策，計謀、計策等，我們常常用作“策問”、“對策”；略，舉其要而用其精、用功少者皆曰略，也有謀略之意。所以策略是根據形勢發展而制定的行動方針和鬥争方法。在信貸領域，我更覺得策略是可以實現目标的方案集合。

優秀的策略的同學一定需要邏輯清晰，頭腦清楚，對應輸出的策略方案和文檔才會條理分明，結構嚴謹。身邊不乏有資深從事多年的策略的朋友，每每閱讀其輸出的策略文檔讀起來必也會大有裨益，掩卷仍覺手有餘香。

作為風控中重要的策略崗位，其日常需要整理的工作又有哪些，風控策略師平常需要完成的工作有哪些？

稍微總結，如果全流程來看，策略分析師在以下三個模塊，都可以覆蓋，需要完成的工作細則又有以下内容：

貸前策略工作：

一.策略冷啟動，完成整條數據鍊條的策略部署

a.策略部署

b.埋點需求溝通

二.數據分析調優

a.産品獲客數據分析

b.通過率調優

c.逾期率調優

貸中策略工作：

貸中監控，完成風控的監控工作

a.資産監控分析

b.續貸客群的複購率分析

貸後策略工作：

貸後監控，完成各資産催回來的分析

a.資産的逾期預測與催回來分析

b.績效人員的催回率分析

......

以上全流程如果都覆蓋，至少是5~10年以上的從業經驗，番茄風控文章在覆蓋策略的内容中，相關的模塊文章可參考如下：

1️⃣資料分享|二次風控流程中的變量與

2️⃣規則明細兩種最易上手的額度策略及評分策略

3️⃣了解下貸前審核拒絕規則的内容

4️⃣風控規則中的随機策略風控中的新戶與老戶策略

5️⃣規則挑選此三法，後浪學會變巨浪基于

6️⃣串行規則流的黑名單跟準入

7️⃣自動化審批決策樹助你面試更上一層樓

剛好，最近番茄學院也有講到以上内容中的其中一環：策略調優。本篇就借由Andy老師的授課的内容，跟大家詳細講解下策略調優——調優中的逾期率的分析。

策略問題的分析我們借鑒問題分析三步法跟大家闡述，分别是：發現問題、分析問題、解決問題

因此對逾期率的數據分析，我們仍可從以下三個維度展開：

一.觀察數據波動情況---------發現問題

二.羅列數據波動的原因-------分析問題

三.尋找解決方法--------------解決問題

一.分析逾期率的時，我們觀測到數據某段時間異常波動(發現問題)

其中：逾期率=逾期單量/到期單量，這裡的逾期率我們選取的是首逾30 的比例（為什麼選擇逾期30 而不是dpd90 ，大家可以思考下)。

逾期率上升的時候，從公式上也可以知道，要不就是分子逾期單量上升導緻，要不就跟分母到到期單量下降相關，

二.觀測數據波動的情況(分析問題)

我們碰到這個情況，需要提前思考幾個問題，即數據波動是産品的原因造成的如該産品就是高息高風險産品，還是評分卡下沉或規則客群下沉造成的(如疫情期間到客群下沉)，還是數據正處于測試階段如黑名單驗證等。

在這裡，我們如果發現是測試數據下沉的，我們需要将這部分數據剔除後，再去計算逾期數據。如果剔除掉測試數據後仍發現逾期數據跟之前有較大區别，證明是因為測試數據所引發的數據波動。

如果剔除掉該測試數據後，逾期率跟之前無較大區别，我們懷疑是造成逾期數據波動的原因有以下情況：

a.催收率的下降

b.策略調整造成

深入分析：

2.1.是否催收率的下降造成的逾期率下降?

分析逾期率跟催回率的報表，詳細的數據如下：

以上到數據呈現顯示，首逾率并沒有太大的波動，按照業務流程可基本确認為催回率下降所造成到逾期率下降。

2.2.是否為具體的策略調整造成？

另一種情況，當我們分析資産的催回率并沒有太大波動，發現這波資産到逾期率本來就高，我們發現是客群下沉或者是某些具體規則調整所引起的數據波動。

進一步我們分析出影響波動較大的具體規則。

三.如何降低逾期率(解決問題)

3.1.是因為催回率的原因造成的

回到剛才的問題，如果發現是因為催回率的原因造成的，我們需要：

a.與催收人員溝通了解實際導緻催回率變低的原因,按照催收策略複核執行到位率;

b.根據具體情況解決催收問題,如:人力吃緊/沒有可催電話等

3.2.是因為策略調整的原因造成的

直接分析每條規則特征進行IV值排序,然後将暴露風險的規則進行收緊。IV值越大,特征效果越好,需要對IV低的規則進行修複,重新分析;

以上所提到策略分析的内容，更詳細到内容可以參考番茄學院Andy老師講課内容：貸前決策部署與策略調優

原創文章

...

end