
除了大數(shù)據(jù),關(guān)于互聯(lián)網(wǎng)金融風(fēng)控我們還能說什么
客戶、風(fēng)控,它們與互聯(lián)網(wǎng)金融的關(guān)系,最貼切的莫過于:客戶&風(fēng)控虐我(互金)千百遍,我待他們?nèi)绯鯌倭恕?
無客戶、無風(fēng)控,不互金。但是客戶是流量和風(fēng)險(xiǎn)的集合體。風(fēng)控控得嚴(yán),陳本就高、生意就少;控得松,風(fēng)險(xiǎn)就高,壞賬就多。
真是想說愛你不容易,平衡是個(gè)好問題。風(fēng)控界資深網(wǎng)紅、中望金服聯(lián)合創(chuàng)始人兼首席風(fēng)險(xiǎn)官馬斌斌開講啦,深入淺出跟你說說做互金滿足客戶需求是有技術(shù)含量的;別一提風(fēng)控就條件反射“大數(shù)據(jù)”,你得先知道要控的都是啥風(fēng)險(xiǎn),不同風(fēng)險(xiǎn)有不同招式破解,大數(shù)據(jù)不是萬能的。
客戶是核心
我們做風(fēng)險(xiǎn)管理,不論是流程、系統(tǒng)工具、模型,或是別的,都是為了達(dá)成一個(gè)目標(biāo),核心目標(biāo)很重要,它決定了你的風(fēng)控是什么樣子。舉個(gè)例子,如果目標(biāo)是讓產(chǎn)品更多元化、能覆蓋更多的人群,然后能去幫助更多人,那么你絞盡腦汁去想的,就是如何對(duì)這些人群進(jìn)行風(fēng)險(xiǎn)度量,才能根據(jù)不同的風(fēng)險(xiǎn)等級(jí),設(shè)計(jì)不同的產(chǎn)品來滿足不同的需求,客戶第一位。如果目標(biāo)是多掙錢,那肯定是想著那我的績效怎么去定,老板怎么核實(shí)我的績效,我抵押當(dāng)中怎么去評(píng)估價(jià)格更低一些或者更高一些,我拿的利潤多一些。
把客戶放在第一位,并不是一句尷尬的口號(hào),尤其是在做風(fēng)控的時(shí)候。在風(fēng)控乃至整個(gè)金融生態(tài)圈,一件事情上下游有很多方在參與,存在很多利益方,對(duì)不同的平臺(tái)來說,利益方主次有別,但唯一共同的也是最重要的就是客戶,客戶是這個(gè)生態(tài)圈的中心。
在這個(gè)生態(tài)圈當(dāng)中,還要明確的是,我、合作伙伴、客戶等各個(gè)參與主體大家彼此存在的價(jià)值。不是我有什么、我能做什么,而是我能為客戶做什么,能為我的伙伴做什么。確定能為真正有需求的客戶解決問題,以及解決好生態(tài)圈中其他相關(guān)方的關(guān)系,這個(gè)才是有意義的。做風(fēng)險(xiǎn)管理最早的、也是最大的風(fēng)險(xiǎn)是,客戶有沒有這個(gè)需求。比如,學(xué)貸的業(yè)務(wù),需要慎之又慎,學(xué)生這個(gè)群體很簡單也很復(fù)雜,有些需求它由于種種原因而主觀存在,典型的:“別人有,我也想要”,但實(shí)際上,這種需求都是假性需求,說白了就是客觀上他沒有這個(gè)需求。
所以有的時(shí)候需要我們加以引導(dǎo),有好的引導(dǎo)才能挖掘他真正的需求。說到金融本質(zhì),有人說金融“充滿了血腥和骯臟”,受限于時(shí)代和具體工種的就是另一個(gè)話題了,今天我們必須看到金融尤其是普惠金融在改善生活方面發(fā)揮的巨大作用。即便是學(xué)貸,有人做得好,有人做不好,甚至不好到觸犯法律的地步,所以關(guān)鍵還是看怎么做,關(guān)鍵還是在引導(dǎo)。
確定完這個(gè)核心目標(biāo)之后,我們所有要做的事情才會(huì)以此為出發(fā)點(diǎn),來更好的幫助客戶解決問題,當(dāng)然這其中還要處理處在同一生態(tài)圈中各個(gè)參與方的利益均衡問題,處理關(guān)系→解決問題→向前推進(jìn),這才是一個(gè)良性可持續(xù)的運(yùn)轉(zhuǎn)過程。
