3、信贷历史（信用卡数量、还款历史、房贷信息等），这部分是央行征信查询获得的。

　　4、行内数据（存款额、卡数量、用户等级等），这部分是存量客户在某行存款、开卡等记录。

　　1、欺诈风险用到模型主要是社会关系网络模型，通过每笔案件之间的关系，判断新案件是欺诈申请的可能性。

　　小额现金贷最主要的是欺诈风险和多头。逾期后以电话催收为主，所以要从通讯录和运营商数据深挖特征，减少用户逾期失联带来的催收困难。

　　特征主要从上面原始数据衍生出一量或者第三方公司输出的变量，通常需要根据iv值等指标进行筛选，才能加入模型。

　　一般模型会以ks值和auc作为评价指标，ks大于0.4，auc大于0.8为优，但指标过高也要评估模型是否过拟合。

　　信贷行业一般包含欺诈风险和信用风险，欺诈指故意骗贷，没有还款意愿。信用风险指各种原因未能按期偿还，有还款意愿但暂时不具备还款能力。具体会有通过率和逾期率，坏账率等指标来衡量。

　　数据方面包含借款申请人填写的基本资料，通讯录，通话记录和其他运营商数据，以及在其他第三方平台提供的黑名单和其他借贷平台借贷还款数据，和app抓取的手机数据，有些还包含人行征信，社保公积金工资银行流水等数据，针对不同额度和客群需要用户填写和授权的资料不一样。

　　2、信用风险主要用到模型是逻辑回归建立评分卡（也有的用决策树），量化新申请人可能违约的概率，根据评分高定不同的授信规则和催收策略。

　　现在很多金融机构都能够用大数据模型自动做出决策，大数据风控也用到很多场景中，比如租房分期、手机分期、二手车等。前几天本人刚刚通过某知名房产中介的app，贷款租了一套房子，全程无人工审核，两分钟搞定，非常便捷。

　　风控不是风险越低越好，而是要控制在一个合理水平，根据不同风险对客户(额度，期限，费率)进行定价。

　　很多行业会用到风控这个词汇，像券商、保险、银行甚至制造业，都会设置风控这个岗位，风控的意义是通过各种手段去管理可以预见的风险，保证公司业务的收益。

　　本人做的是个人贷款风险建模，对其他行业不是很了解，这里主要讲个贷。个人贷款的风控具体通过反欺诈、信贷策略、审批、贷后管理手段保证贷款本金和利息能够收回。

　　1、申请表数据（身份信息、收入水平、工作单位风控、联系人等），这部分是申请贷款时客户自己填写的。

　　模型效果评估指标大同小异，KS值，GINI系数，ROC等都是评价模型区分好坏客户的能力，以目前我国数据质量来看，一般来说KS达到37以上就不错了。再一个是人群稳定性PSI指数，当客户趋于不稳定时，就该重新调整风控策略，或者重建评分卡了。

　　每个行业不一样，单以个贷来说，每家公司的优势都不尽相同，目前做消费贷款的公司既有企业，也有网商，还有银行系。这个问题真是不好回答，只能说八仙过海各显神通吧。