第1章：业务目标对齐——冷启动的第一步，也是最关键的一步
说实话，我见过太多评分卡项目死在起跑线上。不是因为算法不行，也不是因为数据不够，而是——业务方和技术方根本没对齐目标。
你想想看，业务方说“我要一个评分卡”，技术团队闷头做了三个月，上线后发现通过率只有10%，坏账率却飙到8%。两边互相甩锅，项目直接凉了。
为什么会这样？因为冷启动阶段，大家连“什么算成功”都没说清楚。
我个人习惯，在项目正式启动前，先花一周时间跟业务方把目标对齐。这一章，我就把对齐的套路拆开来讲。
1.1 跟业务方聊什么？——三个核心问题
我第一次做冷启动项目时，犯过一个低级错误。我以为业务方要的是“最精准的模型”，结果人家要的是“能快速放量”。
嗯，这里要注意：业务方的诉求往往不是技术指标，而是商业目标。所以，我建议你直接问三个问题：
- “你们希望通过率控制在什么范围？” —— 这决定了模型的松紧度
- “能接受的坏账率上限是多少？” —— 这是风控的底线
- “第一批用户打算什么时候上线？” —— 这决定了时间窗口
别小看这三个问题。我在一个项目中，业务方说“通过率越高越好”，结果模型放水严重，坏账率直接翻倍。后来我学乖了，必须把这两个指标绑在一起谈。
核心原则：通过率和坏账率是一对“跷跷板”。你压坏账率，通过率就低；你放通过率，坏账率就高。冷启动阶段，必须找到平衡点。
1.2 定义关键指标——通过率 vs 坏账率
说白了，这两个指标就是评分卡的“油门”和“刹车”。
通过率：申请用户中，被模型判定为“通过”的比例。比如100个人申请，模型放了60个，通过率就是60%。
坏账率：放款用户中，逾期超过一定天数（比如M3+）的比例。比如放了1000个用户，有50个逾期超过90天，坏账率就是5%。
我建议你在项目初期就跟业务方签一个“指标对赌协议”。举个例子：
| 场景 | 通过率目标 | 坏账率上限 | 备注 |
|---|---|---|---|
| 保守策略 | 30% - 40% | ≤ 3% | 适合高风险客群 |
| 平衡策略 | 50% - 60% | ≤ 5% | 最常用 |
| 激进策略 | 70% - 80% | ≤ 8% | 适合快速获客 |
我曾经遇到一个客户，非要定“通过率80%、坏账率2%”的目标。我直接告诉他：“这不可能，除非你找到神仙模型。” 后来我们折中到“通过率60%、坏账率4%”，项目才顺利推进。
避坑指南：我曾经因为没跟业务方确认“坏账率”的定义，结果模型上线后，业务方说“逾期30天就算坏账”，而我们用的是“逾期90天”。数据对不上，差点重做。所以，一定要把口径写进文档里。
1.3 确定时间窗口——冷启动的“生死线”
冷启动最怕什么？怕时间不够。
我记得有个项目，业务方说“两周内上线”。我一看数据，样本量才500条，根本不够建模。但业务方不管，说“先上再说”。结果呢？模型上线后，通过率波动得像过山车，一个月后就被下线了。
我建议你按这个节奏来规划时间窗口：
- 第1周：业务目标对齐 + 数据摸底
- 第2-3周：特征工程 + 模型训练
- 第4周：模型验证 + 上线准备
- 第5-6周：灰度测试 + 效果监控
为什么是6周？因为冷启动阶段，数据量少，模型不稳定，需要足够的时间去验证和调整。你想想看，如果只给两周，连特征工程都做不完。
警告：如果业务方要求“两周内上线”，我建议你直接拒绝。这不是技术问题，是风险问题。冷启动模型一旦翻车，后续再想推评分卡就难了。
1.4 样本量要求——数据不够怎么办？
这是冷启动最头疼的问题。没有历史数据，怎么建模？
我个人的经验是：最少需要1000条样本，其中坏样本（逾期用户）至少50条。如果坏样本太少，模型根本学不到“坏”的模式。
如果数据不够，我有三个建议：
- 用外部数据补充：比如征信数据、多头借贷数据。虽然成本高，但能快速提升样本量。
- 用规则代替模型：如果样本量少于500条，别硬建模。先用专家规则（比如“年龄>25岁”、“收入>5000”）做初筛，等数据积累够了再上模型。
- 用半监督学习：把少量标注样本和大量未标注样本结合起来。我在一个项目中用过，效果还不错，但需要谨慎调参。
嗯，这里要特别提醒：千万别为了凑样本量，把不同客群的数据混在一起。比如把“现金贷”和“消费分期”的数据合并建模，结果模型在两类客群上都不准。我踩过这个坑，教训深刻。
1.5 知识体系总览——一张图看懂冷启动目标对齐
下面这张图，是我每次做冷启动项目时都会画的。它把目标对齐的四个核心环节串起来了：
这张图的核心逻辑是：先沟通，再定义，后规划，最后评估。顺序不能乱。我见过有人跳过“业务沟通”直接定义指标，结果指标跟业务需求完全脱节。
1.6 实战案例——一个真实的冷启动对齐过程
最后，我分享一个真实的案例。
去年我帮一家消费金融公司做冷启动。业务方一开始说：“我们要一个评分卡，通过率越高越好。” 我追问：“坏账率能接受多少？” 对方说：“不超过5%。” 我又问：“第一批用户什么时候上线？” 对方说：“一个月后。”
我算了一下，一个月时间，样本量只有800条，坏样本30条。根本不够。于是我建议：
- 先用规则模型（基于多头借贷数据）做初筛，争取2周内上线
- 同时积累数据，3个月后迭代评分卡模型
- 通过率目标定在50%，坏账率控制在4%以内
业务方接受了。结果呢？规则模型上线后，通过率48%，坏账率3.8%。3个月后，评分卡模型上线，通过率提升到55%，坏账率降到3.2%。
你看，目标对齐不是一次性的，而是动态调整的过程。冷启动阶段，别追求完美，先跑起来再说。
本章小结：目标对齐是冷启动的基石。跟业务方聊清楚三个问题，定义好通过率和坏账率，规划好时间窗口，评估好样本量。这四步走完，项目就成功了一半。