接下來講講全流程風(fēng)險(xiǎn)管理。
大家比較熟悉的可能還是大數(shù)據(jù)風(fēng)險(xiǎn)管理,確實(shí),大數(shù)據(jù)風(fēng)險(xiǎn)管理非常高效,真正改變了很多事情。但它也不是萬能的,因?yàn)橛泻芏囡L(fēng)險(xiǎn)單靠大數(shù)據(jù)是解決不掉的,比如人的風(fēng)險(xiǎn)、操作性風(fēng)險(xiǎn)。
做風(fēng)險(xiǎn)管理首先解決的不是盈利多少,或者是精準(zhǔn)去獲客,精準(zhǔn)去研究客戶的風(fēng)險(xiǎn),或者風(fēng)險(xiǎn)預(yù)警,而是先讓自己活下來。活下來比什么都重要。在講活下來的時(shí)候,我們首先要看這個(gè)市場當(dāng)中有什么風(fēng)險(xiǎn)。
第一,市場性風(fēng)險(xiǎn)。
學(xué)生、藍(lán)領(lǐng)、白領(lǐng),當(dāng)我們選擇不同人群的時(shí)候,他的風(fēng)險(xiǎn)就已經(jīng)鎖定了,所以圈定人群,也就鎖定了一定種類的風(fēng)險(xiǎn),這是做風(fēng)險(xiǎn)管理的第一關(guān)。市場性風(fēng)險(xiǎn)是用產(chǎn)品來解決的——為不同風(fēng)險(xiǎn)類別的人群設(shè)計(jì)匹配不同的產(chǎn)品。
第二,操作風(fēng)險(xiǎn)。
前面所說的市場性風(fēng)險(xiǎn)的選擇,很多時(shí)候是可以跟風(fēng)的,就是別人怎么做我就怎么做,不需要?jiǎng)?chuàng)新和研發(fā),市場上有多少家產(chǎn)品是獨(dú)特的?好像不太多。但這不重要,重要的是這個(gè)人群選完怎么去服務(wù)的問題,誰來執(zhí)行、誰來賣這個(gè)產(chǎn)品、誰來做產(chǎn)品的風(fēng)控,這里所涉及的就是操作的風(fēng)險(xiǎn)。
操作風(fēng)險(xiǎn)有意外的,比如客戶申請(qǐng)7萬,你手一抖批了70萬,這就是典型的操作風(fēng)險(xiǎn)。所以我們說操作風(fēng)險(xiǎn)的時(shí)候單指工作失誤,而不包括惡意欺詐之類的,外部客戶的惡意欺詐我們稍后再講。應(yīng)對(duì)操作風(fēng)險(xiǎn),就需要一些流程機(jī)制的設(shè)定,比如設(shè)置放貸額度上限,超過某個(gè)額度你是批不出去的。
另一個(gè)是問題和審批權(quán)限相關(guān),還是人的問題。比如流程中有人權(quán)限范圍很大,那么弄虛作假甚至卷款跑路的后果不堪設(shè)想,我們不是不信任自己的同事,只是不希望同事經(jīng)不住考驗(yàn)。怎么應(yīng)對(duì)呢?我們?cè)谙到y(tǒng)設(shè)計(jì)的時(shí)候,第一,在一些關(guān)鍵位置,設(shè)置一些傻瓜模式。第二,對(duì)權(quán)限進(jìn)行切分。第三,權(quán)限切分之后,一個(gè)人不能同時(shí)擁有多個(gè)權(quán)限,這樣可以有效避免操作過程中人為風(fēng)險(xiǎn)的存在。
說到權(quán)限,必須還有上下級(jí)的關(guān)系問題。在我們的系統(tǒng)流程中,所有對(duì)外的、管理權(quán)限較高的人,都不能有全部的操作權(quán)限。流程后續(xù)環(huán)節(jié)中權(quán)限級(jí)別比較高的人,對(duì)前面的意見也不可以做更改。在專業(yè)的流程中,每一個(gè)人都要有自己的觀點(diǎn)態(tài)度??梢园l(fā)表你的觀點(diǎn),可以有你的態(tài)度,但是不能改變別人的已操作狀態(tài)。所以,在外人看來,會(huì)覺得中望的信調(diào)程序好復(fù)雜。要把全部流程看完的話,得十來個(gè)人去開通權(quán)限,用自己的帳號(hào)挨個(gè)去對(duì)接、去看。我覺得這樣非常好,這才是正確的姿勢,可以有效防止風(fēng)險(xiǎn)。
