哈啰出行
风控模型
风控模型
发布于 大约 17 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
机器学习
特征工程
XGBoost
知识图谱
反欺诈
决策树
逻辑回归
风控模型
评分模型
AI 估算 · 25k–45k
风控模型岗位技术壁垒高，3年经验在互金领域有竞争力，参考上海同类岗位薪资范围，结合公司规模给出合理区间。
职位详情
关于这个职位
作为哈啰出行的风控模型专家，你将负责开发和优化信贷场景的风控模型，包括反欺诈、评分卡等，利用海量用户数据构建特征变量，并推动模型在策略中的应用
该职位要求扎实的机器学习基础和3年以上相关经验，适合希望在金融科技领域深耕的技术人才
最低要求
本科以上学历，统计学，数学，金融学，物理学等专业优先
年以上消费金融、头部互金平台、信用卡中心模型开发经验优先
熟悉常用机器学习算法及其原理，如逻辑回归、决策树、xgoost、随机森林、SVM等，精通Python/R/SAS等一到多种语言及软件
逻辑严谨、思路清晰、沟通能力良好、内驱力强
工作职责
负责建立和完善信贷场景风控模型，包括但不限于反欺诈、申请评分、行为评分、催收评分、客户流失模型、知识图谱等
负责风控数据集市搭建，持续挖掘公司不同业务类型数据在风险评估方面的价值，并能够设计特征变量和代码实现
负责对外部征信数据的有效性和质量进行评估，推动其在模型和策略中应用
负责与外部团队沟通及项目落地，同时负责和策略同事协同工作，部署模型，验证，撰写验证报告，监控以及优化模型
AI 洞察
优缺点分析
- 哈啰出行作为超大型企业，平台稳定，业务数据丰富，有助于积累宝贵的风控实战经验
- 风控模型是金融科技的核心，技能稀缺性强，市场价值高
- 涉及知识图谱、外部征信等前沿方向，技术成长空间大
- 公司融资阶段靠后，薪资福利有竞争力
- 风控模型对准确性要求高，模型失效可能导致业务损失，工作压力较大
- 需要持续跟进外部征信数据变化和监管政策，知识更新快
- 跨部门沟通频繁，需协调策略、业务、外部团队，对沟通能力要求高
- 适合有3年以上风控模型经验、热爱技术钻研、希望在大平台深耕金融科技领域的求职者
角色解读
- 专业方向：从模型开发向风控策略、数据科学家方向发展，成为风控领域专家
- 管理方向：积累经验后可晋升为风控团队负责人或技术Leader
- 行业方向：金融科技持续发展，可转向银行、消费金融公司或大型互联网平台
- 负责信贷场景风控模型的全生命周期开发，包括反欺诈、申请评分、行为评分等核心模型
- 搭建风控数据集市，挖掘内外部数据价值，设计并实现特征变量
- 与策略同事协同部署模型，撰写验证报告并持续监控优化模型性能
- 评估外部征信数据有效性，推动其在模型和策略中的应用
- 扎实的机器学习理论基础，熟练使用逻辑回归、决策树、XGBoost、随机森林等算法
- 精通Python/R/SAS等编程语言，具备独立进行数据处理和建模的能力
- 年以上消费金融或头部互金平台模型开发经验，熟悉信贷风控业务
- 逻辑严谨，沟通能力强，能够跨团队协作推动项目落地
申请策略
- 了解哈啰出行的业务线（如两轮、四轮、金融等），思考风控如何助力各业务
- 准备一个完整的模型开发项目案例，从数据探索到部署监控全流程阐述
- 重点突出信贷风控模型项目经验，如评分卡、反欺诈模型的开发与部署细节
- 量化成果，例如模型AUC提升、坏账率下降等具体指标
- 展示数据处理和特征工程能力，列举使用的工具和算法
- 如果与外部征信机构合作过，强调评估和应用经验
- 系统复习机器学习算法原理，特别是XGBoost和集成学习方法
- 练习Python编程，熟悉pandas、scikit-learn等库，准备手撕代码环节
面试指南
- 项目类问题：背景→目标→数据→特征→模型选型→评估→部署→监控→效果
- 算法对比问题：从原理、适用场景、性能、可解释性等方面对比，结合风控业务特点
- 开放性问题：先给出定义或原理，再举例说明，最后总结个人观点
- 请描述一个你主导的风控模型项目，从需求到落地的完整过程
- 逻辑回归和XGBoost在风控场景中各自的优缺点是什么？如何选择？
- 如何处理样本不平衡问题？在风控建模中常用哪些方法？
- 风控模型上线后，如何验证其效果并进行监控？
- 解释一下知识图谱在反欺诈中的应用原理
匹配度报告
66
综合匹配度
大平台、前沿技术、高薪资，但办公地点偏且WLB未明确。
适合人群
适合重视技术成长和薪资回报、能接受现场办公并有一定抗压能力的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展85
工作生活45
使命价值60
薪资福利匹配
75中等
薪资处于市场偏高水准，公司规模大且融资成熟，稳定性较好，但JD未提及具体福利。
薪资信号偏高 (25K-45K/月)
成长发展匹配
85较高
技术栈前沿（XGBoost、知识图谱等），业务数据丰富，成长空间大，但JD未明确提及晋升路径。
技术前沿前沿/新兴技术
技术栈Python、机器学习、逻辑回归、决策树、XGBoost、随机森林、SVM、知识图谱
业务类型profit_center
工作生活匹配
45较低
JD未提及远程或弹性工作，办公地点闵行区相对偏远，且风控岗可能需要加班应对模型迭代。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
60中等
金融科技行业高速增长，风控对业务有重要价值，但社会影响力中性，JD未体现使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs