1. 课程导论：坏样本归因与 Collections Analytics 的价值

在信贷风控全生命周期中，坏样本归因与Collections Analytics（催收分析）是连接“风险识别”与“风险处置”的关键桥梁。本课程旨在系统性地拆解这两个领域的核心方法论，帮助从业者从数据中定位逾期成因，并基于分析结果优化催收策略。

1.1 坏样本归因的定义

坏样本归因是指对已发生逾期或损失的客户样本，通过量化分析手段追溯其违约的根本原因。它不仅仅是“谁逾期了”，而是回答“为什么逾期”。

归因分析通常从三个维度展开：

1.2 Collections Analytics 在风控中的价值

Collections Analytics 是将数据分析技术应用于贷后催收管理，实现从“经验驱动”到“数据驱动”的转型。其核心价值体现在以下四个方面：

1. 策略精细化： 基于客户风险分层与行为评分，制定差异化的催收触达策略（如短信、IVR、人工外呼、法务介入）。
2. 资源优化配置： 将有限的催收人力与预算集中在高回收概率、高损失敞口的案件上，提升回收效率。
3. 早期预警与干预： 通过分析逾期前兆行为（如还款渠道变更、联系方式异常），在M0阶段提前介入，降低坏账转化率。
4. 策略闭环迭代： 利用A/B测试与冠军/挑战者机制，持续验证催收话术、触达频率与渠道组合的有效性。

1.3 课程整体框架与学习目标

本课程共分为30个章节，按照“基础认知 → 归因分析 → 策略设计 → 实战落地”的逻辑递进。整体框架如下：

1.4 学习路径与预期产出

完成本课程后，学员应具备以下能力：

• 分析能力： 能够独立完成从数据提取、坏样本定义到归因建模的全流程分析。
• 策略能力： 能够基于归因结果设计催收策略矩阵，并建立策略监控看板。
• 落地能力： 能够将分析结论转化为可执行的业务规则或系统部署方案。