信贷审批中拒绝原因码的分布与监控设计
上次，我们跟大家讲解了风控流程中的客群画像与监控的内容。
今天的内容，我们再跟大家讲解，在风控策略体系监控中其中重要的一个内容就是拒绝原因码的分布。
说到拒绝原因分布不得不提的就是对审批策略场景的介绍，以及拒绝码的内容，以下我们以一个具体的场景详细展开跟大家讲讲相关内容。
审批拒绝相关的案例分享
我们观察下图：某个信贷产品（消金业务）2016年10月20日的走势情况，发现在10月20日这天，批核率有个比较大的下探。从数据分析的角度来看，应该有某个原因导致了批核的突然的走势。
批核突然大比例的出现异常，肯定是客群或者数据出现了异常情况。出现这种情况，我们唯一要做的内容就是拆分这个节点中相关的拒绝原因有哪些？不拆分，无数据分析。
接下来，我们要做的一个动作，就是拆分里面所有跟拒绝原因相关的拒绝码的数据分布情况。其中涉及的拒绝码有：
C001/C002/C003/C004/C005
于是分析这个节点的拒绝码被拒的比例：
在进行了相关分析后，会发现C002这个节点的在某个节点，在10月20日这天，同样有走高的趋势。
应该能肯定是这个节点出的问题。
进一步分析这个C002对应的拒绝码是，客户提供的电话号码，取出明细：
在上述去查这个电话的详情会发现同个电话对应了非常多的单位名称。这个电话对应着多个单位名称，也对应着多个不同的单位地址（当天多人共用电话达到7个）。
这个属于典型的一对多关系，存在非常大的团伙作案公用电话或者共同地址问题。
再进一次进行电核从客户，有经验的审核人员也可以判断该客户应答不太自然，进一步我们可以确定该次事件为团伙欺诈。
从这个案例中可以发现从最开始的批核率的下降，再到具体每个节点里拒绝原因码的拆解分析，最后再对应到具体的变量详情。其中我们都可以发现这一步步梳理的工作，逻辑性都非常重要。风控的策略分析跟上线，是一门较为严谨的逻辑学问，一般风控策略做得好，分析到位，逻辑思维也是非常清晰。
而关于以上的监控分析中，便是我们经常使用到的监控指标的内容了，我们对于拒绝客户，必须会监控的内容就是：
①拒绝原因分布
②拒绝率分布
而整体的监控框架的内容中，以上的监控部分仅仅是部分细节内容，关于更完整版的内容，可关注：
《风控场景—数据监控》
以上的监控报表可视化内容，有兴趣的童鞋可继续关注：
…
~原创文章