首先，我们带着问题去学习，我们风控人员为什么需要报表？是由谁来制作？
问题一：风控报表是由谁来制作的呢？
风控部门中，通常审批策略、催收、反欺诈、建模的工作人员会对报表比较重视。
审批策略人员通过每天的报表，了解每天审批了多少订单，有多少的通过、多少拒绝，什么原因拒绝，审批的客群分布、产品分布是怎么样的。
策略人员要通过每一版报表知道策略对逾期率、通过率的影响。通过率与逾期率一般是互补的情况，通过率高了，逾期率也随之升高，策略人员需要通过报表去权衡。还需要通过报表知道什么时候要做策略的迭代。
催收人员需要通过报表知道待催收的库存量有多少，逾期借款人的逾期区间是怎么分布的。还需要从报表来统计回款率、电话接听率，履约率。公司还需要根据报表来判断催收工作人员的工作效率。
模型人员就需要更多的报表指标去指导工作内容了，不断地检验模型。下图是审批监控中比较常见的指标。
问题二：每一个指标有什么用处呢？
我们通过一个案例表格来解释
进件量基本可以反映公司产品的运营趋势。表格里审批日期是5月1日到10日，由于1号是节假日，正常情况会比较少的进件量，但是到了10号突增。这样的情况我们需要在报表上写明情况，还需要去和产品、销售沟通，是不是当日采取了什么营销措施。如果并没有做营销活动，就需要与策略沟通，关注当日审批情况，是否存在漏洞，是否有人攻击产品。
审批量是进件量之后，可能客户填写资料后就取消了下一步的操作，不一定进入审批。所以进件量、审批量、通过量的过程会是一个漏斗的形式，数量逐渐减少。
通过量，会因为借款人信息触碰了一些审批规则或借款人自己放弃借款，会比前一步骤的量减少。通过之后的借款人来到了放款环节，有可能就会申请借款或根据利息额度考虑之后放弃借款。在放款或客户提款环节，就涉及到产品定价，通过报表数据的反馈，也可以及时反应产品定价的问题，不断优化产品定价。比如，客户提现流失率就可以为产品定价提供一种分析纬度。
通过量申请的金额对应的就是批核金额、放款量对应的就是放款金额。批核金额除以通过量得到的就是批核件均值。
一般在策略没有调整时，通过率是不会有太多变化的。其中5月3日到4日有大约20%的涨幅，此时就需要和策略人员及时沟通。找到结果并在报表概述里解释。
批核件均与放款件均会在产品的授信区间波动，其中看到5月1日的24.5万元与其他几天对比波动较大。会不会是只有两笔订单的原因，可能要检查一下这两个客户是不是这么优质的借款人。
平均通过率需要和审批通过率做对比，通常一段时间内在策略没有调整的情况下，审批通过率会在平均通过率的上下浮动。
这些报表的数据信息，都需要去分析原因、经过。并且可以拓展为周报、月报。
报表意义总结:
进件量浮动较大时，需与前端销售、产品同事沟通，寻找浮动原因 ；
审批通过率变化较大时，需与策略同事沟通，分析是否与策略调整有关，可通过数据库抽查部分订单 ；
批核件均以及放款件均一般会在产品授信范围内波动 ；
批核金额与放款金额差距较大时，需了解原因是借款人主动放弃借款、还是系统放款异常或其他原因，必要时可开发转化率模型，刺激借款人借款。
审批监控中还有一个比较重要的报表:拒绝原因分布报表
在审批通过率有比较大的波动时，第一时间就要去检查拒绝原因分布报表看看是什么拒绝原因导致突增or策略没有起到效果。
例如某些拒绝原因占比较大，但突然某一天这个原因被拒绝的借款人减少了，就要看是不是这一块的策略没有起到效果。特别是在上线一个新的产品时，会先在测试环节测试再投入生产，当测试环境与实际生产环境不太一样，就要分析是否是决策引擎的配置及规则逻辑出现了问题。
拒绝原因从一个整体的时间跨度分析时，可以看到名单类的占比是一直比较大的。在策略上可以随机让一些触碰名单类的借款人通过，给这些借款人打上标签，然后对比这些标签借款人的逾期率是否比没有触碰名单类的借款人的逾期率要高。观察在可接受的逾期率范围内，考虑下一期的策略是否要放宽名单类的拒绝条件。
报表意义总结:
当审批通过率发生波动时，首先应该查看拒绝原因分布表，判断是否由审批策略改变所影响；
某项拒绝原因占比有较大改变时需检查规则引擎的配置；
可给政策放宽或缩紧时一些参考，如某项拒绝原因复议客户过多时可参考调整策略；
查看各个拒绝原因出现频率，监控政策实施情况，便于后期政策优化。