风险策略的分析方法跟大多数的数据分析场景很像，都是一种数据下探直到找到的过程，有些像剥洋葱一样直到探索到问题的真像~

为什么在整个策略分析中，我们一开始并不能了解到问题的真像(比如找到那个“心”）。因为这个是由风控的整体决策流程决定的，要了解风控的流程可以看看整体的风控流程大致由以下几个部分组成：

①事件

②策略集

③规则

也可以参考之前的文章：风控策略篇—风险事件&策略集&规则

一：这里我们先介绍，什么是事件：

常见的事件是被包含在不同的场景中，API调用需要对应到不同的场景，例如：注册，修改，登录，贷款，提现等都是我们具体的场景，而事件又包括哪些类型，以下列出来的明细，几乎包括了常见的类型：

事件类型（eventType）

二．策略集

以上的一个或多个的事件都会发生在我们整个贷款流程的节点里，而每个节点都会触发一下的风险类型，比如在我们开篇的图里，该事件就出了两个风险类型，分别是：creditRisk（失信风险）与garbageRegister（垃圾注册）。以下，我们再列清楚具体的归类的一些风险类型：

风险类型（riskType）

由一个或多个风险类型就对应了不同的策略，而多个策略就组成了风险策略集。

三．规则

拆解具体的策略集，可以看到里面包含的具体的策略明细。如上文所提的第一个策略失信风险策略，就是为具体的两条规则组成，分别是：

1.身份证比对信贷行业曾经逾期30天内中风险名单

2.多头借贷

最后命中的结果，分别是：

1.对于第一条规则,命中了的风险等级是中风险，并且名字的行业是信贷行业，具体命中的明细是信贷行业里曾经逾期(0~30天)，这条规则

2.第二第二条规则，命中了多头借贷这条规则，并且命中的次数是11条，分别是持牌消费金融4条,互联网小贷4条,地方性小贷2条，现金借贷1条。

所以反馈到具体的策略分析跳回的数据来看，我们会发现经常收到两种代码：主拒绝码与子拒绝码

在策略分析上，我们通过是通过返回的主拒绝码来定位具体的客群命中的策略集，然后再通过拆分策略集中的规则来具体定位命中规则。

以某产品，设置的随机测试策略规则码配置为例：

我们会将反欺诈1+反欺诈2+反欺诈3+人工审核1/2都加入到这个测试事情中；其中反欺诈1是黑名单类策略，反欺诈2是设备类策略；

通过这个命中主规则码，我们来定位客群命中的情况；然后再下一层分析中会继续剥开，观察客群命中的具体是哪个规则：

以上内容参考自：

番茄风控知识星球社区

番茄风控第47节星球课堂《风控策略效率的测试、调优与评估》。