第三,信用風(fēng)險(xiǎn)。
信用風(fēng)險(xiǎn)講的是是客戶的違約概率、違約風(fēng)險(xiǎn)的問題。這個(gè)跟場景和產(chǎn)品也有關(guān)系,但是它不是直接的,所以很多人說我也做車貸你也做車貸,為什么風(fēng)險(xiǎn)不一樣,這個(gè)信貸類為什么比抵押車貸風(fēng)險(xiǎn)還要低,實(shí)際是一個(gè)問題,因?yàn)槿巳翰煌鲂刨J的人群是一類,做車貸抵押的是另外一個(gè)人群。比如做抵押車貸的更多是經(jīng)營性人群,與信貸的工薪白領(lǐng)相比,雖然有抵押,可是他風(fēng)險(xiǎn)依然更高。
還是根據(jù)人,同一個(gè)人,不管他在什么場景,他的違約概率是趨同的,比如我去買車我去買房和我做信用貸款,因?yàn)槲冶旧硎遣蛔兊?,所以風(fēng)險(xiǎn)是一致的。這里比較典型的有個(gè)例子,大家會(huì)說我按照某某貸進(jìn)件要比某某貸容易批,這個(gè)問題我覺得不能怪銷售,要怪就怪你們產(chǎn)品和政策,他們沒有很好地進(jìn)行風(fēng)險(xiǎn)度量。因?yàn)槊鎸?duì)同樣一個(gè)人,面對(duì)同樣一套材料,難道因?yàn)槟憬o他貼的標(biāo)簽不一樣,風(fēng)險(xiǎn)就會(huì)發(fā)生變化嗎?一定不是。所以,在信用度量的時(shí)候,要拋開產(chǎn)品拋開場景對(duì)一個(gè)人進(jìn)行度量,這樣才會(huì)很客觀,才會(huì)知道原來是什么樣。
到底是先有產(chǎn)品再去做它的風(fēng)險(xiǎn)定價(jià)、做風(fēng)險(xiǎn)評(píng)估,還是先對(duì)人群進(jìn)行風(fēng)險(xiǎn)評(píng)估、然后給他匹配不同產(chǎn)品?我人為,正確的姿勢是先確定服務(wù)人群,然后對(duì)這類人進(jìn)行風(fēng)險(xiǎn)的度量和評(píng)估,再去想他有什么樣的風(fēng)險(xiǎn),我選擇什么樣風(fēng)險(xiǎn)的客戶來滿足他的需求產(chǎn)品,接下來才涉及到風(fēng)險(xiǎn)策略:怎么既滿足他的需求,又能控制我們的風(fēng)險(xiǎn),可能有風(fēng)險(xiǎn)補(bǔ)償,比如說費(fèi)率高一點(diǎn),可能有風(fēng)險(xiǎn)轉(zhuǎn)嫁,我需要找合作伙伴、保險(xiǎn)公司或擔(dān)保公司幫我解決這個(gè)問題,當(dāng)然還有很多風(fēng)險(xiǎn)方法。
信用風(fēng)險(xiǎn)當(dāng)中有很多工具,比如進(jìn)件評(píng)分、決策樹、時(shí)間序列,還有這模型那模型一堆模型,很多高科技很好用的東西,但多沒用,關(guān)鍵是你得明白為什么用、怎么用。不能說我拿到一個(gè)很牛的公司的模型,肯定能讓我的風(fēng)控上一個(gè)臺(tái)階。別人的模型和你的目標(biāo)不同、應(yīng)用環(huán)境不同,所以拿到也白搭。
舉個(gè)栗子,我們都說芝麻分,它有一個(gè)信用評(píng)分,700分以上的就是他家比較優(yōu)質(zhì)的客戶??墒悄阏f700分以上意味著什么,他考核的維度是什么,700分以上對(duì)你的平臺(tái)來說就一定也好嗎?他的場景和你的場景不一樣,他的人群和你的人群也不一樣,道不同不相為謀啊。所以還是乖乖選擇你的人群,選擇你的方法,然后對(duì)這個(gè)人群進(jìn)行風(fēng)險(xiǎn)度量,之后再去做風(fēng)險(xiǎn)策略。
