(微信同号)第一模块 互联网贷款数字风控体系搭建
第一节：全新的数字化风控理念
一、传统金融机构风控体系
1、银行业传统风控体系
2、产业系金融机构风控体系
二、互联网贷款风控体系
1、一家专注线上业务消金公司的风控
2、一家非持牌机构的线上风控
三、风控理念的颠覆性差异
1、业务模式差异
2、客户群体差异
3、盈利模式差异
四、互联网贷款信用风险管理要点
1、覆盖全系列产品的系统平台
2、客户全生命周期管理
3、运用3000+鲜活征信大数据
第二节：信用评分模型建立与应用
一、SCORECARD建模方法论
1、 S = SAMPLING
2、 C = CLEANSING
3、 O = OPTIMIZATION
4、 R = REGRESSION
5、 E = EQUALIZATION
6、 C = ConFIRMATION
7、 A = ADMINISTRATION
8、 R = REVIEW
9、 D = documentATION
二、评分卡六大开发步骤
1、量化评分卡定义（A卡B卡C卡）
2、量化评分卡与专家评分卡
3、区别量化评分卡流程开发步骤
4、浅谈验证评分卡指标
5、评分卡衡量指标-ks值
6、专家评分卡流程开发步骤
三、大数据风控技术
1、生物特征识别
2、加速度传感。
3、机器学习与模型训练
4、大数据应用场景
第二模块 数字化风控审批策略
第一节：风控策略概要
一、多维度数据策略规则
1、社交及短信维度规则
2、移动设备维度规则
3、外部数据源规则
4、多维度评分卡规则
5、行为数据规则
二、风控审批策略的类别
1、经济能力维度(月收入、工资流水等信息)
2、app信息维度(贷款APP安装个数、短信命中高风险关键词)
3、基本信息维度(年龄、性别、工龄等信息)
4、信用历史(征信贷款信息、还款记录)
5、行为表现(活动轨迹、登陆时间、注册时间等信息)
二、风控基本量化指标
1、FPD（首期逾期）
2、CPD（当前逾期）
3、flow rate（迁徙率）
4、vintage（账龄分析）
第二节：数据主流获取方式
一、H5渠道
1、电脑端与移动端
2、微信公众号与小程序
二、API渠道
三、SDK渠道
第三节：数据分析常见场景及对应分析方法
一、三方数据源测评
1、SR（查得率）
2、CR（覆盖率）
3、ERR（误据率）
4、EDR（有效差异率）
5、IDR（无效差异率）
PS：以黑名单测试为例
二、准入策略的制定
1、基础认证策略
2、贷前反欺诈策略
3、黑名单策略
4、特殊名单策略
5、信用风险策略
三、风控白名单
1、联合建模
2、内部数据探索
3、外部数据匹配
四、黑名单策略
五、规则阈值cutoff的设定
1、通过评分找到风险被低估的区间
2、评估拟拒绝人群收益风险比
六、D类调优
七、A类调优
八、信用多头策略
九、评分的策略应用
第四节：策略规则VS数据模型
一、风险决策的架构
1、策略规则+评分模型
2、策略规则+模型规则
二、评分模型三大盲区
1、建模数据集VS实际贷款人
2、历史模型数据VS未来实际情况
3、目标变量界定VS实际商业目标
第五节：一键式智能数据建模
一、智能建模过程
1、自动识别变量类型
2、生成最佳决策树
3、机器学习模型迭代
4、由业务人员进行的策略管理
5、智能化策略部署
二、Sas建模流程VS智能建模流程
三、一键式智能建模银行落地实际案例
1、银行个人分期违约预测案例
2、银行小微企业信贷客户违约预测案例
第三模块 欺诈黑产业与网贷反欺诈策略
第一节：欺诈黑产市场现状
