2024年转眼已经过半，企业裁员信息持续不断的冲击着职场人最后的心里防线。轻则团队福利尽失、降薪调岗；重则黑科技逼离或直接裁员。
在如此严峻的大趋势下，纵然个体无力，但不要忘记教员说过的话
“
以斗争求和平则和平存，以妥协求和平则和平亡
”。
放弃我们控制不了的事情，专注在我们能控制的事情上，
缓行之，徐图之。
-
工作经验多在确定信息下的执行，缺少不确定信息下问题发现及解决的经验
-
按照给定的逻辑取数，加工后进行展示。却未参与过取数逻辑的制定和最终结果的应用。
-
工作多为重复机械性的输出，基本无缘完整的异常场景分析或专项分析
-
仅参与三方数据的对接和沟通，对数据的最终价值应用无经验积累
-
聚焦在单个规则的优化，无法建立优化动作与不良指标之间的联系
核心竞争力看似虚无缥缈，但以上缺一项就是劣势，干货赋能见下文：
“
规则
&
模型“组合分析案例实战
（附数据与代码）
样本数量：40000条，特征数量：13个，具体如下：
Step1:
导入数据
data_test
= pd.read_excel("D:/P6-FAL/file/data_case_course_2_FAL.xlsx")
Step2:
数据探索
#EDA分析
num_eda
= data_test.describe()
char_x06
= data_test['x06'].value_counts()
char_x09
= data_test['x09'].value_counts()
Step3:
目标定义
data_test.loc[data_test['overdue']>0,'flag']=1
data_test.loc[data_test['overdue']==0,'flag']=0
data_test['flag'].value_counts()/len(data_test)
Step4:
策略评级
风控策略一般由多条规则构成，策略评级的前提是对规则集的单个规则进行评级。规则评级可划分5档，策略评级由规则等级决定，取规则集的最高风险等级：
Step5:
模型评级
模型评级划分5档：A、B、C、D、E，风险程度由低到高，每个等级类型的设置需根据评分分布的区间阈值、占比大小、坏账表现等综合分析决定
Step6:
矩阵分析
可选的风控拒绝组合（模型+策略）：EB、EC、ED、EE、DE
本文附带资料包
（文末找科科领取）
：
1、练习数据（data_case_course_2_FAL）
2、全流程Python代码
除了技能学习，在市场日新月异的变化趋势下，风险管理的应对方案也在不断升级，甚至旧事物也要经常面临新的玩法策略，
学习这件事必不可少
。
如果你还没有加入FAL月付畅学，
趁现在有优惠，赶紧抓紧时间下单！
【划重点】现权益首发7天
优惠，下单立减50元，
组团报名可叠加优惠20元。
扫码添加科科微信
感谢
cycle$老师
的分享，如果你喜欢、想要看更多的干货类型的文章，可以把公众号设为星标🌟，并且转发分享。
