写在最前面的话

最近看有些同学在找金融风控方面的工作。咱们课程涉及到的，主要是建模的过程。有些同学对整个业务框架不是很了解，所以总结了一下平时面试聊的比较多的一些点。

前九道题都是工作中一定会碰到的基本内容，如果有一些这方面的工作经验，基本上都会聊到。后面的因人而异，工作经验少的同学，面试官可能会重点看一下对演算法的理解，以及一些SQL能力。

PS：我们的风控项目是很精彩，也是我们的简历的核心内容，但是不要写的太过详细了，感觉像是在读一个完整的建模文档一样。最好是每一步写几个概括性的词语，细节留在面试的时候给面试官讲出来，不然面试的时候，就成了你背简历，他读论文......

第一题：你们公司的主要业务是什么？

• 属于什么类型的贷款产品（现金贷、消费分期等等）
• 客户一般来自什么渠道，是特定的群体（比如滴水贷只借给滴滴平台的司机），还是面向所有人的（比如常规的p2p公司）
• 贷款额度、还款周期

第二题：你们的业务做得怎么样？

• 通过率是多少
• pd0、pd7、pd30 大概是多少

注意：这些都反应了你的模型做的如何，通过率越高，逾期率越低，模型越好。

ps：pd0指的是到期当天，pd1指的是逾期一天。

第三题：你都负责哪些业务？

• 准入策略
• 风控模型
• 贷后监控

我们平台的学员，主要是风控模型这块。监控也是必须的，我们要时刻关心模型的通过率和贷后表现是否有异常，警惕欺诈。

第四题：你讲一讲你模型是怎么做的？

• 确定y如何标记（逾期几天为1，几天为0，每种产品不一样，如果不知道，我建议你说15天为分割点，没什么大问题）
• 前期数据准备（数据来自 HIVE？MySQL？MongoDB？Spark？）
• 这里就可以接上学过的风控项目

包括各种演算法，建模技巧，基本上都是这里引出的。

第五题：你是标记客户好坏的？

• 逾期天数作为标记好坏的依据
• 因为本身样本不均衡，会偏向扩充坏人的数量（比如以pd1来标记好坏，坏人肯定比pd15会多很多）
• 注意很多公司建模的时候，去除一部分灰色客户（比如去掉pd1~pd5的客户）

第六题：你做模型时用到了哪些数据源？

• 征信数据
• 运营商数据
• 埋点数据
• 平台自有数据
• 用户手填数据

数据有很多，每家都各有不同，小心点也可能问你数据来自哪家平台哦。

ps：见过很多小型公司都喜欢用运营商数据，因为便宜，很多都是免费的。

第七题 模型的效果怎么样？

• 测试集和跨时间验证集的KS和AUC是多少
• 上线后一个月或者几个月后，模型的KS是多少，AUC是多少

第八题：你们模型是怎么部署上线的？

我经历过的几种上线方法可以分享给大家。

• 最简单的，把评分卡每个区间加多少分减多少分，怎么做映射的逻辑，讲给开发小哥，他会帮你在线上写 if else
• 生成一个pmml文件，给开发小哥调用
• 公司自己做的决策引擎，或者是租的，自己写变数逻辑上线
• 用flask或者Django自己写介面上线

第九题：上线需要注意什么？

• 线上线下变数的逻辑必须完全一致，这是最重要的
• 很多公司会做类似于AB test，两套模型竞争（一个champion做决策，和一个challenger空跑，也有可能champion 70%，challenger 30%）

第十题：推导一下逻辑回归 & XGBOOST

• 对于别人可能有些难度，但我相信咱们平台的学员是完全没有问题的

第十一题：讲一下评分卡的分数映射公式

• 推导主要是换底公式，详见评分卡文档
• 如果现在刻度区间过大应该如何调整

这里的逻辑要搞清楚，不然通过率出了问题，连怎么调整都不知道

第十二题：手写一下SQL代码

一般演算法岗对SQL能力都是有要求的，稍加练习基本没有问题，这里放一个我们公司的笔试题。

• 请取出，每个班级 所有课程 平均分大于80分的 学生名字

希望你们都是offer收割机~

推荐阅读：

相关文章