ZKIZ Archives


王勁:消費金融風控的3大難點和3大誤區

來源: http://www.iheima.com/zixun/2017/0418/162637.shtml

王勁:消費金融風控的3大難點和3大誤區
一本財經一本財經

王勁:消費金融風控的3大難點和3大誤區

風險管理一切都在不停的變化中。只有變化,這才是永遠不變的。

本文由一本財經(微信ID:yibencaijing)授權i黑馬發布,作者薄珂 墨菲。

這是一個最好的時代。

市場有無限可能性,大量的消費金融公司崛起;

另一方面,大數據、人工智能等技術日趨成熟,讓量化風控有了更多的想象力。

但這也是最壞的時代。

互聯網金融發展的3年,有太多野蠻的市場競爭,在公司內部,最核心的部門,是市場部,本應該是金融核心部分的風控部分,卻備受冷落,大權旁落。

而中國風控,也還處在莽荒狀態,面臨諸多的痛點和難點……

在一本財經主辦的“2017消費金融CRO全球峰會”上,風控精英們,針對中國式困局,共同尋找破局和重塑之路……

“風險管理,是一門藝術”

1

百度集團副總裁、百度金融CRO、美國運通前高級副總裁 王勁

01  一個CRO要關心哪些問題?

我想跟大家分享,“作為一個CRO,他該想哪些問題?”

作為一個CRO,他最重要的職責之一,就是及時、準確的提出問題。問題提好了,事情就好辦了;問題提偏了,事情就大了

我結合自己在中美兩國加起來20年的風控經驗,總結出一個經驗——要做好風控,首先要接地氣。

不能夠把中國的東西完全地照搬到美國,也不能把美國的東西照搬到中國。舉個例子,去年不少的信貸公司跳進醫療美容的消費信貸場景放貸,很快就被彈出來了,趟了很多的坑,這就是他們面臨的中國特色挑戰。

一個企業要變成一個長期的、健康的一個金融企業,必須要有專業的金融風險管理知識和理念,同時要搭建一個全面的風險管理體系。這樣才能夠真正的去管理整個的生命周期。

02  消費金融風控三大難點

那麽,怎麽樣接地氣?我通過三個難點來講:

2_meitu_17

第一個難點,網上壞人多。我2015年12月從美國回到中國,當時國內沒有太多這個概念。在美國,欺詐跟信用風險相比,基本上是1:5的概念,但是在中國完全反過來了。

中國網絡黑產規模已經達到了千萬級別,這個千萬級別的損失是通過信貸的利率和費用分攤到了用戶的身上的。所以中國公民借貸的成本是比西方相對而言要高很多的。所以我們一定要聯合起來,共同對抗黑產,才能夠真正做到普惠金融。

3_meitu_18

作為一個CRO,你需要思考:從貸前的角度,我們有沒有能力判斷客戶資料的真實性?這是在對付賬號的行為。我們有沒有能力確認本人申請的?我們在用人臉識別、聲音識別等來確認本人在申請。我們有能力判斷消費的真實性嗎?這也是非常重要的,這是在分期和場景結合的信貸方式當中一定要用的問題。

CRO在貸中要思考:當我們把客戶引進來以後,我們能夠保證我們賬號系統安全嗎?你的業務做大了,一定會遭受很多的黑產來撞你的庫,潛入你的系統,你們內部會不會有人泄漏客戶的隱私信息。

如果是虛擬信用卡或者循環額度的產品,怎麽樣識別欺詐的交易?這個問題現在不急著回答。但是我預言,很多在座的人,將來會更多的時間是在防範,在做這個產品的風險。

我認為現在很多產品是一次性貸款產品,但這個產品升級是必然的,要升到循環額度和虛擬信用卡。一次性貸款是每次申請,每次都要交材料,這對客戶是非常不便的。而虛擬信用卡和循環額度是一次性授信,持續借錢還貸的,這是一個更高級的產品模式。到那個時候,風控強的公司就會走在行業的前列。

整體來講,作為一個CRO你在考慮什麽呢?

