何明辉入职才一周，公司风控部的规模果然迅速扩大，几乎每天都有新的面孔加入进来。
华经理每周都会召开整个部门会议。会议室里的人群从最开始的稀稀拉拉到满满当当。最后，居然一张大会议桌周围已经坐不下了，一群人就围着站在后面。
何明辉发现小贷行业的风控这一行，技术上基本靠机器学习来完成。虽然算法多且复杂，但原理解释起来却很简单。
公司有一大批贷款客户的数据，包括收支状况、银行流水、短信往来、手机通讯等等，再综合上贷款表现，打成一个大的数据包，塞进技术人员开发的数学模型里。
根据数学模型从这批数据中“学习”到的经验，来判断每一个新用户的逾期概率。如何保证这个数学模型的判断准确，就是风控部的基本工作。
本来的话，如果严格按照这个模型来进行把关的话，产生坏帐、逾期的概率比较低，只是公司管理层认为当前的贷款通过率还是不高，不利于推广和“起量”，因此要求风控部降低风控门槛。
何明辉的工作是负责把大量的原始数据清洗、分类、处理并挑选出相关性强的特征数据交给模型组的同事。
当然，何明辉除了熟悉小额贷款在技术层面的工作外，还要了解其它内情，毕竟他是带着任务来的。
这家“易金贷”公司提供1000-200000元数额不等的贷款，贷款的期限从7天至二年各种灵活的期限。
何明辉主要是为了熟悉贷款流程，便选择了7天1000元的最低期限。
这种短期小额贷款提交申请和放款的流程设计得非常便利。
何明辉简单地填完注册信息，留下了身份证号码和手机号码后不到2分钟，手机的短信提示音就“叮”地响起了银行发来的短信提示音，何明辉的银行卡已经成功入账880元。
何明辉一时有些愣神，明明是1000元的借贷，剩下的120元去哪了？
他重新打开这个借款app，才发现在贷款页面上，有一个小小的、毫不起眼的蓝色感叹号。
他点了一下，跳出来的窗口里列着一张“借贷费用明细表”，发现十几元的“利息”之外，其他都是诸如“注册费”、“风险审查费”、“资金保管费”之类的名目，几项费用林林总总加在一起，正好是那神秘“消失”的120元。
何明辉此时明白，公司app里所谓的“借款低利率”仅仅只是一个宣传噱头，而真实的利息，都已被折算进了各式各样“巧立名目”的其他收费项目中去了。
如果按照真实情况计算的话，仅仅借贷1000元7天的“利息”就高达120元，而且还是所有借贷业务中最蛮横苛刻的“砍头息”，完全属于高利贷。
另外，让何明辉没想到的是，尽管他很快就还清了这笔账务，但后续的“麻烦”却并未结束。
此后，他的手机总是会收到来自各个小贷平台的推广短信，甚至于广告词也大同小异：“低息”、“智能风控”、“秒下款”。