课程大纲：

农商行数据建模

课程大纲
第一节：数据模型——数字化转型的核心能力
一、什么是数据模型
1、数据模型（Data Model）是数据特征的抽象。
2、数据模型是数据库管理的教学形式框架
1）数据结构。 
2）数据操作。
3）数据约束。
3、数据模型的优缺点
二、数据模型关键词
1、数据模型是一组符号集合
2、数据模型是用来描绘、沟通数据需求的
3、数据模型是简单易懂、标准的
4、数据模型是便于计算机实现的
三、为什么需要数据模型？
1、各方达成共识的有效工具
2、提供观察系统的整体视角
3、规范业务规则的概念含义
4、有效沟通需求的重要媒介

第二节：数据模型建立与应用 
一、数据建模标准流程
1、数据准备——洁净数据与混乱数据
2、数据清洗——缺失值、冗余值、错误值等等
3、数据初步探索性分析——箱线图、频率直方图、热点图等等
4、变量筛选——单因子变量分析、变量聚类、回归森林等等
5、模型开发和筛选——线性模型、机器学习、深度学习算法
6、模型监控——逻辑回归、神经网络、决策树、支持向量机
二、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
三、评分卡开发步骤
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
四、大数据风控技术与数据建模
1、生物特征识别
2、机器学习与模型迭代
3、大数据风控决策平台
五、建模过程示例

第三节：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*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：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)
三、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）

第六节：建模数据来源与场景选择
一、精准建模的数据来源
1、H5渠道
2、API渠道
3、SDK渠道
二、如何选择第三方数据源（以黑名单为例）
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、银行与第三方联合建模——解决方案详析
2、内部数据探索——标准与应用
3、外部数据匹配——如何选择???
四、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
五、D类调优、A类调优及数据模型调整
案例讲解
六、信用多头策略与数据模型调整
案例讲解

农商行数据建模