第一,怎麽提高欺詐分子的作案成本?

第二,我們的系統能區別黑產、團夥和個人的欺詐嗎?如果不能,這個東西是很危險的,你能不能夠及時的預警你遭到了黑產的攻擊? 

第三,我們有能力準確的關聯欺詐案件嗎?我估計很多的公司不存在這個,沒有這樣的能力,這是很重要的。怎麽樣提高欺詐的成本,是我在百度非常深刻的感觸,這也是我主打的東西。你必須要能夠關聯歷史上所有的欺詐案件,但是你要關聯他們是非常不容易的。因為黑產自己會不斷變換身份、地點、設備以及其他信息來攻擊你,但你必須要解決這類問題。

最後,賬號數據、用戶數據、商戶數據,外部數據是否已經打通?什麽叫做閉環?

運通為什麽反欺詐做得非常好?運通有一個優勢,它是一個閉環的商業模式。它左邊有用戶的信息,右邊有商戶的信息。當我們把它整合起來,運通在美國的反欺詐,基本上在4個BP。這還不是完全的閉環,他們是我們的兩倍,對於數據整合是非常重要的。作為CRO,這是你最需要思考的問題之一。

4_meitu_19

第二個難點,多頭貸款嚴重。中國從2010年左右推出了現在的人行征信系統,將近六七年的歷史,覆蓋了4億人。中國有14億人,所以有4億人有這個征信,但這4億人的征信信息厚度是不夠的。還有五六億人是沒有征信的。

全國大概應該有2000多家的P2P和小貸公司,去年年底的時候,網絡貸款的余額達到了1.2萬億,單用戶余額是7000。把這個數除以100,你就知道,多頭貸款多嚴重。

5_meitu_20

在這種情況下,CRO應該怎麽想?要想我們有客戶負載的信息嗎?多頭貸款不是實質性問題,但負載超過了自己的還款能力,這是我們擔心的。如果你有多頭貸款,但是所有的東西沒有超過你的還款能力,是沒有問題的。多頭貸款是有傾向信息的,你得註意用戶下載了多少APP,怎麽整合這些信息,且恰當運用這些信息。

貸中、貸後,我們還要看一看所有的這些信息是不是在疊加。不僅僅是在貸前的時候有這個問題,在貸中、貸後是不是對這些信息進行更新。最後,我們怎麽樣引進外部多頭貸款的信息。

作為一個CRO你要想到,如果暫時沒有多頭貸款識別的能力,怎麽樣利用產品的形態來控制風控,怎麽樣讓建款的期限短一點、額度低一點。

6_meitu_21

第三個難點,找不到人。你看預期的人群,基本上60%找不到他,利用外部數據能夠找到超不過10%的人,還款率不低的都是50%。中國所有的網貸公司都花很多錢在找失聯人群,這是非常大的機會。

貸前要考慮的問題主要是:在貸前的時候需要收取什麽樣的信息?在客戶允許的情況下可以抓取什麽信息?但要把握分寸,信息越多,對客戶的體驗越不好,你做得太多了,也形成一個次選擇。只有壞人來申請,沒有好人來申請,也是不對的。所以CRO的工作永遠是一個非常有挑戰的,一個尋找平衡點的工作。

貸中要考慮的是:在客戶信息變更的時候你是不是知道?每次客戶交互的時候,是不是要確認聯系信息?這些都是我們要考慮的。有多少信息來自於失聯?失聯人群的回款率是多少?只有知道這些,才能知道要投資多少在失聯的技術和數據上。

