风控特征画像体系建设实践

用户维度画像

• 营销特征画像

• 贷前特征画像

1．客户基本信息 客户基本信息是贷前特征画像紧密依赖的一类数据，可以体现客户偿还能力。客户基本信息主要来自客户注册时自填，还有部分数据来自客户征信报告中的基本信息项。客户基本信息通常包含客户本人的基本情况，工作与收入情况，家庭情况，借贷信息，公共服务数据，以及地址类数据等。通过客户基本信息，我们可以描绘某类客户的贷前特征画像，如下图所示。客户注册信息与征信报告中均包含的信息项可以进行交叉验证，产生“是否一致”类特征并作为特征画像的一部分，这类数据作为交叉验证类特征，将在本节最后列出。

2．客户授权数据 客户授权数据是指客户填写、上传或授权抓取的数据。客户授权数据体现了客户的行为习惯、社会关系，这些数据有助于对客户进行风险评估。例如，客户使用的手机的品牌、手机价格是客户消费习惯的一种体现，结合客户的职业、收入情况等，我们可以评估客户的风险，如收入偏低但短期内用多个高端手机申请借款的客户，其违约的概率会偏高。客户授权数据通常包含设备指纹信息、联系人信息、手机应用列表和GPS位置信息等。需要注意的是，客户授权数据是在客户授权的情况下获得的，一些数据可能因客户未授权而缺失。贷前基于客户授权数据创建的特征画像，如图所示：

3．客户行为数据 客户行为数据包括App（前端）埋点数据、服务端埋点数据、消费行为数据和网页浏览数据。这些数据可以描述客户在操作行为上的偏好。贷前基于客户行为数据搭建的特征画像如图所示。

4．ID关联数据 ID关联数据是指多个标识客户唯一身份类ID的数据。此类数据中通常会隐含一些客户自身信息或客户之间的关联关系，通过挖掘这些关系，我们可以提升对客户风险评估的准确性。例如，我们可以将某客户的身份证号码作为索引，在数据库中，查询与此身份证号码关联的订单，以获取此客户利用其他手机号申请的订单，从而丰富客户画像。贷前利用ID关联数据可以生成的特征画像如图所示。

5．历史订单数据 历史订单数据反映了客户对历史订单的守约或违约情况，是贷前特征画像依赖的重要数据。我们可以从多个角度分析历史订单数据并生成特征画像，如通过唯一身份标识（身份证号、手机号、设备ID），订单类型（申请订单与放款订单），联系人和GPS关联订单，以及订单额度相关指标生成客户特征画像，如图所示。

• 贷中特征画像

1. 贷中行为及订单数据 贷中特征画像可以使用贷中客户行为数据、未完结订单数据、审批结果和还款提醒数据，使用这些数据创建的特征维度如图所示。

2. 客户授权数据及其变化 除贷中产生的数据以外，用户授权数据的变化信息也可用在贷中特征画像。客户授权数据的变化可能预示着客户违约风险的变化。挖掘相关特征，有助于我们捕捉这种动态变化，达到准确了解客户违约风险变化的目的。此类特征示例如图所示。

• 贷后特征画像

贷后特征画像可用数据维度分为两类：一类是包含贷后客户行为、审批结果和贷后跟进记录的数据；另一类是与贷前和贷中相比信息变化的数据。贷后特征画像的生成方式与贷前特征画像和贷中特征画像类似，此处不再赘述。

（本文来源：数据科学与智能风控）

原文始发于微信公众号（数据思考笔记）：风控特征画像体系建设实践