风控的数据分析都分析些什么内容？
风控的数据分析都分析些什么内容？
在量化风控时代，数据分析是一个最基本也是最重要的环节，对风险管理的影响很大。
一个优秀的风控人不仅要懂得怎么提数做分析，更要懂业务。资深的策略分析师更是需要结合数据分析的结果提供到位的解决方案。
不少打算从事风控的同学都在询问同一个问题“风控中的数据分析究竟需要做哪些具体的数据分析工作？”
今天我们一起浏览一下，我将风控的数据分析拆分成两块： 一是日常监控数据分析、二是基于业务的数据分析。
0 1
日常监控数据分析
日常的监控报表所涉及的内容较多，主要是月报、日报等。如果公司有做一些推广活动，还需要另外整理渠道监控的数据报表。
月报异常各项指标报表，需要监控已冻结/黑名单用户，观察其是否还在正常下单，还有就是舆情监控。
月报结构变化(用户画像)
1.主要用客群作为 segment 进行分箱；
2.常规分析维度如下：
1)产品维度：产品种类，期数，利率，金额；
2)基本数据：A 卡、年龄，性别，区域，学历，收入，行业，账龄；
3)行为数据：B 卡、还款情况、逾期情况、额度使用率、频繁使用的交易类型；
4)外部数据：人行征信数据、芝麻分。
日报指标与月维度一致，除截面数据，通常会加入本月 1 号至观察日的累计数据。
整个报表体系要监控、预测、预警成为一个闭环，需要注重的是搭建流程化和体系化，必须尽可能实现自动输出监控报表，内置预测模型，自动发布预警通知，风控策略分析师的价值才可能发挥到最大。
设计报表的过程中需要 验证逻辑与监控 ，保证数据体系稳定运行。 例如， 按照业务的流程逻辑去检查，审批通过的订单才有合同号生成，合同生成的同时，必须有还款计划与之对应。
0 2
基于业务的数据分析
基于业务的数据是整个数据分析中份量最多的部分，是信贷风控数据分析工作中的特色模块，需要理解业务流程，懂业务逻辑。
根据业务流程，把客户信息表、客户合同表、还款计划表的框架结构了解清楚，并知道每一个数据代表的含义。
比如，需要通过底层核心表开发出数据中间表，并计算各种中间表的核心指标，例如逾期率、首逾、FSTQPD、Vintage 等，利用 sql 把多个表实现表链接与嵌套表的查询，实现数据备份。
贷中监控中需要做分析的内容分别有资产分析和滚动率分析，下图则是 Vintage 账龄表。
有时候需要用 lagging DPD 追溯风险产生时刻的状况，这个计算方式不会因业务扩张或萎缩而高估或低估风险，但略微复杂。
贷后报表的部分主要还是针对 催收部门对平常需要做的工作进行梳理。
a.人力效能模块（KPI）
b.回款指标模块（预测分析模块）