1. 风控概述：交易风控的核心目标、实时风控与离线风控的区别、人群切片在风控中的价值
1.1 交易风控的核心目标
交易风控（Transaction Risk Control）是在支付、转账、消费等资金流转过程中，通过规则、模型、策略等手段识别并阻断欺诈、盗刷、洗钱等异常行为，保障资金安全与业务合规。其核心目标可归纳为三个维度：
| 维度 | 目标 | 关键指标 |
|---|---|---|
| 资金安全 | 拦截欺诈交易、盗刷、账户盗用，降低资损 | 资损率、拦截率、误杀率 |
| 用户体验 | 减少误拦截，保障正常交易通过，降低用户摩擦 | 误杀率、申诉率、通过率 |
| 合规监管 | 满足反洗钱（AML）、反恐融资（CTF）等监管要求 | 可疑交易上报率、合规覆盖率 |
平衡点： 风控不是“拦截越多越好”，而是在资损与用户体验之间寻找最优平衡。过严的风控会误伤正常用户，过松则导致资损上升。
1.2 实时风控与离线风控的区别
实时风控与离线风控在时效性、处理方式、应用场景上存在本质差异。下表从多个维度进行对比：
| 对比维度 | 实时风控 | 离线风控 |
|---|---|---|
| 处理时效 | 毫秒级～秒级（通常 < 200ms） | 分钟级～小时级（T+1 或批量） |
| 数据来源 | 实时交易流、设备指纹、行为埋点 | 历史交易表、用户画像、外部黑名单 |
| 计算模式 | 流式计算（Flink/Spark Streaming） | 批处理（Hive/Spark SQL） |
| 典型场景 | 支付拦截、登录保护、转账风控 | 反洗钱分析、团伙挖掘、策略回测 |
| 策略更新 | 热加载、分钟级生效 | 每日/每周更新 |
| 误杀容忍度 | 低（直接影响用户） | 相对较高（事后复核） |
关键认知： 实时风控负责“第一道防线”，离线风控负责“深度分析与策略迭代”。两者互补，缺一不可。
1.3 人群切片在风控中的价值
人群切片（Crowd Segmentation）是将用户按风险特征、行为模式、交易属性等维度划分为不同子集，以便实施差异化风控策略。其核心价值体现在：
- 精准拦截： 针对高风险人群（如新注册设备、异地登录）启用更严格的规则，对低风险人群（如老用户、白名单）放行，降低误杀。
- 策略差异化： 不同切片可配置不同的阈值、模型、处置动作（如直接拒绝、二次验证、人工审核）。
- 复盘效率提升： 通过切片维度（如渠道、金额区间、设备类型）快速定位风险集中区域，避免全量数据盲目分析。
- 资源优化： 将计算资源集中在高风险切片，降低整体风控系统的计算开销。
1.4 人群切片复盘的核心流程
在实时交易风控中，人群切片复盘通常遵循以下步骤：
- 定义切片维度： 根据业务场景选择切分维度，如用户等级、交易金额区间、设备指纹、地理位置、历史行为标签等。
- 数据采集与清洗： 从实时流（Kafka）和离线数仓（Hive）中提取交易数据，完成去重、异常值处理。
- 切片计算与聚合： 按选定维度对交易数据进行分组聚合，计算每个切片的交易量、拦截率、资损率、误杀率等指标。
- 异常定位： 对比不同切片间的指标差异，识别高风险集中区域或策略失效区域。
- 策略调优： 根据复盘结果调整对应切片的规则阈值、模型权重或处置动作。
常见陷阱： 切片维度过多会导致数据稀疏，统计结果不可靠；切片维度过少则无法精准定位问题。建议从 3～5 个核心维度开始，逐步细化。