一、黑产数据
1、欺诈团伙
2、黑产从业者
3、经济损失
4、黑产市场规模
二、欺诈客群分布
1、按行业
2、按年龄
3、按地域
4、按性别
第二节：欺诈黑产产业链
一、三大类型欺诈链
1、羊毛党
2、信贷欺诈
3、盗号盗刷
二、信贷欺诈的主要方式
1、团伙欺诈
2、盗号盗刷
三、信贷常见五大欺诈行为
1、虚假联系人
2、虚假信息
3、资产类虚假资料
4、伪冒申请
5、团伙诈骗
第三节：黑产如何获取客户信息
一、拖库
1、技术手段
2、欺诈手段
二、撞库
1、获取密码尝试登陆
2、字典集合暴力破解
三、洗库
1、用户信息清洗倒流变现
2、金融账户盗刷
第四节：黑产工具与平台
一、黑产如何批量制造“真实”用户行为
1、改机工具
2、模拟工具
二、黑产“真实客户”养成工具
1、接码打码集合平台
2、猫池
3、群控
4、模拟精灵
三、黑产如何帮客户实现数据“整容”
1、固话转接
2、代养信用卡
3、银行流水制作
第五节：三大金融场景反欺诈策略
一、网络借贷欺诈参与方、欺诈行为及反欺诈策略
1、针对冒充他人申请
2、针对虚假信息
3、针对资产类资料虚假
4、针对虚假联系人
5、针对团伙欺诈
二、信用卡欺诈参与方、欺诈行为及反欺诈策略
1、针对冒充他人申请
2、针对失卡冒用
3、针对恶意透支
4、针对伪造信用卡
5、针对商户欺诈
三、电商分期欺诈参与方、欺诈行为及反欺诈策略
1、用户进入页面方式
2、用户浏览环节
3、用户注册环节
4、用户下单付款环节
5、商家套现
6、注册用户关联分析
7、产品价格虚高
8、销售额异常
9、客服交流异常
10、收货确认异常
第六节：网贷风控的命门——互联网金融反欺诈
一、全面防范欺诈风险
1、搭建全流程反欺诈管理制度
2、数据监控和欺诈分析相结合
3、欺诈流程和欺诈模型相结合
4、大数据与风控系统现结合
二、什么样的数据可以应用到反欺诈
1、按照数据来源区分
2、按照数据类型区分
3、按照数据使用场景
4、注意事项
三、反欺诈模型和信用模型区别
1、目标变量
2、模型特征
3、实时性
4、技术实施
四、反欺诈之手机设备指纹实施
1、设备识别
——IP 地址、cookie以及移动互联网特有的设备ID
——设备指纹（设备ID）
2、被动式设备指纹
3、主动式设备指纹
4、常见五类欺诈形式（略）
五、如何构建全流程反欺诈风控系统
1、数据接入、决策引擎、管理系统相结合
2、数据分析和反欺诈模型相结合
六、反欺诈工作落地实施方案
1、准备工作
2、部署要点
3、实施步骤
七、反欺诈方案调整解析
1、业务运营监控
2、策略模型监控
3、异常情况监控
第四模块 网贷不良催收策略与催收实践
第一节、网贷催收管理方法论
一、催收管理的核心竞争优势
二、确定金融机构的风险偏好
三、数据分析的策略艺术
四、自动化催收工具提高生产力
五、平衡催收策略对信贷规模及成本收益率的影响
第二节、催收管理的生命周期
一、国际最佳实践中，催收各阶段原则与策略
二、催收管理时间轴
三、策略性催收的核心关注要点
四、催收的基本原则
第三节、催收管理的体系架构
一、将催收被设计成一个综合管理处置体系
二、催收及回款的组织架构
三、催收的流程、策略及差异化管理
第四节、催收管理的策略实践
一、模型开发方法论——基于决策树模型的策略开发
二、策略设计方法论——结合数据驱动与评分卡
三、滚动率模型与冠军挑战者策略
四、智能催收机器人在催收中的应用
第五节、网贷不良资产处置的其他方式
一、自主核销实践与探索
二、持牌AMC的天然优势
