開發申請評分卡第一步幹什麼？

作為「大講堂」金融評分卡系列課程的開篇，我們今天先來聊聊數據導入這個環節前大家需要準備的事情。

在開發信用申請評分卡之前，最基本面的工作就是梳理理解數據。不要自認為知道這些欄位的中文意思、來自哪張數據表就可以了，還要儘可能的去了解這些數據是從生產庫怎麼生成的，也就是說這些可能用到的變數數據還原到業務中是怎樣的衍生過程，當然如果你們是直接從生產庫里挑選數據提煉到建模表上，那麼恭喜你，可以花更多的時間去梳理整理數據了，建好的模型也會更穩定準確。

現在很多科技數據公司一味的去強調演算法、大維度變數，但卻忽略了業務數據的理解，做出來的模型自然也就與實際業務偏差很大，就算是ks為0.5以上也是很難實際落地。

變數業務理解梳理，儘管很繁瑣，卻尤為重要。

對於現在很流行的cash loan業務，客戶申請的三基本要素：姓名，身份證、手機號（不要傻傻認為申請時只要你三要素，這是個幌子，通過用戶授信、SDK抓取，everything，yes，everything都可以拿到，畢竟隱私這種事說說就算了）。

對於一個客戶填寫了這三要素之後，業務生產庫里就會存在name、idcard、phonenumber三個欄位去存儲每一個申請客戶的數據。如果對於建模的你來說，沒有許可權看到生產庫的數據，只有數據倉庫給你使用，你從數倉里看到了sex、province、city、sex、Valid_period_of_ID_card等等。這些欄位都是從生產庫里衍生出來的，有些是業務邏輯需要，有些是報表需求。

更多關於評分卡文章和視頻可以關注「你我金融圈」，最新一期風控訓練營也在招生中

就以身份證idcard為例，一個申請客戶提供了idcard：440306199005113437，申請時點為2017.10.28，

18位身份證號碼各位的含義:

3-4位地級市、盟、自治州代碼；

根據身份證編碼含義，我們就可以在在數倉里衍生出如下欄位

小科普板塊

對於Valid_period_of_ID_card這個變數的衍生，大家首先要知道身份證號的含義，還要去測算申請客戶目前是第幾代身份證，然後去了解關於身份證法對於身份證有效期的劃分標準，最後根據客戶申請時點去測算他目前的身份證還有多長的有效期。

Valid_period_of_ID_card這個衍生變數可以在策略規則和建模中使用，比如身份證有效期較短的客群通過歷史數據分析發現在公司cash loan中大佔比為騙貸客戶，策略引擎里已經設置了強拒絕規則，那麼我們在建模的時候，就要把身份證有效期超出相應規則界限的客群剔除掉，直接排除這部分數據進入評分卡模型的訓練樣本，可以很好的排除這部分客群對模型的干擾，提升模型的區分好壞能力。

回歸正題

假如現階段公司cash loan業務限定只給予年齡在20-35歲，非廣東區域的客戶進行放款，產品業務已經明確了各個維度的限制，那麼我們在數據導入前，在了解了衍生變數的業務邏輯之後，很明確的知道這個申請客戶是不可能進行貸款的，不滿足業務要求的客群也是應該通過相關變數進行排除的，這就是我想跟大家聊的梳理理解數據的重要性。

理清數據的來源，也才能更方便的讓我們腦洞大開地去創造變數！

一句話概要：數據建模評分卡，業務理解是第一