[[173022]]

作為數據產品經理，經常會碰到這種情況：費了很大功夫，做了復雜的模型產品后，業務人員卻覺得不好用、不會用、不愿用，對于這個問題有沒有什么好的解決辦法?

數據產品其實不是一個孤立的系統，而是一個有機體，它在與數據、業務、人員結合中不斷生長壯大。今天通過一個風控產品的小案例，來看看如何一步一步的了解用戶需求，解決用戶問題，推廣數據決策的理念，讓數據產品價值不斷提升。

1 記錄數據

SC公司是一家為商戶提供支付、營銷服務的創業企業，業務增長非常快，在其支付服務業務中，會出現套現、欺詐等風險問題，需要風控部分的人員偵測處理，在支付環節，從交易成功到給商戶拿到錢有一天左右清算時間，所以除了實時的拒絕交易之外，對于更加復雜，不容易立刻確認的套現欺詐行為，還可以通過人工方法檢出查證，事后處理。

這種情況下，最早支持風控的數據產品是提供的每日的交易明細數據，同時按照一些經驗規則，把一些可疑的交易挑選出來，供風控人員審查，每一個挑出來的交易就是一個欺詐行為的線索，通過這個線索去尋找確認欺詐的商戶。

從人們分析和決策流程上來看，這個階段的數據產品提供的是“記錄”功能，整個決策過程后幾步都是要人工完成的：

匯總：將看到的各個數據在頭腦里匯集，模糊計算歷史金額，交易占比等信指標息;

預測：根據一些經驗指標判斷線索的實際風險概率;

決策：根據金額大小，風險可能性來給出處理措施，比如關戶，關卡等;

執行：根據處理決策，提取相關名單，通知IT團隊來進行具體處理。

對于每次一條可疑線索，風控人員需要考察交易的多方面信息，還要翻找客戶相關各個方面的信息，歷史行為，地區，類型各個方面的信息，每條線索判斷時間較長，有時候風控人員也會漏看一些信息，造成判斷失誤。

這個階段要解決的問題是如何讓風控人員更快速的處理每一個線索。

2 數據匯總

為了解決這個問題，通過和風控業務人員溝通，根據他們對每個線索要分析主要方向，為每個客戶編制一個統一的用戶畫像標簽體系，如上圖中的X1，X2等標簽，標簽分為兩類歷史上的標簽，比如歷史交易金額、交易次數、中位數、交易類型等，這些可以在夜里預算好，對于當日的標簽通過數據實時更新。

這樣在出現一條線索的時候，風控人員就可以在一個頁面快速的瀏覽所有的相關要素，同時給出對于線索的定性判斷，包括高風險、中風險、低風險等判定結果。

這個階段，機器完成了數據記錄和匯總工作，而風控人員依然要依靠人腦去建立模型，同時進行預測和決策。

增加這些功能后，風控人員處理每個線索的時間減少了，提高了效率。經過一段時間通過數據分析發現，未被處理的線索比例卻依然在不斷增加，原因是業務增加速度比人員增加的快，由于這些線索是隨機分配給業務人員的，在沒有被鑒別的線索里面，依然會有很多有風險的交易，風險覆蓋率低。

接下來數據產品要解決的就是提高風控覆蓋率的問題。

3 模型預測

為了解決覆蓋率低的問題，設計通過評分模型的方法，對每一個線索進行評分，把風險高的排在前面，讓風控人員首先首先處理較高風險線索，至少不要漏掉嚴重的高風險問題。

這時候上一階段積累的數據就發揮了作用，因為過去業務人員根據線索的各個要素，做過很多真實的判斷和進一步的調查，有很多現實案例，又有判定結果，也有線索特征，這就是建模的好材料，有Y變量，也有X變量，需要做的就是根據這些歷史數據，進行分析建模，讓機器給每個線索評分，評估輕重緩急。

為了讓模型推行的更平穩順利，在正式給業務人員用之前，還要有一個試用的過程，這里重點的就是不能把評分給風控人員看，依然需要隨機的分配線索，同時進行事后跟蹤檢測。在模型相對穩定后，再讓系統根據風險評分排序，讓風控人員優先處理高風險的線索。

做了這一步之后，在不增加風控人員的前提下，發現風險情況的效率大大增加，特別是有重大風險的情況，基本不會被漏掉。同時風控人員在分析線索之后，將采取關閉商戶，關閉卡交易等處置措施，這些也都會被記錄在系統之中。這個階段機器可以解決數據的記錄、匯總、綜合預測的工作，而人從事決策和執行的過程。

這個流程采用之后，還要繼續通過數據分析尋找可以改進的環節。分析發現業務人員處置規則，也有不穩定之處，有人嚴格，有人比較松，如何才能讓處置的規則也穩定下來，同時可以不斷修訂改進呢?這就是成了需要解決的問題。

4 決策推薦

為了讓處理規則穩定和統一，首先和風控部門一起討論，梳理出了具體決策規則，比如根據風險分數和交易金額分為幾個群組，有不同的處理方法。

接著將這些規則部署到系統中之后，系統會根據規則推薦出不同的處理方法，風控人員如果覺的可行，可以選擇同意;但是如果覺的不合適，給出改變的理由，并記錄在案。

這個反饋結果可以幫助風控團隊，不斷總結，修訂規則，同時也將風控人員的經驗不斷沉淀到系統中，就算有人員的變動，也只需要比較短的培訓可以上崗工作。

5 人機合一

在以上的各個步驟都穩定可控之后，對于比較明顯的風險線索，機器可以自動的進行拉黑卡，調整額度，關戶等操作，人們所做的事情就是監督系統的運行狀況，同時不斷分析新的情況，優化系統。

一方面風控團隊的人員減少了人員，有些原來做簡單重復工作的人員轉崗去了其他團隊，而留下來的風控人員也不是每天進行大量重復的體力勞動，而是思考風控工作改進的措施，這樣既提高了工作的滿意度，降低了流失率，也提高了工作的效率。

讓機器的歸機器，人工的歸人工，機器可以幫助人們從事重復的、大量、高速的工作，而人工可以從事研究、管理、分析的工作，兩邊的結合才是最好的。

小結

從上面的小例子可以總結幾點：

數據產品不必一步到位，可以循序漸進，在資源允許的情況下分批次來實現;

數據產品的需求，要根據當時條件，解決當時最緊迫的問題;

每一步都要考慮下一步的計劃，為下一步打下基礎，比如收集必要的數據，讓業務人員接受新的工作方法等等。

通過和業務部門的不斷協作，讓數據產品不是從天而降，而是從業務土壤中慢慢生長出來的，這樣才能設計出“接地氣”的數據產品，真的讓數據轉化為價值。