第四,多頭負(fù)債,還有欺詐的風(fēng)險(xiǎn)。
多頭負(fù)債和欺詐風(fēng)險(xiǎn),是大數(shù)據(jù)應(yīng)用比較多的。我們最熟悉的大數(shù)據(jù)應(yīng)用應(yīng)該是精準(zhǔn)營銷了,它會(huì)知道你的需求,比如說我們?nèi)ピ诰W(wǎng)上,或在某寶上瀏覽了什么內(nèi)容,他們馬上推薦給你相關(guān)的頁面啊產(chǎn)品啊服務(wù)啊等等。另外一個(gè)應(yīng)用是分析,可以獲取很多信息。但是因?yàn)榇髷?shù)據(jù)更多反應(yīng)出的是相關(guān)性,而不是因果關(guān)系。比如一個(gè)很知名的例子,說大數(shù)據(jù)分析說啤酒和尿不濕放在一起賣非?;鸨?,因?yàn)橐话愣际菋寢屬I尿不濕,順帶買啤酒。它倆是一種相關(guān)性的關(guān)系,不是因果關(guān)系。所以很多所謂的大數(shù)據(jù)風(fēng)控更多的是一種數(shù)據(jù)服務(wù),它也幫你建模,可是并不一定有效。
第三個(gè)應(yīng)用,它能更精準(zhǔn)的提升一些包括PDS解讀、機(jī)器學(xué)習(xí)、人臉識(shí)別等的效率,所以除了所謂的數(shù)據(jù)功能,大數(shù)據(jù)還應(yīng)該有一些人工智能解析的功能,所以這個(gè)現(xiàn)在被應(yīng)用在在風(fēng)險(xiǎn)控制中。還有第一類應(yīng)用是在催收當(dāng)中,我們叫失聯(lián)修復(fù),通過技術(shù)手段找到斷了聯(lián)系的客戶信息。當(dāng)然還有很多應(yīng)用,這一些都是提升效率和讓我們識(shí)別率更高的。
回來說多頭負(fù)債,確定多頭負(fù)債有幾個(gè)方法,第一是看央行征信報(bào)告,對(duì)一些銀行系統(tǒng)或者傳統(tǒng)的金融機(jī)構(gòu),主流的金融機(jī)構(gòu)是要的。還有一類是大家所熟悉的所接入的,就不做廣告了,大家會(huì)說我有多少家,我是分布式訪問還是數(shù)據(jù)共享或是其他方式,其實(shí)這些都不重要,只是一個(gè)途徑而已,關(guān)鍵你要去想人群和你的人群匹配度怎么樣。
第三類是一些三方支付公司,這條路我們需要考慮:第一,數(shù)據(jù)能不能出來;第二,這個(gè)數(shù)據(jù)準(zhǔn)不準(zhǔn)確;第三,和你的匹配度怎么樣。還有一類是電信的運(yùn)營商,銀行通過它發(fā)短信提醒,幾月幾號(hào)需要還什么款,還哪張卡,它有這些信息,所以它可以幫你抓取。
還有一些設(shè)備的供應(yīng)商,假如說某手機(jī),我加班到9點(diǎn)半以后,它就會(huì)提一個(gè)條幅橫出來說,夜深了你該回家休息了,它知道我不在家,還在單位。這樣的信息我們會(huì)抓取。當(dāng)然還有一些其他的路徑,但是哪個(gè)更有效,哪個(gè)是不是重復(fù),要你自己去選擇。
多頭負(fù)債并不意味著一定是過度負(fù)債,我們主要解決過度負(fù)債的問題。當(dāng)然多頭負(fù)債或者多次查詢,它是多頭負(fù)債的一個(gè)轉(zhuǎn)換指標(biāo),就是說我查詢得多,我就可能貸的多,貸的多我就負(fù)債得多,負(fù)債的多可能還不上概率大,有這樣一個(gè)邏輯關(guān)系。至于如何劃線確定,是拍腦袋出來,還是我要根據(jù)海量數(shù)據(jù)分析出來,這個(gè)就仁者見仁了。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10