审批通过率分析案例
下图是一定周期内（期间风控审批策略未发生调整）的审批通过率（数据为虚构，非真实数据）。
1）定位问题：
折线图可以明显看出，20210305 的审批通过率异常；
2）分析问题：
步骤 1：使用逻辑树分析法，对指标进行分析，罗列子问题；审批通过率=审批通过人数/申请人数，将审批通过率拆分为申请人数&通过人数，对比分析审批通过人数及申请人数的变化趋势；指标拆分后发现 20210305 的申请人数大幅提高，但通过人数没有提升：
步骤 2：使用多维度拆解法，对申请人数进行深入分析，按照产品、渠道、地域、职业、客户风险等级、新老客、年龄等维度，找出 20210305 申请人数突增原因；通过拆解发现，该日期申请人数多且客户普遍风险等级较高，超出评分阈值，审核未通过，导致通过率骤减；
步骤 3：从客户申请量大且风险等级高为切入点，与前端营销人员沟通，了解当天是否有特殊拉新活动；沟通发现，营销人员当天对一批渠道导流客户进行了重点营销；这批客户对贷款需求高，但资质较差，故导致当天申请人数突增但通过人数较低 ，整体上拉低了当天通过率，数据出现了明显凹点；
3) 解决问题：(策略优化&调整)
通过上述分析，找到原因，可以给出分析建议：加强营销渠道管理，对新进渠道充分调研，分析渠道客户资质，在没有准确结论时，建议开展小规模营销实验，待样本数据充分表现后，基于分析结果，采取进一步措施。
入催率分析案例
入催率即到期贷款中，未能按时还款，导致违约进入逾期队列的比例。下图为账单月维度的入催率数据。
1) 定位问题：
从上面的入催率趋势图可以看出，202001-202002&202006 账单月的入催率异常。
2) 分析问题：
步骤 1：采用逻辑树分析法，对入催率指标进行拆解，分析到期及入催数据变化，通过分析发现到期数据无显著变化，上述异常账单月入催数据异常；
步骤 2：采用相关分析，还款扣款成功率对入催率的相关系数>0.6；对上述异常账单月的扣款成功率进行分析，发现 202006 账单月扣款系统频繁异常，导致入催人数暴增；202001-202002 账单月扣款无异常，故从其它维度进行分析；
步骤 3：多维度拆解分析，分别从用户年龄、渠道、地域、新老客、政策调整等维度拆解分析；发现，202001-202002 期间风控政策无调整，但从各维度看入催人数均有上涨，期间客户的还款能力变弱；从背景时间节点看，当时处于新冠疫情爆发期，因疫情导致很多人的收入受影响，故期间客户还款能里变差，导致入催率升高；
3) 解决问题：
通过上述分析，发现代扣异常、新冠疫情因素导致上述账单月异常；分析建议：优化扣款系统，设置系统监控预警系统，当扣款系统出现问题时，及时、有效的通知对应人员，进行系统修复；针对新冠疫情的特殊因素，可以在客户还款日期前，对疫情影响严重地区，可采取还款红包激励、适当延长还款日等方式。
总结
风控管理是信贷业务的核心环节，关系着信贷业务的收益；构建风控指标，观测风控各环节政策的执行结果，并通过对指标分析，及时开展策略迭代，完善风险管理体系，提升管理效能。