基本流程： 数据收集、数据建模、构建数据画像、风险定价。 数据收集：网络行为数据、企业服务范围内行为数据、用户内容偏好数据、用户交易数据、授权数据源、第三方数据源、合作方数据源、公开数据源。 数据建模：文本挖掘、自然语言处理、机器学习、预测算法、聚类算法。 数据画像：基本属性、购买能力 ...

为什么要做风控系统 不做的话，会有以下风险： 各种小号、垃圾账号泛滥 撞库攻击、盗号、毁号、拖库等 拉新 10w 留存率不到 5% 百万营销费用，却增加不了用户粘性 投票票数差距非常悬殊 各种榜单被垃圾账号占领 实物奖励被机器人领走 红包被秒抢 下单不付款 ...

而违约的可能性。 信用风险的风控重点在于，甄别客户违约的原因究竟是还款能力，还是还款意愿问题。 ...

​“君不见，羊毛党如蜂拥来，掳走福利就溜哉；君不见，黑产刷量强注水，白白消耗推广费”。 近年来，羊毛党薅羊毛、机器刷量等黑产行为花样百出，层出不穷，如何防薅羊毛，成为很多APP运营者和开发者的难 ...

时、流动性不足、缺乏透明度、运营和技术失败、法律风险、过度杠杆和道德缺失，其中信用检查不足风险是最需要控制的风 ...

那么，什么是机器学习呢？机器学习这个词是英文名称Meaching Learning的直译，从字面意义不难知道，这门技术是让计算机具有“自主学习”的能力，因此她是人工智能的一个分支。我个人还是比较喜欢T ...

在互联网金融迅猛发展的背景下，风险控制问题已然成为行业焦点，基于大数据的风控模型正在成为互联网金融领域的热门战场。那么，大数据风控到底是怎么一回事呢？与传统风控相比，它又是怎样来进行风险识别的呢？本文对此进行了探讨。 大数据能够进行数据变现的商业模式目前就是两个，一个是精准营销，典型的场景 ...

一个老客户提出这样的需求，希望将SQLServer中的某个表的数据快速复制到SQLite数据库里面以便进行定期的备份处理，数据表的记录大概有50多万条记录，表有100个字段左右，除了希望能够快速做好外，效率是第一位的，他自己测试总是在一两个小时的时间以上。客户提出这样的需求，我我觉得肯定是没有很好 ...