【數智洞察|精彩回顧】 王老師全面解讀數據建模，帶您進入新的風控領域！

應學員的強烈要求，華南首個針對企業信控實戰的建模課程，作為信控數字化轉型的重要關鍵，數智洞察于2021年12月17日在深圳舉辦了《企業信用風險管理數據建?！饭_課。

課程站在企業風控崗位的角度，告知了學員在企業實戰層面中，如何構建數據風險模型評估客戶，以及如何檢驗模型有效性確保評估結果可靠可信。

本次課程是王志剛老師梳理了以往的多個企業信用風險數據建模項目經驗，用相對易懂的方式，向學員們分享了現時流行的企業數據建?；A知識與技術應用，闡釋了企業信用風險管理數據建模的“各重要要素”，包括“模型的發展歷程以及作用”、“各基本模型技術的概念”、“涉及哪些基本算法”、“如何檢驗評價一個模型的好壞”等問題。

重要知識回顧

1. 信用評估技術，歷經的5個歷史階段：

“主觀判斷”﹥“分析模板”﹥“評分卡”﹥“評估模型”﹥“智能算法”

王老師：目前“智能算法”已成為信用風控評估的發展趨勢，并指出運用“智能算法”得到的統計模型，可用于在賬戶管理階段增加利潤減少損失，對于決策至關重要。

2. 信控基礎模型技術概念方面和專有名詞解釋及用途，例如“KNN(K-Nearest Neighbours)K值”、“shapelets”、“CNN”、“RNN”、“DTW”、“AUC”等。

王老師：每種技術都有著自己獨特的作用，我們不僅需要了解，還需要掌握它，才能在建模中很好地運用。

3. 大數據模型共有6個層次的運用，13種不同的統計算法。典型算法模型有：聚類、預測模型家族、決策樹、時間序列分析、運籌學算法、關聯規則算法、網絡分析算法、文本分析、生存分析等。

王老師：大數據信控模型的博大精深，我們需要了解這些模型的具體內容，對大數據有一個較為全面的認知，才能最終選擇合適的模型在企業中應用。

4. 企業在構建信用風險數據模型的過程中，主要有7個步驟。我們一般選用可解釋的建模方法——邏輯回歸。

王老師就企業信控建模的每一步驟展開了詳細教學，分享了在建模過程中的關鍵點和注意事項，幫助學員少走彎路。

5. 模型建立后，如何評估模型的有效性，讓老板放心，讓銷售信賴？模型檢驗方式包括：K-S值方法、混淆矩陣、ROC和AUC模型效能指標、PSI模型穩定型指標等。

王老師分享了不同模型檢驗的方式方法是如何表達的，我們可接受的能效范圍在哪里，方便學員未來進行模型測試和驗收。

學員反饋