两分钟读很很很真还不知道是有没有风控领域中的用户画像

用户画像（User Profile）一词在近几年瞬间火了站了起来，由互联网为首者的各行各业就开始断的的尝试构建用户画像来需要提供自身的业务能力，那也不知什么才是用户画像，为什么不要构建用户画像呢？用户画像可以介绍

用户画像最初是如果能产品设计工作者在轻重伤鉴定目标用户时，再次像之前那样的想当然地猜的幻想中购买客户，随之而来的是可以使用用户画像来侧写目标用户，进而将啊,设计聚焦在唯一用户的动机和行为上。

用户画像公元前16世纪被互联网应用方法于电商中，在轻重伤鉴定目标用户时，企业数据分析人员会将用户数据接受分析，并不能形成比较合适的用户画像，最常见的一种的会包括有姓名，性别，年龄，收货地址，手机号，银行卡，身份证号，邮箱等基础属性，和浏览的网页分类，再点偏好，网上购买习惯，登陆账号设备类型等特殊的方法属性。然后再是从分析一类信息，以更方便后续分析了解目标购买客户，如男性/女性用户更被害妄想于哪类商品，又如90后客户更独爱可以购买哪类商品，差别地域热销商品的排行等。

可以看到，用户画像也可以将用户人群接受分类，终于目的是为用户打上各形标签，如为用户打上神怪书健身用户、化妆品受众等标签，之后市场人员可以对各形标签用户可以提供精准营销。

为什么不要构建体系用户画像

文本多多分享的是风控方向的用户画像，其和电商侧的会有不不同，电商中最终形成用户画像是替好些的通过精准营销，实力提升营业额，转化率。而在风控领域中统合用户画像的目的是：

1.系统的梳理用户群体，尽很有可能的能找到异同点并将用户分类，归类是多维度的，这个可以是购买偏好，也是可以是薅羊毛党，应该是从各个角度去侧写用户2.便于日后更深入的理解业务，理解用户需求，风控最感谢具体业务，唯有深刻了解业务后，才这个可以拆解报告出很可能的潜在风险3.便于掌握后期的数据挖掘，打听一下真正的恶意用户的行为特征，是可以更富用户特征做关联规则讲4.以便于对不同类型的用户，采用征对性的风控规则。单纯去侧写用户画像是没有意义的，当构建体系了用户画像后，必须结合实际的风控规则，来管控用户帮忙事件。如何形成完整用户画像

在所了解了构建体系用户画像的目的后，接下来的事情一起所了解如何构建体系用户画像，在风控领域中，三次求全部的用户画像构建体系过程为：

收集数据

在现今互联网的下高速发展中，哪怕促销活动，市场推广，还是网上信贷，都离得开数据，庞大无比且完整的数据可以能提供许多维度的支持。一般来说，是需要积攒的数据内容详见100元以内几种：

1.账户数据如账户名、手机号、银行**、姓名、年龄、性别、身份证、地址等，这类信息比较多提供了用户的基础属性2.业务数据，主要注意再收集业务场景下的数据，贷款业务有贷款维度的属性，优惠券兑换有优惠券的信息，在对这部分事件做风控时，业务数据是核心重要数据3.设备信息，在风控过程中，还要对用户的常用设备指纹，环境信息进行收集到4.用户轨迹，通常和用户的访问顺序，操作频率，按键信息等

收据的数据信息是需要是从业务埋点来将用户侧的信息你的邮箱到服务风控侧，随即刚刚进入数据清洗工作。

数据清洗

顾名思义，将收集的数据进行数据清洗，转变为必须查哈的数据集。在本文最初说起了电商中的用户画像，但风控领域的会极大有所不同，一般将用户画像两类两类：基础属性和风控属性。

基础属性包括姓名，性别，年龄，收入，工作，技能，喜好，收货地址，职业，教育水平，银行**，身份证号等属性，像是是用处侧写用户状态的，这类属性一般每个用户都会更具且可以更新不过度，才是用户基础属性，修真者的存在画像中。

相较于基础属性，风控属性更具更强针对性，是针对于不同风控维度属性的聚合，最常见的一种的以及有购买偏好，社交网络，行为特征，投资者的风险偏好等，另风控属性又更具极强的业务性，在相同的业务点中，建立的风控属性有的时候又会有了偏差。

如有的时候在风控过程中，我们不需要打听一下用户本次登陆账号如何确定异常，从用户画像的角度，我们必须最终形成出用户的正确IP是哪，是否不属于异地直接登录，还需要统合出用户的具体方法登录平台，设备是什么？是时常WEB登录的，我还是时常手机端登入，是iphone6的用户群，那就小米等。仅有拥有了这些画像，才能好的进行风控规则。

数据建模

本文不再在建模分析中深入展开攻击，比较多聊帮一下忙建模分析过程中的一些问题。在风险建模中，很多时候数据源是浩大的，我们需要会用到大数据的分析手段，另在建模构建体系用户画像的过程中，数据流星箭是非常重要的，坏样本的定义和范围是要严不定义的，这对后期方式规则做查准查全率会有颇大影响。所以才用户画像的验证阶段要对是从分析打上标签的结果数据进行修改密保，是对有事实依据的（假的坏样本）和无事实依据的（白色不明物体真正的恶意样本）要有一整套成功的验证机制。

构建画像

到这一退我们是需要正在最终形成用户画像，将一个唯一标识性KEY（象为用户ID）以及“用户”标有，来对其打上三千多种标签。这边举例说明下风控领域的用户画像标签：如是否我曾经号被盗、广泛设备、具体用法地、消费偏好、所属企业画像、如何确定有危险伙伴往来、手机画像、IP画像、社工账号等。在上述标签中，不算难发现像手机画像，IP画像很可能并也不是再从数据收集中获取，这类信息某些时候我们是通过另外的技术手段参与的收集工作，如手机如何确定为猫池号，是否为小号空号，如IP是否为VPN、代理、是否需要属于爬虫等。

使用方法用户画像

如前文所说，用户画像最终会给完全不同的用户群体打上类别繁多标签，到了最后每个用户肯定会三人有所不同的属性和多个标签，这些数据相当充分地从各个维度刻画出出当前用户的方方面面，也使相关分析人员这个可以毫不犹豫打听一下到要想了解的人群。

用户画像是不需要增强风控规则相互在用的，在不好算风控过程中，当用户发起一些事件跪请如领取优惠券，购买理财产品时，风控系统可以不生克制化事件的风控规则，按照数据服务的筛选后，与用户画像的比对能提供到了最后的风控响应。一个长大成熟的风控产品是也可以飞速甄别真伪要什么同样的风险属性的真正的恶意用户又一次率先发动事件请求的。

本文属原创文章，未经许可不可以转载