我拋磚引玉的把這三大難點講清楚了,在中國做風控一定要接地氣,一定要有專業性。

03  消費金融風控三大誤解 

7_meitu_22

同時,在中國消費金融行業還存在三大誤解,如果三大誤解不解決好,很難走向專業性。

第一個誤解:風險定價解決了,風控就做好了。

次貸危機發生之前人們猛賺錢,那個時候依靠風險定價。那個時候的報道也跟現在太相似了,都是說我要風險定價,就可以把風險給控了,但這是不可能的事情。風險定價是當時對於客戶風險的預判,但風險是波動的,利潤率一定是波動的。當系統性風險來臨的時候,當系統性風險來臨時,所有的評估都沒有用,都會關門,都會掛掉。風險定價是很好的一個工具,但是不是一個全面風險管理的概念。

第二個,有大數據,風控就搞定了。

我潑一點點冷水。拋開大數據的相關性和它的質量、它的穩定性來說,它只是一個風險評估而已。它只是幫你更好的識別這個風險,但是它只是風險管理的一小塊。

怎樣授信?額度做多少?你的業務增長率應該是多少?你的業務做到多大可以降低你的系統性風險?你的銷售團隊是不是應該包括你的風險指標?這些都是CRO的問題,這不是大數據問題。我可以提出100個問題,跟大數據沒有關系。所以我才強調什麽叫全面的風險管理體系,這是要大家深深思考的問題。

第三個,把獲客風險把住,風險就可控了。

現今中國互聯網就是在“急速沖量”。大家都覺得只要把住風控這個進口,風險就控住了,這是不準確的。

還有一個相似的觀點,只要做催收,不做獲客,把錢催回來,就搞定了,這是非常危險的。

我分享我做風控20年的一個理念:一定要在所有的系統當中有多個控制點。

剛才我們談到的閉環和生命周期,為什麽?因為如果一個把控點失控了,另外一個把控點出了問題,同時引進一些比較高風險的人,你可以通過額度調整策略來管控他,你可以通過催收來減少損失。

所以這是整套的風險管理體系,它是一個多層次的防控系統。

風控其實是門藝術。我們做了幾十年的風控,沒有把它當成一個專業,我們把它當成了一個藝術。因為做風控是一個藝術家的活,我們可以通過一本財經商學院跟你講,為什麽是藝術?它真的是一個雕琢的過程,中國現在互聯網金融實際上很多是一個比較粗獷的勾畫,很多細節還會發生在它的方方面面。

最後,我希望大家能夠加強合作,能夠把我們風險的意識灌輸到中國的互聯網金融的行業當中去,讓我們中國的互聯網金融能夠真正成為世界的一流。 

“大數據能幫助做出迅速而明智的決定”

8

捷信消費金融CRO Tomas Skoumal

01 駐店模式

捷信主要向客戶提供耐用消費品相關的消費金融服務,客戶可以使用這個產品購買手機、電腦、家電、摩托車等,捷信把貸款款項直接打給零售商,而不是打給客戶本人,通過這種方式可以減少風險。

整個流程比較簡單:客戶來到零售商的商店去購買產品,填一個申請表,捷信駐點銷售代表將申請表返還到公司;公司對客戶的信息情況進行評定,把貸款審批結果反饋給商店,客戶獲得商品,商店收到款項;接下來幾個月中我們會如約收到客戶的還款。

9_meitu_23

整個流程有個特點,非常迅速。這是我們一直努力的目標,我們在不斷的縮短兩個環節的時間:一是客戶需要填寫申請表的時間,二是我們審批客戶申請的時間。目前,填寫申請表的時間,從30分鐘降到15分鐘;審批時間,從三年前的10~12分鐘,降到2分鐘左右。

我認為還有很多工作要做,讓客戶對整個貸款審批過程感到更加的滿意。

02 獲取數據信息的三種方式

在整個流程中,我們如何獲得信息,來幫助我們做決定?

