導讀 : 陸金所根據客群質量、貸款金融的不同,實施不同的風險政策,在貸前、貸中、貸後都需要進行管理。

i 黑馬訊 (宮盈) 10月31日消息,2015年普惠金融CRO全球峰會在京舉行,陸金所董事長計葵生表示,P2P業務目前占陸金所的比重是10%;目前的結構是陸金所在海外有一個控股公司,國內一個是債借貸人的普惠金融,一個是金融產品平臺陸金所。

陸金所根據客群質量、貸款金融的不同,實施不同的風險政策。評分高的客戶100%走線上快速流程,邊緣客戶需經過線下驗證。

在貸前、貸中、貸後都需要進行管理:貸前管理比如會讓客戶開放GPS定位共享,線上指紋,賬單過濾;貸中的會加入央行征信查詢,遠程核定,大數據補充,預披數據庫,集團客戶數據,遠程核定,面部識別,征信模式;貸後管理包括搜集聯絡,ID雷達,賬戶操作。

以下為計葵生演講內容,經i黑馬刪減。

大家講大數據,很重要的一塊就是把新的科技和新的數據結合到你的風控模型來經營業務。

其實今天講這個的基礎來自哪里,陸金所大概4年前就開始經營P2P,基本上P2P的定義,它是一個以個人的名義來圈錢。這是第一個P。第二個P,就是由個人投資人借給他,就是P2P的定義。

2014年,我們機構平臺做的金額大概200億左右。今年年初,我們做了一個決定,我們應該做一個開放的平臺。所以,我們把找借款人這個工作拖進去,叫普惠金融。普惠金融在平安類似於做小微金融的貸款,做了七八年的時間。所以那個時候做這個決定的原因是我們自己做P2P,做到200多億的量,做的貸款大概做了25萬筆貸款。

陸金所的平臺包括P2P,但是它占我們整體的業務可能在10%左右,其他的90%,包括很多保險理財產品、公募基金還有其他固定收益的資產。

風控要做好貸前、貸中、貸後管理

其實作為一個借款人來看,我們本來的做法,七八年前一直用了很久,是非常傳統的方法。一個人來借錢,我們第一個會了解,他有沒有房,第二會了解,他有沒有車。因為在國內先有房,再有車,他的風險的信用好很多。

傳統情況下,我們要了解,除了在我們這個平臺借錢,外面的債務狀況怎麽樣,本人的收入怎麽樣,我們也會查人民銀行征信局的資料,也看他申請的資料,做一個判斷。

可是最近一年半有較大的變化,除了這些傳統的數據,我們用的越多,除了SNS的的資料,也用了各類電子商務的資料,客戶允許我們去看過去個人的行為,把這個資料都轉過來,這是一個新的整合。這樣讓我們接觸的客戶群擴大很多。因為原來我們傳統的依賴征信局的資料比較重,現在用的很多新的科技,很多新的數據,我們可以擴大服務的一個整體範圍。

講到數據跟科技的概念,要在三個方面考慮。第一,客戶還沒有要到他完整的身份資料的時候,貸前,我們用了很多新的數據跟科技,來判斷這個人要不要考慮他。例如,現在客戶下載一個APP,準備申請第一筆貸款,我們會問他,可不可以讓我們看到你的身份治療,有這些資料非常重要,因為很多的欺詐來自於客戶申請的時候,他講他是做什麽的,他在哪里,都是假的。如果你知道這個人在哪里,他的變動是什麽,跟他後面申請的資料能夠結合在一起,是能夠避免一些欺詐行為的。

客戶要申請,其實不看其他的,我們會把他的名單列入我們的黑名單,如果這個客戶在外面有一些劣跡,我們就不會考慮。

傳統跟創新的投資,大數據跟人才一起,去判斷整個客戶。這是做申請的時候考慮的。

其實到後面的貸後管理,一筆無抵押貸款,每個月客戶未交付的比例可能達到2到3%,可能有些客戶會忘掉。很多客戶,他第一個動作是把手機號碼改變,你就找不到了。可是你如果有其他的數據找到他,他會很驚訝,你怎麽找到我的。對不起,我們有各種方式可以找到你。你能夠找得到,這個只能找專家了。大數據或者新科技的概念,其實是在客戶的後面已經貸了錢,可能貸的期限是一年、兩年、三年,在這個過程當中,你怎麽確保他是很穩定地還錢。所以這個要三方面了解。

我們做P2P,大概過去幾年,我們本來的業務量100%借款人要借錢的,要先到我們的一個門店。他申請的時候,我們一定要看到本人,我們要了解貸款的目的,一定要把他的身份證拿到我們桌上刷一下,看看公安系統,我們也同時會問他,你指定的銀行是哪一家,他說我用的招商銀行,那你招商銀行大概存大家錢,我說一萬塊。剛好我們這里有電腦,你能不能把你的銀行帳戶打開給我們看,說明你講的話是真的。因為任何一筆借款業務,要先驗證這個人是真的,他基本的資料都是真的。

