年薪100w的风控到底需要懂什么?

大家好，我是小伍哥，周末了，聊点轻松的话题。

作为风控的同学，工作的时间长了，可能会遇到瓶颈，职业或者薪资上升都比较迷茫，特别是100w（很多已经100+的大佬可以离开了）这个坎，这个时候怎么办呢？其实查看各个企业的岗位需求，是个非常好的方法（转行的同学更需要看）。

如果你的年薪在50-80w,，想往100w+冲一冲，但是又不知道学啥，那可以找到对应的岗位，并认真解读，就知道了。这里以腾讯下面的两个岗位举例，一个4万到8万，一个7万，很多人一看，会说这也没有百万啊，其实互联网的薪资不能简单的12*月薪。对于腾讯，大概率能有18薪，这个价格的人，进去一年后基本都发股票啥，如果是好部门，年终奖可能翻倍，我们简单计算下年薪。

下限：40*18 =72w

中间：60*18 =108w

上限：80*18=144w

即使取下限，一年后加十几万的股票，也能接近100w了，所以知道了月薪和年薪的差异，有了基本的认知，我们就来看看这两个岗位到底需要学习什么了？这两个岗位，一个偏实践与应用，一个偏前沿与研究。我们重点讲第一种，普通人通过努力可以达到的这种。

第一个岗位负责将机器学习、数据挖掘方法应用于QQ、Qzone企业QQ、视频、信息流等业务安全领域

机器学习：基本上就是传统的机器学习方法，逻辑回归、贝叶斯、KNN、决策树、SVM、随机森林、Xgboost、lightGBM、Catboost等一系列传统机器学习要掌握，当然，树模型是重点掌握的对象。

数据挖掘：为啥提了机器学习，还要提数据挖掘？这里可以理解为聚类、关系网络、关联规则、同步行为、图异常、图密度、孤立森林等一系列基于分析方法、无监督学习等风控特有的挖掘方法论

应用于QQ、Qzone、企业QQ、视频、信息流等业务安全领域

这句话怎么解读？看起来没讲算法，其实处处都是知识点。

QQ：那肯定重点是社交关系网络分析、社区发现、复杂网络等算法必然要掌握

Qzone：那基本都是图文，图文算法肯定要掌握，那NLP相关的方法、图片相关的算法得有基础，Ngram,Tfidf、RNN、CNN、LSTM、BERT等等

视频：不用讲，很直接，当然不用担心，有了图片和NLP的知识，视频的其实可以不会，当然有了视频就有音频，会音频处理那就更多的加分了。

负责腾讯社交及内容产品的反垃圾消息、反盗号、反作弊、反欺诈等工作，承接基础风控数据建设，安全态势感知、自动对抗体系和黑产团伙挖掘等工作。

反垃圾消息：NLP垃圾识别，各种火星文、同音、形似字等识别

反盗号：这个就是识别盗号的了，沉默账户登录，IP到常用地解析，常用设备画像等

反作弊、反欺诈：刷单、刷投票等，基本就是刷单那一套方法论

安全态势感知：对我是新名词、我们百度下得到，态势感知的概念最早在军事领域被提出，覆盖感知、理解和预测三个层次，按根据这个信息，需要补充这方面的知识

自动对抗体系：这个怎么理解？一个是策略、模型自动化，还有一个理解就是强化学习

黑产团伙挖掘：这个大家最熟悉，但是这里得深刻，熟悉怎么寻找系统中的关系类型（我写过14大类关系），以及熟练的构建有效的关系。

通过对岗位拆解以及背后的意图分析，并且做一个重点排序，在和自己的储备进行对比，没有的需要补上，重点的需要加深。基本上拆解几个公司的岗位，就能知道学习的重点了。其实大部分算法都学过或者用过，需要系统化的整理，查缺补漏就行了。

第二个岗位

其实普通人就不用看了，因为基本上都是博士起，并且需要有顶会文章，都是前沿的研究，仅仅靠日常的工作积累，基本没办法达到这个要求。我也不专业，就不做详细的拆解了。

···  END  ···

关键词： 机器学习 数据挖掘 态势感知