首先是客戶提交的數據。舉個例子,一位女士到銷售點去申請貸款,她首先需要填寫申請表格,提交一些數據;我們同時參考商店的數據和申請產品的數據來做決定。這是用一個比較傳統的方式來進行風險控制。

其次,我們會參考一些額外的數據,主要是三個數據源。央行的征信系統是最重要的,但因為捷信提供的是普惠金融服務,很多來公司申請貸款的客戶,之前是沒有個人信用記錄的。

第二,是使用一些企業提供的“黑名單”信息。比如沒有對接央行征信系統的互金公司,這些企業沒有權限向央行上傳數據,但可以從其中得到我們客戶之前的貸款金額和還款表現。

第三,就是大家都在談論的“大數據”,它在在某些程度上可以幫助我們進行預測評估。參考客戶在申請表上提供的信息是傳統的方式,依靠征信系統是現代化的方式,但未來做(審批)決定,主要是依賴大數據。

但我要強調的是,大數據是不能夠完全取代其他的數據源的,它也不是客戶數據信息唯一的來源。大數據主要是幫助豐富我們的核實手段,去核查客戶提交上來的信息。

03 大數據使“得分系統”更有預見性

捷信要發放大量的小額貸款,我們有一個特有的“得分系統”,根據客戶最終分數來預測他的違約幾率是多少。

這個得分系統有兩個作用分:第一,它可以幫助我們預測和區分,哪些客戶有還款意願,哪些沒有;第二,在未來的一段時期里,預測(客戶)的穩定性。

作為消費金融公司,我們決定哪些貸款發放,哪些貸款拒絕,某種程度上取決於公司對風控的容忍度和接受度,公司的態度影響到最終的通過率。

如果(客戶)得分是不穩定的,則意味在未來可能會出現風險波動,更高或者偏低。

另一方面,得分系統可以幫助我們迅速的做出決定,迅速的判斷發放多少額度的貸款。

比如,一個客戶的信息豐富多樣,並且得分很高,我們可以在幾秒鐘內就做出決定;但如果信息不充分,而且得分比較低,則需要采取另一些措施進一步核實客戶信息,幫助我們做出正確的決定。

對於消費金融公司而言,能否迅速的做出正確的審批決定非常重要,這時候就需要借助額外的數據源,讓打分卡變得更加的有預見能力。

數據越豐富,打分卡的預見力越強大。

總結一下,大數據在三個方面給予我們幫助:幫助我們做出明智的決定;幫助我們做出迅速的決定;對客戶的好處是,讓貸款申請表變得更加簡短,提升客戶體驗。

04 欺詐風險

消費公司除了信用風險,還會面臨欺詐風險。捷信大的反欺詐主要是四個流程:審核、調查、歡迎電話、暗訪。

一般的理解是,一旦把錢貸出去了,消費平臺能做的工作是非常有限,如何在銷售網點控制欺詐的風險?

對於我們來說,一兩個孤立的欺詐案件並不是那麽重要,我們看重的是有組織欺詐行為,我們需要找到這種欺詐行為的模型,然後相應的改變我們的審批策略、審批流程,並引以為戒。

“反欺詐是道高一尺魔高一丈,永無盡頭” 

10

秦蒼科技CRO朱君

01 線下場景獲客:獵取“被動借款人”

我今天主要從四個方面來說,場景、欺詐、信用、風險定價。這四個命題是我總結下來做風控的優先級。

11_meitu_24

首先,獲客方式。秦蒼科技有兩款產品,一款是買單俠,一款是星計劃,從2014年到現在已經三年了。買單俠 3C主要通過客戶在零售店買手機場景來獲客,星計劃醫美通過醫美整形來獲客。

通過這些的場景獲得的,我們叫“被動借款人”——本質上不是太想借錢的人,他很被動。

現在很多目標藍領群體,沒有過往金融借貸經驗和歷史,人行征信體系沒有覆蓋。這類人里面,其實大多數人還是信用狀況很好的,我們內部稱為“新優質的人群”。

縱觀歷史上一些比較成熟的獲客方式,我們可以看到:平安信保通過通訊錄目錄營銷一個一個打電話;信用卡發卡是陌生拜訪;直銷團隊沖出去進行獲客。國外比較成熟的是通過郵寄,直接郵寄一個信用卡;現在京東、螞蟻、微眾通過白名單的方式來營銷。

這些獲客場景里面都有一個共性,客戶是主動出擊獲來的,獲客及授信之時,客戶其實並不一定需要信貸。所以他們是被動的借款人,這是主動獲客的方式。這樣的場景是自然的獲客需求,能盡可能規避風險。

12_meitu_25

如何把控線下“消費場景”?

