相信很多小伙伴們都玩過狼人殺的游戲，今天，作者將從狼人殺這款游戲出發，來和大家一起談討下數據與模型。

玩過狼人殺的小伙伴們知道，狼人殺的魅力就是妥善利用各種信息，并加以推斷，找到狼人玩家。對于新手而言，拿到狼人牌后，多半會顯得緊張、結巴、語無倫次，甚至直接會在話語中暴露出狼人身份，坐實狼人身份。

而高玩在拿到狼人牌時，會很好隱藏自己身份，使得普通玩家難以判斷。那么問題來了，誰是狼人？

現實中，這樣的“狼人”并不少見。

在信貸場景下，借貸者借錢后可能會惡意逾期不還，成為一個“狼人”。

“引狼入室”是借貸機構所不愿見到的，因此他們也想出了一些辦法來識別借貸者的身份，比如人工驗證借貸者的學歷、收入、征信等信息。一段時間后，機構開始頂不住了，借錢的人太多了，審核不過來。而且由于審核方式單一，很多“狼人”巧妙利用各種方式通過審核，繼續坑錢。

雖然一定程度上可以對審核規則進行更新，但“狼人”總能找到新的缺口，通過審核。這可愁壞了借貸機構，這造成的損失誰頂得住??！

不過，再會玩的狼人都會在言行上透露出狼人的本質。他們一言一行中總會給出細微但有價值的信息，積少成多，最終幫助我們揪出他的狼尾巴。只是，我們如何利用好這些信息呢？

隨著大數據的崛起和機器學習的應用，借貸場景下的“狼人”開始無所遁形，我們可以掌握其更多維度的信息，幫助我們去判斷借貸者的好壞身份，比如app安裝偏好、地理位置等信息。

然后合理的運用機器學習建模方法，就可以將這些信息妥善利用起來，讓“狼人”露出原形。這可樂壞了借貸機構，終于有解決辦法啦！

狼人殺本就是個邏輯推理游戲，需要參與者能夠準確抓住那些有助于我們判斷的信息，并理性、客觀地分析，最后找到狼人。只有這樣，我們才能鍛煉出“神預言家”的能力，并在不同對局中，都能準確找到“狼人”。

模型的運作就像一個機械化工廠，不同于人工審核（手工作坊）的方式，它更精密、準確，面對海量、多維度、弱特征的信息（如網絡行為特征、地理信息等）時，仍可以高效率完成判別，大大提高工作效率，并且保證質量。

紙上得來終覺淺，絕知此事要躬行，光知道玩法是不行的。

要想成為狼人殺推理高手，最重要的就是多玩、多分析。一方面，要進行大量對局，加深我們對狼人殺游戲玩法的理解；另一方面，也要和不同的人對局，獲得足夠多的玩家信息，便于我們了解玩家。

同樣的，模型再好也需要數據支撐，數據的好壞是決定模型效果的最重要一環。一般情況下，對于已有的海量數據，我們都需要進行處理，如填補變量缺失值、組合變量、衍生變量等。

1. 特征篩選

由于狼人殺局內信息繁多，我們只需要挑選比較有價值的信息進行分析，場外信息和無關信息需要過濾，否則會降低我們分析的嚴謹性和可信度，從而不被其他玩家信任，這對于自詡“高玩”的我們肯定是太不能接受了。

游戲尚且如此，建模就更不能馬虎了。建模中，必須要對樣本特征進行嚴格的篩選，把對業務上有解釋意義的變量納入模型。

否則，面對你的建模結果，別人會一臉渴（meng）求（bi）地問：身高怎么就對一個人的逾期率產生了影響？實際操作中，我們會對諸如手機號、設備所在經緯度這樣的變量進行剔除，選擇個人興趣偏好、多頭得分等有解釋意義的變量進入模型。

2. 樣本與標簽選擇

苦練之下，終有所成，我們的狼人殺技術已經相當厲害了。正準備一展才華時，才發現他們要玩斗地主?；艁y之下，被地主打的落花流水，郁悶難當。

總結經驗，就是先明確要玩什么，再去做準備。

建模也是一樣。我們的建模是基于信貸場景下的。并且，根據不同的業務需求，建模所需準備也不同。對于貸前、貸中和貸后三個場景，我們對于“狼人”的定義和認知也是不同的。

貸前階段，我們不知道借貸者是否是“狼人”，只是用模型去判斷他的身份，避免“引狼入室”，但總會有遺漏；貸中和貸后階段，我們發現了那些溜進來的“狼人”，這時，就需要對他們壞的程度進行確定，以采取進一步的手段和措施。

這里，發現“狼人”和判斷“狼人”有多壞需要用到不同維度的信息，這就要求在建模中要選擇同業務需求相一致的樣本數據。

終于，我們愉快的進行了幾場狼人殺游戲。并且發現，每個人的思考邏輯、分析角度都不太一樣。有的人只根據當前輪次的發言進行分析，有的人則傾向于將多輪次的發言綜合起來分析，也有人選擇劃水，使得分析的結果也各不相同。

面對同樣的業務需求，我們也可采用不同的建模方法。當然，不同建模方法之間互有優劣，具體如何采用，需要結合實際，妥善選擇。信貸建模最為常用的當屬LR，但其在大數據應用方面稍顯遜色。實際中，我們更傾向于使用GBDT進行建模。

愉快的時光總是短暫的，游戲結束了。但這是否是幾場高質量的對局？誰會是那個“神預言家”？

一般而言，需要通過多次對局、甚至和不同玩家多次對局才能判斷玩家的推斷能力。該玩家在某局推測的準確性多高？是否在不同局中都能保持這樣的準確率？

模型完成后，也需要驗證其準確性和穩定性，看它在其他樣本（測試集、跨時間窗口樣本）上的效果是否準確、穩定。

如果效果不好，則需要考慮重新調整樣本（變量再篩選、再組合等）、模型參數，直到模型表現好為止。很多時候，這并不是一蹴而就的事，需要多次反復進行。

經過廢寢忘食的練習，我們終于成為了狼人殺高手。本以為會在游戲中練就火眼金睛，鏟除狼人，帶領隊友走向勝利，卻發現，己方全是“豬隊友”，身為平民的我，無法獲取足夠信息，導致判斷失誤，痛輸對局?；蛟S此時，我們已經不能再玩低端局了。

雖然我們可能對建模方法的使用了如指掌，但沒有足夠有效的數據，我們也很難訓練出一個好的模型。當前雖然是大數據時代，但對于很多小微企業、甚至很多大企業而言，如何獲得數據都是他們所無法解決的痛點，即便掌握優秀的建模技能，但缺乏數據驗證，也難以做出好的模型。