好的監(jiān)控不僅是結果的展示，更是問題發(fā)現(xiàn)的路徑。監(jiān)控需轉化路徑、模型效果，做好趨勢與對比分析。文章強調，實時監(jiān)控與風險預防對業(yè)務健康至關重要，揭示模型監(jiān)控在問題發(fā)現(xiàn)與策略調整中的核心作用，為企業(yè)風控管理提供了寶貴見解。

好的監(jiān)控，一定不只是展示某種結果，還要提供發(fā)現(xiàn)問題的路徑。

如果監(jiān)控發(fā)現(xiàn)了異常，難不成還要另做一套分析嗎？不需要的，你的監(jiān)控應該包括這部分功能。那怎么做呢？

監(jiān)控轉化路徑，監(jiān)控模型效果，做好趨勢分析，對比對比，細分分析。光有一個數(shù)據是沒有意義的，比較才能使其有洞見，怎么比？和過去比，和其他的比，分開了自己比。

例如ks下降了很多，你應該干什么？這等于，跟ks有關的有什么，那有什么呢？不要看，先想想，朋友們。

客群，不同的客群ks肯定是不一樣的；

通過率，通過率發(fā)生變化，ks也會有影響；

風險，其實風險是不太會直接改變ks結果的，如果這里的風險變化是自變量而不是因變量的話。這里的意思是，什么都沒變，風險發(fā)生了變化，例如疫情，其實ks不怎么變的，因為那幾乎是等比例上漲。如果風險發(fā)生了變化，其實是因為收縮了策略降低了通過率，那它就不是自變量。

這在你的監(jiān)控里得體現(xiàn)出來。如果只是一個ks，你就看不到客群，看不到通過率，看不到風險變化。

當然了，還有一個可能，那就是你的模型生產出問題了。實時模型的話線上字段發(fā)生了變化，工程上沒顧及到，離線模型的話，則可能是特征字段或者依賴關系出問題了。但這些更應該在發(fā)生初期通過分布監(jiān)控告警而知，而不是幾個月后發(fā)現(xiàn)ks有問題。

于是，你還應該對比其他的模型。如果所有的模型都發(fā)生同樣的趨勢變化，你還那么擔心某個模型出現(xiàn)異常嗎？

監(jiān)控其實沒有固定模版，所有真正有用的東西都沒有什么固定模版，它更取決于你到底要干什么。一個好的監(jiān)控，意味著你清晰地知道要干什么。??????

又可以用一段之前寫過的東西了。??????????????

最好的應對當然是在事前，你一定要非常清楚你的風險策略。它解決了什么問題，它沒解決什么問題，它的弱點在哪里等等。

事前預防，但不能完全規(guī)避。風控策略做得再好，也是2倍的lift、3倍的lift，不可能是10倍的lift、100倍的lift，不可能把壞用戶做絕了。如果做的已經不錯了，就沒必要天天盯著壞用戶，要再降個10%、20%、30%。

最重要的應對在于事后，做好跟蹤，做好對比。重貸輕管的風險管理思路讓很多放貸機構對于存量客戶的風險變化感知不足，而市場過度飽和又使得機構必須做好存戶的精細化運營。精細化運營的必然要求就是精細化監(jiān)控。???????

風險分析，一定要有合適的參考系，但也別一個勁兒地追求所謂的固定的某種參考系。額度策略是不是一定要用收入，我就舉過一個例子，在朋友圈說過了：?

把你關在一個完全隔絕的房子里，沒有鐘表，待三十天，待滿給1kw。你待不下去的，過不了幾天就會時間錯亂，起初過去了十幾個小時會以為過了一天，再后甚至會把2個小時當一天。不管做什么，你一定是需要一個參考系的。例如，額度策略里，收入就是這個參考系。但不同的是，你并不處在完全隔絕的環(huán)境里，你有很多背景信息，中國人的收入分布、這個行業(yè)大致的額度分布，等等。

不要讓某種東西成為你的約束，讓它成為你的助力。?????????????????

用一個問題說明跟蹤對比的重要性吧。

提額用戶的風險，應該和誰比？新用戶，還是老用戶，還是同質未提額的老用戶？

提額用戶的風險小于新用戶就可以，你覺得這提升了放款額？錯。提額用戶的風險小于老用戶就可以？也錯，提額用戶是老用戶中的優(yōu)質用戶，提額增大了風險，一個往好一個往壞，哪個大？果不應超過因。???

新用戶的風險 > 老用戶的風險 >?提額用戶的風險 > 同質且未提額的老用戶風險。這才是最合理的結果。???????????

使用沒有監(jiān)控的模型，就像使用沒有指針的鐘表，它可能在工作，但你怎么知道呢？