買單俠有三款APP,客戶端有一個,營業員有一個,銷售人員有一個。第一,客戶跑到店里,營業員出示他的二維碼,客戶用自己的APP掃營業員的二維碼,這個就是風控防範的第一步,確保交易是發生在這個場景內的。

第二,營業員出示二維碼是轉瞬即逝的,防止截了屏以後給第三者,脫離場景的地方做現金貸,這也是風險防範的一步,必須在場景內發生。

第三,營業員出的二維碼,A和B出的二維碼是不一樣的,精確的追溯到過往營業員的表現,每個人有自己的賬號。

我們銷售端還有一個APP,客戶掃了營業員的二維碼以後收到情況會趕來。線下駐場人員像一個巡邏隊,一個人綁著五個店,如果能力強,一個人綁七個店。

我們通過這樣一套機制來確保這個交易。一,發生在這個場景內;二,這個銷售能夠比較高效的提高他的能效,這是通過三款APP相互之間的聯動來搭建的一個獲客場景。再者,銷售端的APP除了能夠通知這個銷售趕到現場以外,他還會有一些和後臺的聯動。

這套做法,避免了傳統做法里地方團隊被挖時,業務經驗流失的問題。

我們還利用銷售端的APP跟後臺進行一些交互,線下人員會察言觀色。有的人背著LV包申請了,一看就不是正常的需求。有的人開著車過來了,一定不是正常的需求。通過數據累積一段時間,我們會發現好像有紋身的人,壞賬會略高一點點。

我們是這樣通過三個APP去很好的相互聯動,來保證線下消費場景的真實性。

目前,從提交到審核,我們平均花2.8分鐘就能自動化出一個結果。所有的決策都是自動化在做,我們在整個流程中會多次調用這樣的決策點。

02 與欺詐者賽跑:魔高一丈道高一丈

在欺詐部分,我把它比作一個“賽跑”的過程。

13_meitu_26

我不覺得線下的這種黑產會結束,它也是一個聲音,他們是一個場景存在的生態。當然對他們的治理是需要整個行業去做的,但更重要的是怎麽在技術上降本增效,跟欺詐分子比賽跑、比成本。

線下中介的欺詐為了提高人效,也會準備很多資料,派一個人在那兒接電話,不會派很多人,會派一個人專門接電話,這一個號碼就會被多個人複用,我們如果把這一個號帶走的話,很多人就會被我們發現。所以這是一個可以去利用的點。

在整個申請還沒開始審核的時候,我們其實已經介入了差異化的風險防範的過程中。

14_meitu_27

這是我們自己研發的八爪魚智能信貸技術,這也是真實的一張圖。

其中紅點是壞人,藍點是好客戶,灰點是那些中間人。在這群藍領身上發現非常有意思的特點,你們可以仔細看一下右邊那個圖,紅的點和紅的點紮堆在一起,藍的點相對獨立。壞人喜歡紮堆,好人通常不會那麽成群結隊的來辦理,都是比較零散的。

第二,這上面每根線都是人與人之間的一個關系,我們可以觀測這樣的關系做很多反欺詐的規則。比如說,一個人發現他是八個人的爸爸,他填的年齡又是相似的,這種就很奇異了。

通常來說,一個金融業務最擔心的、最冒進的就是跑上來狂罰款,量沖得很快,在頭一個月里不知道這個資產是怎麽樣的。做過業務的人都有這個感觸,壞人比好人敏感,第一時間來這個平臺試一下。我們產品剛上線的那一天,有很多人就跑來試一下。如果沒有這樣的技術,必須等一個月,才知道分期付款和逾期情況怎樣。

15_meitu_28

還有一個技術比較好,我們內部叫UBT業務。右邊這三個圖是拖拉金額條的方式,你們覺得哪個相對是壞人?

