何明輝入職才一周，公司風控部的規模果然迅速擴大，幾乎每天都有新的面孔加入進來。
華經理每周都會召開整個部門會議。會議室里的人群從最開始的稀稀拉拉到滿滿當當。最后，居然一張大會議桌周圍已經坐不下了，一群人就圍著站在后面。
何明輝發現小貸行業的風控這一行，技術上基本靠機器學習來完成。雖然算法多且復雜，但原理解釋起來卻很簡單。
公司有一大批貸款客戶的數據，包括收支狀況、銀行流水、短信往來、手機通訊等等，再綜合上貸款表現，打成一個大的數據包，塞進技術人員開發的數學模型里。
根據數學模型從這批數據中“學習”到的經驗，來判斷每一個新用戶的逾期概率。如何保證這個數學模型的判斷準確，就是風控部的基本工作。
本來的話，如果嚴格按照這個模型來進行把關的話，產生壞帳、逾期的概率比較低，只是公司管理層認為當前的貸款通過率還是不高，不利于推廣和“起量”，因此要求風控部降低風控門檻。
何明輝的工作是負責把大量的原始數據清洗、分類、處理并挑選出相關性強的特征數據交給模型組的同事。
當然，何明輝除了熟悉小額貸款在技術層面的工作外，還要了解其它內情，畢竟他是帶著任務來的。
這家“易金貸”公司提供1000-200000元數額不等的貸款，貸款的期限從7天至二年各種靈活的期限。
何明輝主要是為了熟悉貸款流程，便選擇了7天1000元的最低期限。
這種短期小額貸款提交申請和放款的流程設計得非常便利。
何明輝簡單地填完注冊信息，留下了身份證號碼和手機號碼后不到2分鐘，手機的短信提示音就“叮”地響起了銀行發來的短信提示音，何明輝的銀行卡已經成功入賬880元。
何明輝一時有些愣神，明明是1000元的借貸，剩下的120元去哪了？
他重新打開這個借款app，才發現在貸款頁面上，有一個小小的、毫不起眼的藍色感嘆號。
他點了一下，跳出來的窗口里列著一張“借貸費用明細表”，發現十幾元的“利息”之外，其他都是諸如“注冊費”、“風險審查費”、“資金保管費”之類的名目，幾項費用林林總總加在一起，正好是那神秘“消失”的120元。
何明輝此時明白，公司app里所謂的“借款低利率”僅僅只是一個宣傳噱頭，而真實的利息，都已被折算進了各式各樣“巧立名目”的其他收費項目中去了。
如果按照真實情況計算的話，僅僅借貸1000元7天的“利息”就高達120元，而且還是所有借貸業務中最蠻橫苛刻的“砍頭息”，完全屬于高利貸。
另外，讓何明輝沒想到的是，盡管他很快就還清了這筆賬務，但后續的“麻煩”卻并未結束。
此后，他的手機總是會收到來自各個小貸平臺的推廣短信，甚至于廣告詞也大同小異：“低息”、“智能風控”、“秒下款”。