向前金服模型与应用团队负责人杨林说，“模型就像一把尺子，精度就是它的刻度，应用不同的策略可以画出不同的形状。”向前金服在今年8月上线了其智能风控平台“听风者”的3.0版本，从前期进件到后期资产管理，对若干个模型进行了不同程度的迭代。而“听风者”的大版本迭代，主要参考贷前审批模型的改版来划定。

显而易见，这套用以对借款行为进行风险评估和定价的模型，是整个“听风者”体系升级的核心，也一定程度上代表着向前金服对于现阶段行业发展的理解和自身业务的侧重。

向前金服在2017年推出大数据智能风控平台“听风者”1.0，从1.0到如今的3.0，随着企业发展阶段的变化，对审批模型的要求也不尽相同。

1.0是向前金服探索智能风控模型的开端，是从零到一的突破，更强调基础功能的实现。“对1.0 来说，‘我们有了这把尺子’的意义更重一些。”杨林说。2.0的主要目的则是快速提升模型效果，在精度上达到行业先进水平，根据用户不同风险等级进行量化授信，得到一个“相对好用的尺子”。

到了3.0时代，对向前金服这套模型来说，精度已经不是最为重要的一个指标。“事实上，对于相对成熟的模型来说，精确度提升有一定的天花板，边际效益也非常低。”杨林认为，3.0的重点发力在稳定性上。“不需要一把精度特别高的尺子，但要求这把尺子要足够稳定，可以配合很多自动化方式、大胆的策略，这才是提升公司运营效率的关键。”

为达到对稳定性的要求，特征工程是升级的重头任务，也就是通过对底层数据的清洗、衍生，提取对训练模型有价值的特征这一过程。模型团队对市面上几乎所有数据源进行筛选，通过大量样本测试，打造出规模上万的衍生变量池，并从中提取对风险识别和定价有价值的变量。

这部分基础但重要的工作，从数据质量优质与变量维度丰富两个层面保证了模型的稳定性。而模型稳定，才能实施更多自动化审批策略。

衡量一个模型的准确性，常用的指标是KS值。KS值越大，模型的预测准确性越好。一般情况下，KS>0.3即可认为模型有比较好的预测准确性，而“听风者”3.0的KS值超过0.4。