1、风控模型定义：在市场化，且公司业务基本稳定，有了一定的风险把控（统计、经验值、）之后，嫩能形成规模化、自动化的一个过程，比较像传统企业中的生产流程图。
2、风控控制、模型、评分、策略、合规等都是服务于业务，脱离业务场景的风控模型和评分没有意义。且模型的更新迭代前提是前后有对比。
渠道（线上、线下）各家产品(针对人群)不同，产生数据的方式不同，产生数据不同。
在不同的城市获取的客户不同，没有对比性，模型无意义。
3、建立风控模型的基础是了解公司的业务模式：业务、风险定义。
纯线上客户来源：其他公司的换量，其他app引流，地推
4、如何开始建立模型分四个阶段：
step1：无经验、无数据——想做这个事
新公司、新行业、新产品如何度过这个阶段：新产品切入市场的市场点，跟业务、运营、市场，
如何获得数据：
例如学生，商品
step2：无经验、有数据——开始做这个事
step3：有数据、有经验——这个事靠谱
step4：数据优秀、经验丰富——做成这个事
风险定义：如何区别进件客户的好坏，好坏的标准如何定义——各家的大纲
6、从上数的纬度中，我们得出了不少与逾期相关的数据，对数据不敏感，就把所有的纬度都写到一张图上，然后慢慢匹配，哪些能成为后期你做模型的变量、因变量一目了染。
主要变量做出的图会呈现逾期区间，x自变量、y因变量，逾期分布图就出来了。
建模的核心是数据化，以数学公式的形式自动化，利用成图软件，做成模型
7、模型：一元一次，x自变量，y因变量，spss可直接导出。
通过上述情况以及Yes or no 得出一系列的数据，最终得出正常的目标客户的大致条件。
把逾期的客户不断打磨，得出稳定的逾期率，再逐渐转化为目标客户。
把不正常的客户逐渐剔除出去。
整理 特殊、正常客户
8、第一个月放款后，m1、m2、m3、打磨数据，打磨放款条件，
9、风控模型三个模块：业务、信审、贷后催收，
很多都是贷后催收数据。m1入催率，函数关系，
放款得有数据支持，
使用工具：spss，百度贴吧可下载，斜率，线性回归。偏离度，个案用加权。
随机变量：个案
10、成本核算：成本控制、把控权益，打磨风控模型的手段
问答：
1、风控模型基本不负债，业务区把控，新增客户可90%自动化，10%人工审核或设置条件触发人工审核。
2、类似评分卡，不断修正，没数据的时候，第一个月跑数据接触的是最全面的客户。初期第三方数据非常重要，第三方黑名单，自家逾期名单与第三方名单去匹配，不适应可以随时更换。
3、后面几乎看催收水平，逾期积累，权重问题。
4、模型判断的准确率：先有业务，大纲，先放款，再有风控模型自动化的过程。
5、前期第三方数据+一定的信贷损失（被骗），积累自己的黑名单，慢慢打磨出模型。开始几个月逾期率很高，60%，后期越来越低。前期人工为主，后期电脑自动跑，边做边维护。前期传递口碑，如果不敢放很多，会失去一部分客户。
催收为主。
6、
