早期風(fēng)控中大量使用模型和歷史數(shù)據(jù)作為輸入付枫，后來(lái)有了大數(shù)據(jù)，到現(xiàn)在的算法智能驰怎，風(fēng)控手段不斷的在提高阐滩。
（此文有點(diǎn)標(biāo)題黨，勿噴Ｏ丶伞）
模型 >>> 大數(shù)據(jù) >>>算法智能
首先來(lái)說(shuō)模型：
就拿FRM來(lái)說(shuō)掂榔，F(xiàn)RM中大部分內(nèi)容不是像大學(xué)課程那樣教你模型是什么继效，也不是教你如何給模型輸入數(shù)據(jù)得到結(jié)果的操作技能。而是告訴你模型的原理装获，以及最重要的知識(shí)——模型的優(yōu)缺點(diǎn)：在各種不同歷史數(shù)據(jù)和當(dāng)時(shí)環(huán)境下的表現(xiàn)瑞信，F(xiàn)RM把這列為考試中重點(diǎn)的重點(diǎn)，而不是簡(jiǎn)單的計(jì)算穴豫。
FRM考試的題目來(lái)自天涯海角的GARP協(xié)會(huì)會(huì)員凡简，題目和實(shí)際工作緊密相關(guān)。
在實(shí)務(wù)中精肃，模型被誤用秤涩、或數(shù)據(jù)不適合，而導(dǎo)致風(fēng)控失敗的案例不在少數(shù)司抱，可以說(shuō)是風(fēng)控重點(diǎn)要解決的問(wèn)題筐眷。這當(dāng)中的關(guān)鍵是使用模型的人，GARP對(duì)FRMer的要求偏重實(shí)際使用模型的能力习柠，所以題目也偏向如此匀谣。
模型能發(fā)揮的效果，取決于數(shù)據(jù)和使用場(chǎng)景资溃。
其次來(lái)說(shuō)說(shuō)大數(shù)據(jù)：
大數(shù)據(jù)如雨后春筍般出現(xiàn)在各種應(yīng)用場(chǎng)景武翎，其誕生于對(duì)數(shù)據(jù)的挖掘。
有人說(shuō)肉拓，大數(shù)據(jù)時(shí)代后频，數(shù)據(jù)就是“石油”，但這么說(shuō)還不完整暖途。
怎么使用大數(shù)據(jù)呢卑惜，可以有以下步驟：
一、學(xué)會(huì)python或其他語(yǔ)言驻售，使用框架露久，寫個(gè)入門代碼。
二欺栗、掌握數(shù)據(jù)挖掘的算法
三毫痕、將算法在實(shí)際中運(yùn)行，通過(guò)原始數(shù)據(jù)產(chǎn)生新的數(shù)據(jù)
四迟几、將產(chǎn)生的新數(shù)據(jù)收集分析消请，再次挖掘
所以，數(shù)據(jù)是個(gè)周而復(fù)始產(chǎn)生的過(guò)程类腮，不斷產(chǎn)生的新數(shù)據(jù)與原數(shù)據(jù)之間的關(guān)系臊泰，可以檢驗(yàn)算法的實(shí)際適用場(chǎng)景和效果，這才是真正有價(jià)值的“石油”蚜枢。
最后是算法智能：
人工智能以模擬人類智慧為目的缸逃，以算法為驅(qū)動(dòng)力针饥，嘗試各種替代人類對(duì)決策。早起曾應(yīng)用于管理決策需频、醫(yī)學(xué)診斷等丁眼。
以下是人工智能與數(shù)據(jù)挖掘的區(qū)別與聯(lián)系
共同點(diǎn)：
都是基于大數(shù)據(jù)（不限于文本，包括：圖像昭殉、音頻等信息）苞七，在其上運(yùn)行算法。
區(qū)別：
數(shù)據(jù)挖掘是對(duì)大數(shù)據(jù)進(jìn)行分析挪丢，從中挖掘出有價(jià)值的數(shù)據(jù)莽鸭，以及數(shù)據(jù)之間內(nèi)在的聯(lián)系，產(chǎn)出物是數(shù)據(jù)分析的結(jié)果吃靠。
