一次数据交易

雷帅快与慢 · 公众号 · · 2024-12-30 14:46

正文

慢银行在《一次联合建模》之后，借由快大厂的数据和流量，短暂地解决了获客问题。

但好景不长，该模型效果衰减得非常厉害，通过率也掉了一大截，当初建模未料到行业将如此下行，采用的样本过于优质。现在不得不面对更下沉的客群，死里求生。

不管是那次联合建模的过程中，还是之后，慢银行和快大厂涉事双方都对那次合作不置好词。他们唯一达成的共识是， 联合建模太麻烦了 。

但合作是上层战略，总是要维持和推进的。

于是，快大厂提议，可以输出我们内部的数据标签作为标准产品给你们，这些数据不仅风险区分效果好还很稳定还很有解释性。

慢银行虽然明知其套路，但迫于形势恶劣，还是觉得可以一试。毕竟， 标准产品省去了联合建模的麻烦，同时也避免了建模样本过少导致过早失效的问题。

于是，原班人马把上个项目成立的微信群，“快与慢联合建模群”，改成了，“快与慢数据产品合作群”。

只是联合建模时快大厂的负责人，已经离职了。据说是因为当时合作太恶心，受不了了，也据说是在快大厂已经待了两年多了，该走了。不知道我为什么特意要黑一下。

曾经发生的故事，或多或少，或变或没变地再次发生了。

1、立项会议

有了之前的经验，这次两方都没怎么寒暄，就直奔主题。

慢银行因为对上次合作不满意，这次主动提了很多要求。

你们那什么什么交易数据要加工这些字段，提供给我们。此处可以代入，天猫淘宝京东拼多多等电商交易数据，也可以代入花呗借呗白条金条等支用数据，等等。

你们那会员等级数据要提供给我们。此处可以代入支付宝会员等级、芝麻信用分，京东京享值、小白守约分，微信支付分等。

另外，你们的账龄数据要给我们。

还有，你们提供什么模型分给我们？是你们的A卡、B卡还是什么模型的评分？你们怎么建的模型？内部怎么用的？

……

快大厂，没有话说。项目是VP层级的，老板发了死命令，要服务好对方。

慢银行指定了一个同学，当然还是那个慢A，快大厂也指定了个同学，也还是那个快B。此外，双方增加了策略同学的参与，分别是慢C、快D。

慢A和快B仇人见面分外眼红，但工资让他们学会了安分和合作。

2、数据准备

关于标准产品，慢银行体现了其专业性，提出的数据维度非常丰富，把快大厂的数据资产挖的是干干净净，多一个不能多，少一个不能少。

那是因为慢C同学参考了芝麻信用变量的维度，依葫芦画瓢，再排除了快大厂相对比较缺失的信息，提出了这么一个变量清单。

芝麻信用的65个变量列表如下，其中标红的是 8个核心变量。覆盖信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度，正所谓“五大护法齐上阵，信用风险忙下场”。

关于芝麻信用，我之前写过一篇文章，但因为某些原因我删掉了。明显可以看到，阿里系在人脉关系上是多么的弱势，该部分信息主要都在腾讯、运营商和头部社交媒体平台手上。

不仅如此，慢C还提出了这些变量分段的要求，例如天数类的、金额类的、次数类的分段区间怎么设等等。当然，最终分段还是要结合快大厂大盘数据分布情况再做定夺。

快大厂的策略同学快D秉着“ 最大化达成合作目的，最小化合作效果 ”的宗旨，剔除了其中一些过于敏感的数据，并进一步限制了变量分段数量。

需求最终提给了模型同学快B去加工，这处加工费了快B半条老命。不仅四处问人这些字段的取数逻辑，好不容易加工好还总有变量分布不符合预期。

过程中，快D找出了无数个问题点，以至于快B天天吐槽快D逼事儿多。

时间无情地流逝，一如我们不值钱的青春。