风控算法（一）——数据测试

下面的内容都是针对数据源测试的一些可能得问题：

1、请描述你在开发和执行数据测试流程时的具体步骤。

确定样本（对齐样本与时间，去除假样本）——确定特征（确认目前特征）——数据信息（返回的数据字典、收费方式、底层数据：特征、分数）——数据清洗（缺失值替换）——数据训练形成报告。

2、如何确定数据产品在风险模型中的潜在价值和适用性的？

AUC、IV、相关性、性价比、数据产品背景和领域

3、请详细描述你负责的10+数据源上线解析的过程。

根据三方数据公司返回的数据产品报表，自动集成至公司代码库。

4、在模型运行过程中，你进行了哪些监控和优化工作？

• 建立dashbord看板，监控不同数据源的数据缺失分布
• 编写监控代码，在linux上自动执行任务，定期更新报告

5、如何评估模型的效果和准确性？

线上效果与线下效果一致评估

 6、在评估过程中，你发现了哪些可以改进的地方？是如何进行优化的？

网络图展示各个数据产品之间的相关性，非线性相关去看相关性。

 7、请详细描述你在评估这些变量在优质、中间、次级客群上的识别效果时的具体方法。

在数据测试的时候，主要是利用mob3_ever10去看数据的效果，此时是不会划分客群的。这个时候其实主要还是根据违约风险去看数据源的优劣的。真的付费接入数据之后一般会选择贷前、贷中建立的特征以及不同客群使用的模型是不一致的。而且还是要看分箱差异性的。

8、贷前贷中的标签模型差异

• 贷前模型：标签主要基于借款人的还款表现，如违约、逾期等。

• 贷中模型：标签主要基于借款人在贷款期间的行为变化，如行为评分、滚动率等。