风控的架构

呢？ 对于巨大的互联网平台而言，超过5%的同比变化很可能就是一个预警阈值，但对于很多创业小团队来说，可能大幅度变动比较频繁，阈值可以设置的高一些。

我做个假设，如果你是微信产品经理，你发现今天在没有产品升级，没有热点新闻的情况下，朋友圈的浏览和转发增加了5%，你会认为这是自然增长么？多半你会暗骂一句，妈蛋，又是什么裂变套路失控了。

来，思考题，为什么微信不遗余力地绞杀各种裂变运营？裂变难道不是数据向好么？这是一个典型的风控认知问题。曾经，人人网会认为这是好数据，所以它死掉了。

数据预警不代表一定存在问题，但快速甄别和判断是需要的，正确理解数据变动的原因，并快速确认，这是一个风控需要处理的问题。

数据预警不只是总量信息的预警，比如来自于某个特征的数据突然激增，也是需要关注并确认的，比如某个地区的访问量突然激增，或者某种设备的访问量突然激增，就很可能来自于某些刷机的机池。

至于怎么分析数据异常，以前提过， 对比、细分、溯源 ，我这三板斧可以解决绝大部分的数据异常定位问题。

风控的处置引擎

处置引擎用于对数据进行清洗，过滤和阻断。

处置引擎的处理策略包括实时处理和回溯处理。

实时处理就是针对当前的操作，当前的行为进行判定，并实时进行标签，过滤或阻断。

回溯处理就是对历史数据做分析，并做出合理的判断和处理，比如清洗数据，或者常见的砍单。

标签的意思是，系统怀疑这个数据有问题，先标记下来，后续人工校验。

过滤的意思是，这个数据系统认为无效，不予记录，但用户仍然可以有效的进行操作和交互。

阻断的意思就是，这个行为被认定无效，用户交互被阻断。

规则配置

处置引擎通常是基于规则进行处理的，那么规则的配置就是一个典型的系统。

典型如黑名单，比如符合什么条件的被阻断，符合什么条件的记录要被清洗，符合什么条件的记录打标签。

这里有两种常见规则，一种是针对单条信息基于明确的规则阻断，比如来自于

（编辑：济源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!