五年风控同学技能该掌握到什么程度

年底了，但我看跳槽市场永远还都是那么热闹。一方面跟裁员肯定有关系，另一方面很多公司年终奖延到年后发了。

网上消息，不全真不全假。

群众苦不堪言啊。

正好看到个不错的简历，组里还有不少HC，就约了个人聊聊。

对方资历是很不错的，本硕985，工作5年，2年大行，3年消金机构。学历背景和工作背景肯定是达标的。

另外，两三年的司龄，在互联网行业来看，算很稳定了。工作稳定性上非常达标。

毕竟互联网大厂员工的司龄中位数估计就一年多，平均数被吃红利的少数老人拉上去按统计说是不到三年。

在这样的情况下，有些公司还有什么三五原则，也就是五年三换的不要，以及什么上一家司龄必须满一年等等这种原则，真的是胡闹。

总之呢，这样的人当然要好好面面。

一、基本了解

社招有相关工作背景的，我就不喜欢面算法、python、sql了，我一般都会就着对方的履历说。面算法、python、sql，不是说有问题，而是说，那容易让人委屈。

首先呢，工龄长、有多年项目经历的，是来做项目的，做项目是不太需要做什么反转链表，也不关注xgb与gbdt的区别。不去关注那些体现思考和见识的项目逻辑，考这些算法干什么。

其次呢，那些算法知识，很多老员工的确是不会写了。不会写是一回事，如果招人来并不是写那些开发工具，也不是要复现新面世的算法，何必呢？

委屈了呢，对方大概率就不会来了。大家要的是一个双方合适，而不是一味的我挑你你挑我。

就像，老手找对象，看的是三观匹不匹配，能不能一起成长，而不是找个花瓶给自己添堵。

所以说，面什么类型的题，在拿到对方简历的时候就可以有判断了，不应该对所有人都来同一套。

不是说我会考虑对方的情绪，就面试的比较随便。

简历列的项目我是会深度去问的，我知道很多工程项目做法很简单，一些更深层次的问题不需要去考虑。但不需要做是一回事，有没有思考是另一回事，如果背后存在问题，你都没想过，我是不会有好感的。

另外，我后面还会问对方，觉得我们的场景下模型应该怎么做。

这其实就类似system design，基于之前的经验和认识，对一个新的问题设计一套解决方案。

这类问题，我发现很多人都答得不好，因为绝大多数人都看不到全貌。

二、自我思考

我根据大家的背景，也发现，绝大多数做风控的同学，都是过去几年搞起来的。他们都做过很多项目，但这些项目本身都很简单，因为这个场景就很简单。

小的放贷机构，往往就只有贷前申请要做模型，也就是A卡。数据呢，自然都是第三方的，一个人查一次，数据的匹配和调用流程，往往非常明确。

即使有些大银行、持牌机构，因为很少有自有的场景，数据挖掘这部分的工作就是很少。

也结合着我的经历，我发现真的很多人，只能做确定的sample、确定的X、确定的y下的工作。好像工作比Kaggle还简单，后者还需要好好做特征工程呢。

把AI领域里的最新算法套一遍，除了慰藉了自己的算法工程师这个title，往往真的起不到什么作用。常常只是自嗨。

投资领域的行研都在说，科技公司需要经历角色演变，从曾经的“颠覆者”，到后来的“赋能者”，再到如今要变成“同行者”。

那我就呼吁下，大家要多想想，不要瞎做做出来扔给别人去用，要去加入他们想他们所想，然后用点技术做点事情。

三、经验传授

今天面的这个同学，还说到另一个问题，就是有点不太想做授信模型了。意愿上有点想换个场景，例如反欺诈啊、营销啊。

xgb的确容易让人厌倦。我很理解。这个想法也很好，我很鼓励。

风控其实不仅仅是拿一堆好坏人，做一个xgb模型，评估一个auc或者ks。

有两点不应该。

风控不应该只是建一个模型。风控不应该只是做风险的模型。

我们都知道，模型其实就是一条高级的策略。策略规则千万条，要分轻重。

从策略来看，模型效果是好，但是前面的分流还是以客群去划分的，这就是跟算法的区别。

做运营呢，往往说三板斧，人货场，互联网业务呢，对应就是流量、产品、场景。那策略的三板斧是什么呢？分群、触达、额度定价。

年龄是分群，收入是分群，多头是分群，模型也是分群，是风险的分群。

模型当然更是额度定价的关键。

但还有触达啊，你还要做投放、做产品优化、做用户体验。关注转化的同时还要关注风险。

风险不风险的，本质都是用户管理。用户生命周期里我们要做的事情可太多了。

所以说，那些说不想做风控的，其实并不是不想做风控，是本身把范围定义的太窄了。

其实，风控这边呢，考虑的是增长和风险的平衡，它的工作的丰富度其实是更高的。

对了，今天的面试结束后，对方给我发一个消息。

这样的问题，其实背后的逻辑和思路都是互通的，你要能想清楚一件事情应该怎么做，那别的平台往往就会是那样做的。错误的做法千千万，正确的做法就一种。

以头部平台蚂蚁为例吧，你去设想花呗借呗的团队，风控会怎么做。

我不是问是不是包括ABCF卡，风控体系当然包括A卡、B卡、C卡、F卡这些东西，深入进去，A卡应该怎么做，有哪些痛点，一个模型还是多个模型，多个模型如何搭配使用，等等。

本文作者@雷帅 。

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！