在电商领域中，一直都有这样的场景，如针对电商/支付数据开发的信用资质分的场景，或是与电商渠道合作的助贷业务场景，再或是电商本身的风控场景...电商风控一直是困扰各位电商从业领域同学的内容。因为这里的风控问题内容，都会遇到一个问题，即是如何在相关的风控场景中(包括电商信贷风控、电商支付数据等)，做风险特征衍生的思路，并且在相关的策略及模型上的应用相关的电商数据等等。
Part1.电商支付数据的价值和使用场景
在信贷风控中，评估申贷人的风险主要体现在两方面：
一是还款能力，二是还款意愿，乍一看感觉电商支付类的数据似乎与这两个没啥联系。
其实细究一下，一个人经常消费大额商品可以反映出他的收入负债情况(还款能力)，支付场景的欺诈，套现，洗钱可以侧面反映他的信用风险情况，另外消费/支付在时间上是比较持续稳定的行为，可以反映申贷者是不是一个正常人，所以电商支付数据在信贷风控中是有一定作用的。
电商支付数据的使用场景有以下几个:
1) 贷前准入，能评估申贷者的欺诈和信用风险，尤其在消费金融领域。
2) 额度管理，这两类数据能反映申贷者的还款能力，可用于授信和提降额的管理。
3) 用户画像，可以分析用户的消费偏好，消费能力，支付风险等维度的数据，挖掘用户价值，提供个性化推荐，精准营销等服务。
目前电商支付数据使用比较广泛的是在消费贷和现金分期领域，消费贷的场景和电商支付关联程度较高，可以挖掘套现，逾期风险。在现金分期产品上，除了能侧面反映用户的信用风险程度，也是确定授信额度大小的一个依据。
Part2.电商支付数据的构成和衍生特征思路
1.电商支付底层数据的结构：
【图1】
【图2】
图1是淘宝的订单详情，图2的是支付宝的账单信息，这就是电商支付底层数据包含的东西，电商数据里含商户名，商品名，订单时间，金额，收获信息，支付数据里含支付方式，支付时间，金额，账单分类等。
以上关于电商贷的相关内容，番茄风控给各位童鞋准备了一个训练营的内容，详情如下：
课程详情安排如下：
本次课程由番茄风控的从业多年的风控模型专家老师，开班授课。
A老师 ：
①从年电商贷从业经验，历任模型经理，专家岗，擅长信贷风控模型；
②某大企金融线模型团队长Leader，头部金融科技事业部经理；
③风控模型专家岗，擅长信贷风控模型的全流程的开发与搭建；
J老师 ：
①熟悉场景分期的业务，熟悉互金各类风控指标
②多年消费分期金融从业，搭建过相关场景业务数据模型与全流程风控体系
二.课程授课时间：八月份
三.授课形式：远程直播授课
官方企业微信号，扫码添加
