发帖
雷达卡
风控的指标总结起来虽然不会很多，当要去计算某些产品的盈利情况的时候，如果再叠加上资金成本、数据征信、资产风险的数据，这头都大了。这不年底到了，各家公司都在算来年的各种预算，这里面各种各样的预算方案，必须都会包括上述种种。
偶然翻开多年前的笔记，当时踏入数据行业就是从人生的第一条select的代码开始。还好多年前做的笔记，网络云盘还为我保存着，当时的一段代码，之前写的一长串的表连接：
SQL
都说写SQL是一件超级没技术含量的事情，当回顾我上面的语句，至少嵌套了八九张表的内容，着实还是为里面的逻辑感到些许复杂。
当然，网络上关于SQL这方面知识的实在太多了，今天不主讲具体的语法结果。SQL跟很多工具一样，容易上手，想当初入门也是从一本《sql必知必会》入门的。简单如增删改查，但真正了解了里面的结构后才发现，SQL跟很多工具一样，容易上手但是精通还是需要下一番功夫。
例如，简单些的，了解过sql的语法顺序吗？
再稍微难一些的，是否使用过开窗函数？
之后再复杂一些就是关于sql语句效率书写的问题。
效率的优化是sql高手境界了体现。小白做数据筛选时，分不清in 跟 exit的区别。而且大表跟小表连接，哪个应该作为基表也是同样有讲究。这些技巧的掌握，当然必须要有大量的提数工作的支持，这个是目前很多速成班和课程无法学到的内容。教程内容，相对还是基础点。sql是基本都是基于业务理解去写的。很多真正的复杂的表的连接，还是要真正的项目和业务中才能接触到。
当然不是说教程不行，作为入门还是不错的。
所以sql除了要了解业务，要写得好，最难的仍是优化。这其中就得了解数据库的原理，才能写出优秀的代码，提升效率。
在成本跟时间上，有时间换成本的，也有成本换时间的。但作为一名优秀的技术人员，尽量在同样的环境下，提高代码的效率。像我刚入门时候，查询一个部门信息，直接selec * ，查询所有的字段，就直接把上百万条的服务器干死了，这样的错误在刚入门的时候，经常出现的。
再深入些学习，在往后的知识上，越来越了解知识的匮乏，存储过程、视图、锁、定时器…..反正在数据的探索路上，sql能力仍在持续升级中。
Python
Python要想学得好，代码实操也是必不可少，对里面的技巧和实操，更是应该积少成多。python在处理一些表的转置方面，无论是列转行，还是行转列，都有非常简单的实现方式。最重要的是，自带了很多优秀的函数，处理数据更是事半功倍。
比如enumerate函数，还能自动给数值添加索引。当时在开发评分卡模型时候，做分箱前需要做的等频分箱时，需要给到将变量的具体的分箱序号，就用到这个函数。
可以说，真是大大提升了效率。后来不管，在sas还是sql里，都基本找不到类似的函数可以替换。
除了函数比较多样，连算法包都非常丰富。常用的sklearn，常用的算法包就不一一介绍了。
SAS
SAS作为一个传统、研究统计的分析软件，深得银行等持牌机构的青睐。目前很多商业机构也都是采购这套软件。
因为sas的模块化的内容也较多，个人常用的主要是base跟em。在base上面，代码相对比python的语法更严谨些。写惯了sas的人，初次接触python是非常不习惯的。看着python那段代码，非常别扭，还以为是乱来的节奏。这两者就像是数据分析软件上互相歧视的两者。
Sas说，我是标准的，你都是瞎来的。Python说，你太笨重了，还特么那么贵，看我多灵活。
Sas使用上，比较需要深入去掌握的是宏、数据步、过程步，而且关于里面的指针理解也需要一点的知识。而这些基础的知识，也常常让人挺抓急。
风控业务
之后是关于风控上的业务的理解，这里需要了解的点也不少。具体的可以看下表：
风控的指标跟业务定义，这样看起来也许不多。但当资产增多，增量叠加上存量时候，资产分析就会复杂很多。最复杂的是分析不同渠道、不同的APR,贷款周期的资产情况。
当要去计算某些产品的盈利情况的时候，如果再叠加上资金成本、数据征信、资产风险情况的时候，头都大了。这不年底到了，各家公司都在算来年的各种预算，这里面各种各样的预算方案，必须都会包括上述种种。
最后是关于文章中，提到的更全面的风控指标报表会上传到知识星球，请有需要学习的了解的同学上去查收，谢谢。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
