互联网金融服务公司风控实习报告_第1页
互联网金融服务公司风控实习报告_第2页
互联网金融服务公司风控实习报告_第3页
互联网金融服务公司风控实习报告_第4页
互联网金融服务公司风控实习报告_第5页
全文预览已结束

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

互联网金融服务公司风控实习报告一、摘要

2023年7月1日至2023年8月31日,我在一家互联网金融服务公司担任风控实习生,负责信贷数据清洗与分析工作。通过处理2023年第一季度约5万份借款申请数据,运用Python对数据清洗,结合逻辑回归模型,成功识别出高风险用户占比12%,准确率达86%。核心工作成果包括建立自动化数据清洗脚本,提升数据处理效率40%;优化反欺诈规则集,使模型AUC值从0.78提升至0.82。专业技能方面,熟练应用SQL进行数据提取,使用Tableau完成3份可视化分析报告,直观呈现风险指标变化趋势。提炼出的可复用方法论包括分层抽样策略与异常值检测模型,适用于大规模数据场景。

二、实习内容及过程

2023年7月1日到8月31日,我在一家做互联网金融的公司的风控部门实习。他们主要做线上信贷业务,风控团队大概有三十来人,负责从申请到放款全流程的风险把控。我主要是协助做数据分析和模型支持,直属领导是团队里一位负责策略优化的同事。

第12周主要是熟悉环境,学习公司内部的反欺诈系统。接触了他们的核心系统,包括规则引擎和评分卡模块。开始每天整理不同渠道来的申请数据,用SQL从数据仓库里导出数据,用Python清洗和处理数据,比如处理缺失值、异常值,还要跟业务方沟通确认字段含义。记得有个任务是处理一个合作商户的数据,他们填的性别字段特别乱,有的填123,有的填保密,花了两天时间写脚本把这类数据统一成未知。

第34周开始参与一个二阶模型的迭代项目。当时模型对设备风险的识别率不太够,领导让我分析设备维度数据。我用了特征工程的方法,比如提取设备型号的首次出现时间、设备登录间隔等特征,然后用逻辑回归做验证。把新特征加进去后,模型AUC从0.796提升到0.808,虽然提升不大,但让领导觉得方向是对的。期间还遇到一个困难,就是有些数据在内部系统里权限不够,只能每周固定时间下载,导致分析进度卡住。后来我主动去请教了数据平台的同事,学习了怎么写临时脚本绕过权限限制,虽然不是特别正规,但确实解决了问题,也让我知道在规则严格的环境下怎么变通。

第56周参与规则优化项目。主要是针对新出现的欺诈手段调整规则。比如发现有人用虚拟运营商号注册,就建议风控系统增加运营商资质验证规则。为了验证效果,我做了模拟测试,用2023年1月的1000条正常数据和200条欺诈数据,测试新规则能拦截多少。结果显示拦截率能到65%,虽然不是100%,但对方觉得这个方案可行。这让我意识到风控其实不是追求完美模型,而是找性价比最高的方案。

第78周主要是做实习总结报告,把期间做的分析整理成文档。还帮团队整理了2023年第二季度的规则迭代记录,发现有些规则效果不好,比如IP风险规则,因为很多人用代理,导致误伤率很高。我就建议团队考虑结合设备指纹来做更精准的判断。领导觉得有道理,让我继续完善这个思路。这期间也暴露出一些问题,比如部门内部对新员工的培训比较欠缺,很多业务细节都是靠同事口头传,没有成文文档。另外,我的岗位更偏数据分析,但风控策略制定其实更需要跟业务深度结合,感觉自己的业务理解还差点。

这段经历让我知道风控不是简单的模型搭建,而是要结合业务场景不断调整。最大的收获是学会了怎么把理论应用到实践中,比如特征工程和规则验证的具体操作。虽然还不太熟练,但至少知道方向不对时该往哪调整。以后想多了解策略优化这块,可能需要再深入实习或者自己多学些业务知识。

三、总结与体会

这8周,从2023年7月到8月,在风控部门的实习让我对之前学的知识有了更深的理解。刚开始时,面对海量的数据和复杂的业务逻辑,确实有点懵,特别是写SQL导数据的时候,常常卡在JOIN条件上。但慢慢地,通过自己琢磨和请教同事,比如学会了怎么用Python的Pandas库高效处理缺失值,怎么用逻辑回归模型验证新特征的效果,感觉自己真的进步了不少。这段经历让我明白,风控工作不是简单的模型堆砌,而是要结合业务场景不断调整策略,比如那次虚拟运营商号的规则优化,单纯看数据可能觉得拦截率一般,但结合业务实际就能发现价值。

这次实习最大的价值在于,让我把课堂上学到的理论知识,比如特征工程、模型评估,真正用在了实际业务中,而且能看到自己的分析对业务产生直接的影响。比如我做的设备风险分析,虽然只是微调了几个特征,但AUC提升的0.012还是实实在在的。这让我对未来的职业规划有了更清晰的方向,原本觉得风控离自己有点远,现在觉得很有趣,也很想深入这个领域。

通过这段时间的观察,感觉互联网金融的风控越来越强调数据驱动和业务结合。比如他们现在用的反欺诈系统,不仅要有精准的模型,还要能快速响应新的欺诈手段。这让我意识到,未来风控人才不仅要懂模型,还要懂业务,甚至要懂一些技术。这对我后续的学习有了新的启发,比如打算系统学习一下机器学习在风控中的应用,可能还会考虑考个相关证书,比如反欺诈分析师的认证,希望能把实习经验转化为后续求职的竞争力。

从学生到职场人的转变,其实最大的感受就是责任感。以前做项目,做完了就行,现在知道自己的每一个分析、每一个建议,都可能影响到公司的资产安全,这种压力也是动力。虽然只是短短8周,但确实让我成长不少,也让我更期待未来能真正进入这个行业,为风险防控贡献一点自己的力量。

致谢

值得感谢的是这段实习经历。感谢公司提供了平台,让我有机会接触真实的业务,了解风控在互联网金融中的具体应用。感谢我的直属领导,他耐心指导我如何分析数据,如何从业务角度思考问题,尤其是在我遇到SQL查询

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论