作者：小伍哥

來源：小伍哥聊風(fēng)控

大家好，我是小伍哥，今天跟大家聊個(gè)比較深入點(diǎn)的話題，技術(shù)好就能做好風(fēng)控么？

風(fēng)控算法或風(fēng)控策略，確實(shí)需要很深、很廣泛的技術(shù)儲(chǔ)備，但是也需要很高的應(yīng)用藝術(shù)和想象力。風(fēng)控不像其他業(yè)務(wù)技術(shù)或算法，算法的出現(xiàn)本身就有了比較確定性的場(chǎng)景了，比如推薦，直接套用就行，但是很多算法在風(fēng)控領(lǐng)域應(yīng)用的時(shí)候，場(chǎng)景需要自己去挖掘和發(fā)現(xiàn)。

怎么抽象場(chǎng)景，怎么使用算法，就是一個(gè)藝術(shù)活了。下面用一個(gè)圖異常檢測(cè)算法的一個(gè)點(diǎn)舉例說明。算法鏈接：OddBall-圖異常點(diǎn)檢測(cè)

這篇文章，我相信很多讀者看到是圖算法，基本就放棄，認(rèn)為需要要自己寫很復(fù)雜的算法才能部署和實(shí)現(xiàn)，其實(shí)對(duì)這個(gè)算法充分理解后，簡(jiǎn)單的統(tǒng)計(jì)就能用了，難點(diǎn)在于對(duì)算法的理解，以及對(duì)業(yè)務(wù)中場(chǎng)景的抽象，我們看看這個(gè)算法的一個(gè)點(diǎn)。

算法如下：DominantPair（主導(dǎo)邊）這個(gè)類型的風(fēng)險(xiǎn)，Dominant heavy links指“主導(dǎo)的邊”，Ego-Net中存在某條邊權(quán)重異常大，如下圖所示。

度量方法：主特征值～總權(quán)重，大多數(shù)節(jié)點(diǎn)Ego-net對(duì)應(yīng)帶權(quán)鄰接矩陣中主特征值(principal eigenvalue，即最大特征值)～總邊權(quán)重也服從冪律分布，其中系數(shù) λ 表示Ego-net中邊權(quán)均勻分布， λ 接近1表示存在DominantPair的情況，衡量的公式如下：

我們來簡(jiǎn)化下這個(gè)算法思想：其實(shí)一句話，就是一個(gè)點(diǎn)有很多個(gè)鄰居，某個(gè)鄰居權(quán)重占所有鄰居總權(quán)重的比例特別大

再來個(gè)更具體的例子：一個(gè)商家一個(gè)月賣了10000個(gè)訂單，100個(gè)消費(fèi)者，其中一個(gè)消費(fèi)者買了9900單，那這個(gè)消費(fèi)者占比9000/10000=90%，形成了主導(dǎo)邊，那這個(gè)商家可能就存在異常。我們其實(shí)只要統(tǒng)計(jì)商家的總訂單，以及每個(gè)商家-消費(fèi)者維度的訂單聚合，然后相除就解決了，這就是個(gè)簡(jiǎn)單的SQL計(jì)算問題，完全不用什么復(fù)雜的寫算法。

當(dāng)然，這里的訂單數(shù)可以換成金額

訂單換成點(diǎn)擊：可以監(jiān)控惡意流量什么的

訂單換成領(lǐng)券：可以監(jiān)控羊毛黨什么的

·········

商家和消費(fèi)者也可以換成其他的角色，根據(jù)自己的平臺(tái)設(shè)計(jì)這種監(jiān)控指標(biāo)，我覺得能發(fā)現(xiàn)傳統(tǒng)發(fā)現(xiàn)不了的異常，因?yàn)楹苌儆腥诉@么思考過。

那消費(fèi)者-換地址關(guān)系呢？情況就變了，權(quán)重大反而是正常的，小反而不正常，可能是黃牛什么的，因?yàn)檎Ｈ说玫刂?，相?duì)比較集中，就那個(gè)幾個(gè)固定的。

那消費(fèi)者-充值手機(jī)呢？也是同樣的，權(quán)重大反而是正常的，小反而不正常，可能是銷贓款或者洗錢什么的。因?yàn)檎Ｈ耍o自己手機(jī)充值，或者加幾個(gè)家里人和同學(xué)什么的，有些賬戶給幾千幾萬(wàn)人充值，那可能就異常了。

那這個(gè)是不是可以再抽象一點(diǎn)，比如消費(fèi)者-購(gòu)物類目關(guān)系網(wǎng)絡(luò)，按道理，每個(gè)人的購(gòu)物，基本均勻分布在不同的類目，有吃穿的也有用的，如果發(fā)現(xiàn)一個(gè)用戶，大量購(gòu)買集中在某些偏門的類目，那是不是有可能這個(gè)用戶或者被購(gòu)買的商家有異常？是不是要買制毒的原材料？是不是在圖謀什么？或者在交易什么？

每個(gè)公司的業(yè)務(wù)不一樣，但是很多思路，都是可以順著這個(gè)算法的結(jié)構(gòu)去思考的，需要充分理解算法，充分理解業(yè)務(wù)，充分的想象力。

我們看到了異常檢測(cè)，看到了圖，但是要更加深入的去看到業(yè)務(wù)與之匹配的地方，多維度的思考，聯(lián)想，并進(jìn)行應(yīng)用，才能讓算法產(chǎn)生價(jià)值，所以，風(fēng)控，不僅是技術(shù)問題，也是藝術(shù)。

風(fēng)控挖掘的樂趣，大抵也在此了。