第(1/3)页

    何明辉入职才一周，公司风控部的规模果然迅速扩大，几乎每天都有新的面孔加入进来。

    华经理每周都会召开整个部门会议。会议室里的人群从最开始的稀稀拉拉到满满当当。最后，居然一张大会议桌周围已经坐不下了，一群人就围着站在后面。

    何明辉发现小贷行业的风控这一行，技术上基本靠机器学习来完成。虽然算法多且复杂，但原理解释起来却很简单。

    公司有一大批贷款客户的数据，包括收支状况、银行流水、短信往来、手机通讯等等，再综合上贷款表现，打成一个大的数据包，塞进技术人员开发的数学模型里。

    根据数学模型从这批数据中“学习”到的经验，来判断每一个新用户的逾期概率。如何保证这个数学模型的判断准确，就是风控部的基本工作。

    本来的话，如果严格按照这个模型来进行把关的话，产生坏帐、逾期的概率比较低，只是公司管理层认为当前的贷款通过率还是不高，不利于推广和“起量”，因此要求风控部降低风控门槛。

    何明辉的工作是负责把大量的原始数据清洗、分类、处理并挑选出相关性强的特征数据交给模型组的同事。

    当然，何明辉除了熟悉小额贷款在技术层面的工作外，还要了解其它内情，毕竟他是带着任务来的。

    这家“易金贷”公司提供1000-200000元数额不等的贷款，贷款的期限从7天至二年各种灵活的期限。

    何明辉主要是为了熟悉贷款流程，便选择了7天1000元的最低期限。

    这种短期小额贷款提交申请和放款的流程设计得非常便利。

    何明辉简单地填完注册信息，留下了身份证号码和手机号码后不到2分钟，手机的短信提示音就“叮”地响起了银行发来的短信提示音，何明辉的银行卡已经成功入账880元。

    何明辉一时有些愣神，明明是1000元的借贷，剩下的120元去哪了？
    第(1/3)页