数据|风控中必做的数据分析( 三 )

迁徙率和滚动率，我都觉得它俩本质上并没有说很么区别，是反应用户状态变化的比例。迁徙率呢，贷款从某一状态进入到下一个状态，如正常还款到 M1 期还款状态，M1 变化成 M2 期还款状态。
滚动率呢，首逾的用户有多少会变成逾期 7+，然后有多少会变成 M1+，到 M2+，到 M3+等。逾期状态的滚动分析有助于我们确定建模目标。假如逾期 7+的人有很多人还会还，但逾期 30+的人基本就不还款了，那我们就可以以 30+为坏定义。大抵如此。
排序性和准确性，用来量化模型效果，主要通过 Lift、Odds、KS、AUC、Gini 等指标进行反映，其中 KS 值应用尤为场景。KS 值的优势在于它反应的就是取最优决策点时好坏用户被拒绝掉的差异，和策略制定是直接相关的，可通过 SQL 和 Excel 计算。

如大家所见，在风控领域所在的数据分析，应该和其他互联网领域的数分并无本质区别。
因为风控和其他业务一样，本质都是用户生命周期管理。基于相同的底层逻辑，数据分析必然也并无二致。
本文由@雷帅原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议