先说我接手时的一个坑

我管企业设备这块，本来跟租机风控没直接关系。但公司后来上了租赁业务，风控这摊子事交到我手上，我才发现，很多人对「风控打分」的理解，全错了。
最常见的误区，就是「芝麻分高 = 没风险」。我一开始也这么想，结果第一批量出来的坏账，全是芝麻分 700 多的「优质客户」。我当时就懵了，心想这风控模型是不是写反了。
后来才搞明白，不是模型错了，是「只盯单一信用分」这件事本身就错了。芝麻分这东西，撸机党最会「养」——按时还几笔小额、多用几次免押租借，分就上去了。等你看到 700 的时候，那可能是一个精心养了半年的号，就等着提你的顶配机。

风控打分，其实是多维度的加权

真正落地的风控模型，从来不是单看一个分。它是把好几个维度的信息揉在一起，加权算出一个总评分。行业里比较成熟的一套权重，是这样的：

• 征信，占 40%。历史有没有逾期、负债水平、查询次数，这是最硬的还款意愿信号。
• 行为，占 30%。他申请的时候怎么操作的——浏览了哪些机型、填信息花了多久、有没有异常跳转，这些「操作路径」骗不了人。
• 设备，占 30%。一台设备挂几个账号、有没有机卡分离、是不是改机，这些设备指纹信息也很关键。
  你看出关键了吗？单一维度都可以伪造，但三个维度同时造假，成本是指数级往上翻的。要骗过这套模型，他得同时搞定一张真身份证、一个实名手机号、一台干净设备、一套正常的行为轨迹，还得避开地址库。到这个成本，绝大多数人不划算了。
  这套打分背后，其实是机器学习模型在跑。业内常用 XGBoost、LightGBM 这类模型训练欺诈预测，把历史里「哪些特征的人最后逾期了」学出来，再套到新申请上打分。说白了，就是用数据把「坏客户长什么样」给摸出来。
  「行为」这个维度，我再展开讲讲，因为它最不容易造假。一个人正常申请，路径是「浏览机型 → 选租期 → 填信息」，一步一步来。异常的人不一样——有的跳步，中间环节直接跳过；有的凌晨两三点疯狂切换型号；有的全程秒过，几秒钟就填完提交。这些「操作痕迹」是下意识留下的，很难装。所以行为埋点抓的不是「他填了什么」，是「他是怎么填的」，后者往往更诚实。
  「设备」这个维度也是，光绑一个 IMEI 不够，要能识别三个东西：一个设备挂了好几个账号、机卡分离（卡和机对不上）、拆机即锁。判废标准特别简单——客户换了张 SIM 卡，你后台一点不告警，那这套设备指纹就形同虚设。

别把风控想成一道锁，它是一张网

这里我想纠正一个更大的观念。很多人以为风控就是「审批那一下」，过了就万事大吉。错。风控是贯穿整个租期的：审批是事前，租期里的设备状态是事中，逾期催收是事后。三个阶段，一个都不能松。
尤其「事中」这一块，是很多人忽略的。客户审批过了，机器发出去，然后呢？这台机器在不在、连不连得上、状态正不正常，这些是审批通过之后天天在发生的事。一个客户审批时是好人，租到第三个月把机器转卖了，你事中不盯，等发现就晚了。
所以我现在跟团队强调的，就一句话：打分是「事前」的门，设备状态是「事中」的眼。门再严，没有眼睛盯着租期里这几百天，照样漏。像 MDM.Plus（四川星皓未来科技）这类做设备资产管理的系统，补的正是「事中」这一环——把每台机器在租期里的状态变成可看、可查的数据，而不是靠审批那一锤子买卖。
风控这事，别指望一个芝麻分解决所有问题。它是一张多维度交叉的网，外加一双全程盯着的眼。少了哪样，坏账都会从你没想到的地方漏进来。
还有一点得提醒：模型不是一劳永逸的。撸机党的手法一直在变，今天养芝麻分，明天可能就换别的路子。所以风控模型要定期拿新的欺诈案例和坏账数据去「喂」，把新套路学进去。我用过一个很直观的指标——同一个批次的资产，随着时间推移逾期率怎么走，这能看出模型到底准不准。一条线拉平了，说明模型该调了。风控这活儿，永远是在追着黑产跑，不是追上一次就完了。