人工智能是基于大數(shù)據(jù)進(jìn)行各種模型與算法的訓(xùn)練，目的是讓算法自己掌握數(shù)據(jù)中的規(guī)律足淆。機(jī)器學(xué)習(xí)因使用的數(shù)據(jù)不同巢块，在學(xué)習(xí)完后養(yǎng)成的”機(jī)器性格“也不同，產(chǎn)出物是訓(xùn)練完成的模型與算法巧号。
聯(lián)系：
人工智能訓(xùn)練完成的算法可用于數(shù)據(jù)挖掘使用族奢，從而產(chǎn)出特定的數(shù)據(jù)分析結(jié)果。
有人認(rèn)為丹鸿，人工智能中機(jī)器學(xué)習(xí)是大數(shù)據(jù)的手段之一越走，但真正的人工智能應(yīng)用，應(yīng)產(chǎn)生出的是機(jī)器性格以及機(jī)器自身智能程度的提高靠欢。
人工智能與人類思維模式的對(duì)比
人類的思維模式大致可分為三類：
邏輯思維廊敌、抽象思維、具象思維门怪。
邏輯思維是大眾普遍擁有的骡澈，其中能力的高低就是平時(shí)一些智商測(cè)試類的題目能測(cè)出的部分。
抽象思維是在邏輯思維的基礎(chǔ)上誕生的掷空，對(duì)事物按照邏輯思維的方式進(jìn)行理解其規(guī)律肋殴，做出要點(diǎn)總結(jié)的能力。
具象思維是一種在抽象思維的基礎(chǔ)上通過(guò)邏輯思維作為橋梁而產(chǎn)生的思維模式坦弟，簡(jiǎn)單來(lái)說(shuō)就是“以點(diǎn)及面”的能力护锤。在探索一個(gè)未知的新領(lǐng)域時(shí)，依靠抽象思維作出的其他熟悉領(lǐng)域的總結(jié)規(guī)律通過(guò)邏輯思維去補(bǔ)上缺失的部分酿傍，形成具象化概念烙懦，從而把概念變成模型，再根據(jù)實(shí)踐時(shí)的數(shù)據(jù)修正模型拧粪，最終達(dá)到再次抽象的效果修陡。
而AI的發(fā)展也正經(jīng)歷這三種思維模式的模擬沧侥，正處于抽象思維領(lǐng)導(dǎo)的階段。
早起的人工智能研究主要集中在模擬人類思維邏輯魄鸦，通過(guò)輸入某些數(shù)據(jù)宴杀，得出正確的結(jié)論，包括一些模擬人類神經(jīng)的矩陣等拾因，都是在機(jī)器上試圖重建人類的邏輯思維旺罢。
近幾年發(fā)展出的基于學(xué)習(xí)的理論、依靠大數(shù)據(jù)蓬勃發(fā)展的AI绢记，主要是實(shí)現(xiàn)使機(jī)器具有抽象思維的能力扁达。人類在抽象思維上速度和廣度很難與現(xiàn)在的計(jì)算機(jī)相比較，如AlphaGo 打敗 柯潔蠢熄。
注：網(wǎng)上資料說(shuō)的：抽象跪解、邏輯思維和具象、形象思維與我文章中的定義概念不是一回事兒签孔，切勿混淆叉讥。
實(shí)際應(yīng)用場(chǎng)景——風(fēng)控：
大數(shù)據(jù)風(fēng)控強(qiáng)烈依賴數(shù)據(jù)和算法，包括AI風(fēng)控也是如此饥追。
大數(shù)據(jù)自身是無(wú)法判斷算法是否被誤用图仓、數(shù)據(jù)是否合適，所以但绕，選擇適合場(chǎng)景的算法以及數(shù)據(jù)源就非常重要救崔，直接影響實(shí)際使用的效果。
同樣AI最后被訓(xùn)練成什么樣的風(fēng)控模型捏顺，這也是AI自己無(wú)法判斷和左右的六孵，一切取決于訓(xùn)練它的數(shù)據(jù)以及所使用的算法。
傳統(tǒng)的風(fēng)控模型都會(huì)有一定的假設(shè)條件幅骄，而挑選的數(shù)據(jù)源與使用場(chǎng)景是否符合其假設(shè)條件是其中的難點(diǎn)狸臣。
如果與假設(shè)條件有偏離，那么最終訓(xùn)練出的效果可能不是最好的昌执，在實(shí)際使用時(shí)會(huì)起不到應(yīng)有的預(yù)計(jì)效果烛亦。
每一次訓(xùn)練得到的結(jié)果都是“數(shù)據(jù)財(cái)富”，能夠幫助完善AI的應(yīng)用前景懂拾。
