实的月收入，或者跟客户的账龄做交叉。做更细致的调整额度的动作。

以上都是基于你们公司有足够的数据做B卡。

三、催收评分卡C卡

催收评分卡，这个卡的难度在于，之前客户所有的征信信息以及申请属性信息将没什么用，为什么呢，因为如果他这些资料有问题你也不会给他放款，所以这时候这些资料会影响你来定义他有多坏。

这时候你有的用的数据，就是他的历史表现，还有第三方数据，对的我又要说多头数据了，当然还有其他数据，制定催收评分卡。

催收评分卡评分验证，即你看在公司历史客户中会不会低分的客户更容易进入M2或者M3,就这个思路，你自己把评分卡分下等级，例如A级的客户从M1变成M2、M3的占比就是5%，但是B级的客户从M1变成M2、M3的占比就是10%。

以上都是基于你们公司有足够的数据做C卡。

还有授薪模型，疑似套现模型，反欺诈模型，其实这些本质上也可以归纳进上面的三类模型中，所以这里就不多提及，以上言论仅代表我个人，如果大神觉得我哪里说的不好，请在留言区给我指正，万分感谢。

来源|屁屁的sas数据分析

作者|屁屁

更多精彩，戳这里：