互联网金融公司风控实习生报告

互联网金融公司风控实习生报告一、摘要

2023年7月1日至2023年8月31日，我在一家互联网金融公司担任风控实习生。核心工作成果包括参与构建信用评分模型，通过分析用户历史数据、交易行为及设备信息，将模型准确率从82%提升至89%，覆盖用户样本量达10万。运用Python进行数据清洗和特征工程，处理的数据量日均约1.2GB，有效降低模型训练时间20%。通过机器学习算法优化，对高风险用户的识别准确率提高15%，直接支持业务部门减少约3%的坏账损失。提炼出的特征筛选方法论，将模型迭代效率提升30%，该方法已应用于后续项目。

二、实习内容及过程

实习目的呢，主要是想看看风控这块具体是啥样，学点真本事，为以后搞点事情打基础。单位嘛，就是一家做在线贷款的，搞P2P后来转型做平台，规模不小，用户量上千万。我实习那段时间，正好赶上他们优化用户准入端的策略，所以主要就是跟着做模型和数据分析这块儿。

实习内容具体说说，7月10号开始接触项目，第一个月主要是熟悉业务和数据处理。他们那个系统挺老的，数据接口不太规范，很多字段缺失，得手动匹配好几次。我每天花大半天时间在清洗用户的基础信息、行为日志，用Python写脚本，一天能处理大概五六百条记录，虽然慢但挺扎实。后来接触到他们的评分卡模型，用的是逻辑回归，但参数调得有点离谱，准分子数不高。导师让我帮忙优化，我就重新做了特征工程，筛选了三十多个变量，用了Lasso回归做降维，跑了两天数据，准确率从原来的68%提到了72%，虽然不算天才，但导师还是挺满意的。这个过程中，我第一次完整地经历了从数据拿到模型输出的全过程，明白了特征重要性排序是怎么来的，哪些指标对预测影响大。

第二个月开始上手项目，参与了一个新用户的反欺诈模型搭建。8月5号接到任务，要求一周内出个初版模型。用户行为数据太散了，有些用户的注册信息都不全，一开始想用XGBoost，但样本不均衡，模型总偏向多数类。后来学了一个新东西，叫SMOTE，过采样处理了一下负样本，再跑模型，AUC从0.65提升到0.78。虽然最后没上线，但这个方法我记住了。期间还遇到过服务器跑模型卡死的问题，因为数据量太大，本地电脑处理不了。我学了怎么用Spark分块处理，把内存优化了一下，总算跑完了。这个过程让我意识到，搞风控不能光会算法，还得懂点工程，不然想法再好也实现不了。

实习成果最明显的，就是参与的那个特征工程优化，直接让部门后续的模型迭代时间缩短了快一半。他们之前每个模型都得重新跑一遍变量，我整理的那个特征库，只要数据格式对，直接套就能用。虽然听起来小事，但能省不少功夫。最大的收获是，风控不是闭门造车，得结合业务，比如某个特征的异常值可能不是坏数据，而是用户特殊行为的体现，得具体分析。之前我总想着用数据说话，现在明白了，有时候业务逻辑更重要。

遇到的困难有俩。第一个是数据质量问题，有些接口返回的是空值，得跟业务部门磨嘴皮子才肯改。第二个是模型解释性，领导要模型能解释为啥拒贷，我用了SHAP值可视化，但太复杂了，最后还是导师教了我用决策树规则简化，把关键原因列出来，这样业务部门才好懂。

这个实习让我看清了，想做好风控，得既懂技术又懂业务，还得会沟通。现在觉得，职业规划上可能要往数据分析师方向发展，风控虽然好，但分析的角色更吸引我。单位的管理嘛，感觉挺混乱的，不同部门数据不共享，我跑了仨星期才拼凑完整数据集。培训机制也不太行，就给我扔了个手册，没人带。岗位匹配度上，感觉我学的理论用得挺多，但实践技能还是差得远，比如SQL写复杂查询就卡壳。要是能早接触点数据库操作就好了。建议他们搞个新人培训计划，至少每周安排个导师带一下，再就是把数据平台开放点，别那么死板。

三、总结与体会

这八周，从7月1号到8月31号，感觉像是从理论世界猛地闯进了实践现场。一开始去的时候，心里挺没底的，就想着多看多学，结果真被现实教育了。最大的价值闭环，就是当初学的逻辑回归、决策树这些，真到了手里面处理数据，写代码，最后看到准确率从78%提升到82%，那种感觉太不一样了。以前觉得模型就是书本上的公式，现在明白，得跟用户行为数据真刀真枪地打交道，哪个特征重要，哪个阈值合适，都得反复试。这段经历让我知道，学的东西能不能用，关键看能不能解决实际问题。

对我职业规划的影响挺大的。以前觉得数据分析师和风控工程师差不多，现在看，风控更考验综合能力，不仅要懂算法，还得懂业务，还得能跟人打交道。这次实习让我确定了方向，以后想往数据分析师这条路走，但得先把SQL学扎实，现在写查询语句还老出错，太耽误事了。而且，风控那边用的反欺诈模型，像图计算、深度学习这些，我都没接触过，看来接下来得重点补补这些课。如果有机会，真想考个相关的数据分析师证书，把技能再系统化一下。

看着公司那些系统，觉得互联网金融的风控未来还得在数据整合和模型实时性上下功夫。现在数据源太分散了，用户在哪个APP操作，哪个设备登录，得串起来分析才准。而且随着AI发展，模型自动迭代、在线学习这些肯定成趋势了。这次实习让我觉得，学校里学的只是基础，行业里每天都在变化，不持续学习真的会被淘汰。心态上最大的转变，就是责任感吧。以前做作业对错无所谓，现在写个代码，处理的数据涉及用户贷款，稍微有点问题就可能导致损失，压力是真的大。这种压力其实挺好的，逼自己把每一步都做得更仔细。

以后啊，打算把这次实习没做好的地方补上，特别是数据库和复杂模型这块。手头那仨星期的数据处理脚本，还得再优化，效率上还能提高。感觉这次实习最大的收获，不是学到了多少新技能，而是明白了从学生到职场人，得有啥叫担当，得学会跟各种人打交道，还得有抗压能力。这些比单纯会几个算法重要多了。

致谢

在这次为期八周的实习中，从7月1号到8月31号，得到了很多帮助。感谢单位提供了这个平台，让我能接触到真实的业务和风控场景。导师在项目上给了我很多指导，尤其是在特