橫軸是拖拉的時間,縱軸是拖拉的金額,我做個小調研,大多數人覺得第三個,跟我們的認知還是比較相符的。

我們發現很多有意思的事情,這只是其中一頁。有的人填寫特別快,正常人填一個申請表五分鐘。今天發現這個店來了五個人,全是兩分鐘之內全填完的,有的人地址是打的,有的是被粘貼上去的。有的人媽媽的名字本來叫張三,後來改了叫李四,連姓都改了。有的人拍照現場拍的,有的人是從相冊里面導出來的。後來我們把相冊功能關了,有的人發現水平的對著桌面在拍,這都是陀螺儀可以檢測的。我們把這些數據都截取了下來,按照業務的理解去捕捉了很多反欺詐的信息在里面。

反欺詐是道高一尺魔高一丈的過程。我覺得欺詐問題永遠不會有一個頭,永遠找你的漏洞,就像微軟永遠有補丁。這個必須自己不停去適應這個變化,才會做得足夠強大。

16_meitu_29

秦蒼科技在整個反欺詐領域有這樣一套防八爪魚信貸業務平臺,給我們提供了事前的預防、事後的偵測和最後的調查。

剛才說的都是在預防方面的,除了剛才說的,還有一個叫無監督學習的。

無監督學習提供了一個解決方案。我們把每件事放在歷史的長河里都有一定的概率。這個概率到這個人頭身上,異常行為就容易被捕捉了。

主動偵測和調查也很重要。尤其是調查,我覺得是現在互金機構比較缺失的一環。很多的公司欺詐管理,並沒有從逾期里面分離出來,和信用逾期揉到一起。從建模的角度、規則防範的角度還沒有把這個是欺詐還是信用剝離開,整個模型都不會太有針對性。

03 “薄文件人群”審核:像搭樂高積木

關於審核流程,我們目標人群是藍領,是“薄文件人群”,沒有人行報告、沒有社保、沒有學歷認證,這些是強變量。對他們的審核不能用銀行的那套方法來做,必須用很多維度,很多弱變量。

17_meitu_30

我們把整個審核流程像搭樂高積木一樣一塊一塊分解出來。流水線化作業,每個審核員只需要做選擇題,采集變量、驗證數據,給最終的模型提供X變量,最終我的模型會百分百由機器去審核。這樣才能做到短時間內,針對對不同人進行差異化審核。

除此之外,我們流程里還有一個環節叫電子借條。對客戶整個畫面拍一張照傳上來,這個人有沒有笑?采集這個人左手無名指上有沒有戒指……這些變量全部采集下來以後,我們做反欺詐的校驗。

說到風險定價,我們3C和星計劃兩款產品對客戶整個生命周期,都用各種數據豐富。客戶一上來有一個評分,貸後會不同的叠代去優化這個評分。這能防止一些在生命周期階段“印象選擇”的問題。

現金貸里,有很多還款是被包裝過的,以騙取後面比較大的金額。我們貸後會看多維度的數據,來不停地維護生命周期的評分。

至於風險的未知,我認為風險管理一切都在不停的變化中。只有變化,這才是永遠不變的。所以我們創業者要保持這樣的饑渴,不停的用實驗的精神去改善、去叠代,才是未來應對的方法。我相信只有不停學習,才會使我們不停的進步,面對未來更多的未知。

CRO峰會消費金融風控
贊(...)
文章評論
匿名用戶
發布
PermaLink: https://articles.zkiz.com/?id=246004

Next Page

ZKIZ Archives @ 2019