在开始数据建模工作之前，博主其实看了蛮多关于数据挖掘的书籍。但是，真正从事数据建模工作后，可以说只能用 “纸上谈兵” 来形容自己，我甚至搞不清楚在数据建模分为几个阶段，要先做什么后做什么，模型原理更是一知半解。随着自我的学习以及大佬们的指教，慢慢懂得数据挖掘工作一般步骤与套路，熟记这些建模的步骤与讨论，能让你明确当前任务是什么，下一步任务又是什么，每一步任务中应该注意的一些问题。
下面内容为整理的对建模的一般步骤，内容也仅作参考。值得注意的是，这里的一般步骤只是建模的常规套路，关于模型的原理部分还需要自己去深入了解。
在金融风控领域，变量筛选是模型构建中至关重要的一环。面对成千上万的候选变量，如何精准筛选出 预测能力强、稳定性高 的变量，直接决定了风控模型的性能上限。
在【风控模型专题：一文了解模型变量特征工程】 一文中已讲到变量挑选和变量降维的过程，完成变量降维后，入模变量的最终挑选和模型评估是确保模型性能、稳定性和业务可解释性的关键步骤。本期还是从业务实际的角度来讨论，介绍入模变量的挑选步骤和注意事项，以及模型评估的指标和业务解释，指标不从复杂公式的角度切入，主要从业务角度理解。
本期主要涉及以下两部分内容，指标涉及KS，AUC，Lift值，PSI等：
模型评估：评估指标及业务解释
在信贷业务中，评分卡分为三种：申请评分卡（A卡）、行为评分卡（B卡）、催收评分卡（C卡），本篇我们来学习一下行为评分卡，首先什么是行为评分卡呢，行为评分卡的使用场景以及目的，适用的信贷产品有哪些？