策略性的职位有哪些（策略人员平常的工作都有哪一些）

策，计谋、计策等，我们常常用作“策问”、“对策”；略，举其要而用其精、用功少者皆曰略，也有谋略之意。所以策略是根据形势发展而制定的行动方针和斗争方法。在信贷领域，我更觉得策略是可以实现目标的方案集合。

优秀的策略的同学一定需要逻辑清晰，头脑清楚，对应输出的策略方案和文档才会条理分明，结构严谨。身边不乏有资深从事多年的策略的朋友，每每阅读其输出的策略文档读起来必也会大有裨益，掩卷仍觉手有余香。

作为风控中重要的策略岗位，其日常需要整理的工作又有哪些，风控策略师平常需要完成的工作有哪些？

稍微总结，如果全流程来看，策略分析师在以下三个模块，都可以覆盖，需要完成的工作细则又有以下内容：

贷前策略工作：

一.策略冷启动，完成整条数据链条的策略部署

a.策略部署

b.埋点需求沟通

二.数据分析调优

a.产品获客数据分析

b.通过率调优

c.逾期率调优

贷中策略工作：

贷中监控，完成风控的监控工作

a.资产监控分析

b.续贷客群的复购率分析

贷后策略工作：

贷后监控，完成各资产催回来的分析

a.资产的逾期预测与催回来分析

b.绩效人员的催回率分析

......

以上全流程如果都覆盖，至少是5~10年以上的从业经验，番茄风控文章在覆盖策略的内容中，相关的模块文章可参考如下：

1️⃣资料分享|二次风控流程中的变量与

2️⃣规则明细两种最易上手的额度策略及评分策略

3️⃣了解下贷前审核拒绝规则的内容

4️⃣风控规则中的随机策略风控中的新户与老户策略

5️⃣规则挑选此三法，后浪学会变巨浪基于

6️⃣串行规则流的黑名单跟准入

7️⃣自动化审批决策树助你面试更上一层楼

刚好，最近番茄学院也有讲到以上内容中的其中一环：策略调优。本篇就借由Andy老师的授课的内容，跟大家详细讲解下策略调优——调优中的逾期率的分析。

策略问题的分析我们借鉴问题分析三步法跟大家阐述，分别是：发现问题、分析问题、解决问题

因此对逾期率的数据分析，我们仍可从以下三个维度展开：

一.观察数据波动情况---------发现问题

二.罗列数据波动的原因-------分析问题

三.寻找解决方法--------------解决问题

一.分析逾期率的时，我们观测到数据某段时间异常波动(发现问题)

其中：逾期率=逾期单量/到期单量，这里的逾期率我们选取的是首逾30 的比例（为什么选择逾期30 而不是dpd90 ，大家可以思考下)。

逾期率上升的时候，从公式上也可以知道，要不就是分子逾期单量上升导致，要不就跟分母到到期单量下降相关，

二.观测数据波动的情况(分析问题)

我们碰到这个情况，需要提前思考几个问题，即数据波动是产品的原因造成的如该产品就是高息高风险产品，还是评分卡下沉或规则客群下沉造成的(如疫情期间到客群下沉)，还是数据正处于测试阶段如黑名单验证等。

在这里，我们如果发现是测试数据下沉的，我们需要将这部分数据剔除后，再去计算逾期数据。如果剔除掉测试数据后仍发现逾期数据跟之前有较大区别，证明是因为测试数据所引发的数据波动。

如果剔除掉该测试数据后，逾期率跟之前无较大区别，我们怀疑是造成逾期数据波动的原因有以下情况：

a.催收率的下降

b.策略调整造成

深入分析：

2.1.是否催收率的下降造成的逾期率下降?

分析逾期率跟催回率的报表，详细的数据如下：

以上到数据呈现显示，首逾率并没有太大的波动，按照业务流程可基本确认为催回率下降所造成到逾期率下降。

2.2.是否为具体的策略调整造成？

另一种情况，当我们分析资产的催回率并没有太大波动，发现这波资产到逾期率本来就高，我们发现是客群下沉或者是某些具体规则调整所引起的数据波动。

进一步我们分析出影响波动较大的具体规则。

三.如何降低逾期率(解决问题)

3.1.是因为催回率的原因造成的

回到刚才的问题，如果发现是因为催回率的原因造成的，我们需要：

a.与催收人员沟通了解实际导致催回率变低的原因,按照催收策略复核执行到位率;

b.根据具体情况解决催收问题,如:人力吃紧/没有可催电话等

3.2.是因为策略调整的原因造成的

直接分析每条规则特征进行IV值排序,然后将暴露风险的规则进行收紧。IV值越大,特征效果越好,需要对IV低的规则进行修复,重新分析;

以上所提到策略分析的内容，更详细到内容可以参考番茄学院Andy老师讲课内容：贷前决策部署与策略调优

原创文章

...

end

,