1. 风控基础概念
1.1 什么是风控
风控（Risk Control，风险控制）是指通过一系列策略、模型和规则，识别、评估、监测并缓释业务中潜在损失的过程。在数字化业务中，风控系统通常以规则引擎、机器学习模型和实时决策平台为核心，在毫秒级时间内对每一笔交易、每一次登录、每一个申请做出风险判断。
核心定义：风控不是消灭风险，而是在可接受的成本范围内，将风险控制在业务可承受的阈值之下，实现收益与风险的动态平衡。
1.2 风控的核心目标
风控体系围绕以下四个核心目标构建，通常称为“风控四维目标”：
| 目标维度 | 定义 | 典型指标 |
|---|---|---|
| 准确性 | 正确区分好坏用户，减少误杀和漏放 | 精确率、召回率、AUC |
| 时效性 | 在用户无感知的毫秒级时间内完成决策 | P99 响应时间、平均决策耗时 |
| 覆盖率 | 覆盖所有风险场景和业务渠道 | 规则覆盖率、模型覆盖率 |
| 可解释性 | 决策过程可追溯、可审计、可优化 | 规则命中率、拒绝原因分布 |
实践要点：四个目标之间存在权衡关系。例如，提高准确性可能增加计算复杂度从而影响时效性；提升覆盖率可能引入更多误杀。风控架构设计需要根据业务场景做优先级排序。
1.3 风控在金融/电商等领域的应用场景
不同行业的风控侧重点差异显著，以下通过对比表格和场景流程图进行说明：
| 领域 | 典型场景 | 风险类型 | 风控手段 |
|---|---|---|---|
| 金融 | 信贷审批、信用卡交易、转账汇款 | 欺诈风险、信用风险、洗钱风险 | 信用评分卡、反欺诈规则、交易限额 |
| 电商 | 下单支付、优惠券领取、账号注册 | 盗刷、黄牛、虚假交易、恶意退货 | 设备指纹、行为序列分析、风控规则引擎 |
| 社交/内容 | 用户注册、发帖、私信 | 垃圾注册、广告灌水、色情内容 | 文本识别、图神经网络、频率限制 |
| 出行/物流 | 司机接单、乘客支付、货物保险 | 刷单、骗保、账户盗用 | GPS轨迹校验、人脸识别、信用分 |
下图展示了风控系统在金融和电商场景中的通用决策流程：
1.4 风控与样本分层的关系
在风控规则引擎中，样本分层是提升规则精准度和模型泛化能力的关键前置步骤。不同风险等级、不同用户群体、不同业务渠道的数据分布差异巨大，直接使用全量样本训练规则或模型会导致：
- 头部效应：高频正常样本淹没低频欺诈样本，规则对异常行为不敏感。
- 概念漂移：不同渠道（如App端 vs Web端）的用户行为模式不同，统一规则难以适配。
- 样本不平衡：欺诈样本占比通常低于1%，直接建模会导致模型偏向多数类。
关键认知：样本分层不是简单的数据分组，而是基于业务理解对风险分布进行结构化拆解。后续章节将详细讲解如何基于分层结果设计差异化规则、优化规则阈值、以及构建分层评分卡。
下图展示了样本分层在风控规则引擎中的定位：