前言
在评分卡建模的过程中，最重要的是样本和特征，最耗时间的也是样本抽取以及特征工程。特别是在小公司，从数据抽取、到数据清洗、再到变量衍生基本都是一个人来完成。当然小公司的维度少，相对应的变量也少。但是，随着业务的发展以及外部环境的变化，一直维持着之前的业务分析维度是很难跟上其他公司的脚步的。拓展维度最好的方法就是衍生变量，这也不仅仅对建模有帮助，对风险规则的制定也有益。
变量衍生也是基于已经有的数据进行挖掘，一般风控手上都会有申请表数据，征信数据、流水数据、运营商数据等等。
接下来讲讲自己工作上用到的一些衍生方法
1. 申请表变量交叉
主要用在申请表变量上，比如：年龄和收入进行交叉；或者婚姻与性别，收入与房产等等。这部分交叉数据也比较多，但更需要追求在业务上的解释。
2. 缺失值处理
如果有缺失值超过30%的变量，那缺失值处理就是最简单的衍生变量方法。缺失值处理也有很多种的方法，如：连续值：使用均值，中值，0来替换；类别型：使用最多的类、单独为一类来替换。每一种处理方式都能得出新一列变量。但是，在处理的时候，需要先去了解缺失值出现的原因。比如，申请表上工作年限字段出现空缺。可能是客户未填，那样是可以做处理的。也可能是申请表上已经取消了工作年限，那就没有必要做处理了，因为这个字段已经无法获取，可以剔除了。
3. 外部数据
一般在对这些数据进行衍生时，首先需要去熟悉原始数据，将原始数据中能进行分类的点和衍生维度记下来，最后加上统计方法。是先将想到的衍生点记下来，然后一个一个去枚举衍生，再做交叉衍生。
以运营商数据为例，
分类点： 通话时长，通话次数，主叫次数，联系人个数，话费等等。
衍生维度：近1月，近3月，白天，工作日等等。
统计方法：总和，最大值，平均值等等。
可以衍生出变量：近1月通话总时长，近一月平均每日通话时长，近1月工作日通话总时长。
交叉衍生：近1月工作日通话总时长占所有通话时长比例。
除了上述，还有一些其他的角度也可以丰富特征：
如：
近期性：最近一次贷款距今时长。
严重性：信用卡逾期次数，流水超月收入次数。
4.使用模型衍生，对变量进行转换。
如使用gbdt衍生变量，或者对变量做转换，如：log，平方等等。这里有些问题就是变量在业务上不好解释（如果是用在行为评分就无所谓了）和后期不好调整。
结束语
变量衍生的方法有很多种，这里也只是写一些常用的，如果有不足或问题，欢迎指出。最近在研究自动特征工程的一个python包，后面有空也更新一下。