最近,大概一年半的時間,我們現在5到10%的業務量是不看人的,直接讓借款人經過手機APP,下載我們一個簡單的功能,然後開始輸入他本人的資料,然後這個資料會跑到我們的系統。一跑到我們的系統,我們會去抓傳統的資料,還會去抓各類外面的資料,做一個整合,做一個判斷。這個判斷的時間基本上是6分鐘,這個6分鐘之內,我們可以決定這個人,我們要不要讓他進入我們的平臺。

在這個過程中,有一個很大的變化。其實原來我們做一個審批的決定,其實那個決定70到75%是來自征信局里面的資料。可是很多客戶在線上沒有征信局的一個歷史資料,他是全空白的一個客戶。這樣的一個客戶,線上來申請,其實75%的資料完全是依賴所有的線下的大數據,他給我們允許去看他的微信資料,允許我們看他電商一些購買行為,給他做一個整合,做一個判斷。因為我們發現這個效果也是不錯。

可是,即使你線上活躍的客戶,他的壞賬率比線下壞賬的客戶多了兩三倍。所以我們一直在優化,因為我們覺得長期不做線上的申請,你對客戶的方便性,或者你能夠用的資產就有限,或者你一直要在門店,成本會比較高。所以這是一定要做的事情。

但是,我們的感覺不是一步到位,一定要用傳統的方式,然後開始加線上的方式。所以現在的做法,客戶來申請,要從兩個維度來考慮,一個是他的信用風險高還是低,另外一個,他的金額是小還是大。如果他要的金額比較大,或者風險比較高,一定要到線下傳統的門店,我們還要用傳統的方式了解他。如果他申請的金額比較小,而且我們大數據線上能夠完全看起來風險比較低,我們是允許他使用網上的一個貸款。

到今天,我們現在做的貸款,大概一開始的金額是很小的,3000塊。我們先給他一筆3000塊,然後去看他未來6個月到12個月的行為,如果他行為非常好,還款正常,外面的債務沒有什麽變化,我們這個金額可以提到一得到兩萬塊。所以這兩個渠道有比較大的區別。

到今天,我們整體的做P2P的業務,它的壞賬率到今天大概是6到7%,這是無抵押的貸款6到7%,我們對整個市場的一個理解,把所有這些P2P結合在一起來看,我們覺得現在壞賬率在市場可能是15到20%。所以,我們現在用傳統的資料方法用大數據跟新的科技結合在一起,我們覺得是可以繼續控制在6到7%這樣一個範圍。

其實這是一個動態過程,其實我們幾乎每個月都會去調整一些因素。當然我們也發現了另外一個問題蠻有意思的,我們本來是做傳統的線下的一個申請的過程,我們用了一個可以正式覆蓋的城市,每一個城市申請的邏輯差別沒有太大。可是我們一致到一個純線上的做法,我們的正式要調到每一個城市有很大的不同。因為每個城市可能的欺詐的比例有很大的不同,可能欺詐的方式有很大的不同。所以你要了解每個地方比較習慣什麽樣的欺詐方式,把它打掉。

因為一到線上大數據的一個板塊,你會發現,你最大的風險,不是個人借款人這樣的騙子,是有一個欺詐團隊等著你,你有線上這個模式,我一定會先借款多少多少錢,整個的邏輯,整體的信用邏輯,整體的方法沒有太大的變化,可是執行方面會有比較大的一個變化。所以這個就是比較有意思的。

我們現在也是業務的地利,傳統的線下占我們的業務90%,純線上申請的方法大概占5到10%,可是我們內部的目標是希望再過幾年,這個線上的比例會繼續提升,可能有一天提升到30到50%,這是一個很明確的趨勢,而且這些數據越來越完整,測試的時間也拉長了,我們的數據越多,我們可以一直優化模型,能夠做一個比較合理的判斷。

如何面對欺詐團隊

一提到線上的實踐,即大數據的實踐。最關鍵的一件事情是欺詐。我們的經驗從一年半之前,線上有一個產品,叫做ILOD(諧音),我們一開始的測試選擇5個城市做一段時間,發現線上80%申請的客戶沒有來自這5個城市,都是來自其他的地方。他們要把他們線上的IP的地址定位選擇這五個城市,所以你做線上貸款的工作,坦白講,我也不知道有多少人跟著你,他們會在里面很聰明地想方設法拿到。

我們考慮到P2P的發展,考慮到線上貸款發展是一個趨勢,可是你怎麽面對這些欺詐團隊。

我們怎麽做呢?現在有一個客戶,他在線上申請,我們要去看過去幾個小時有多少人在上面進行申請,通過這個電話號碼來做一個畫像,多少是來自一個大號,如果發現最近幾個小時有批量的申請的ID,它的手機號碼或者電話號碼來自一個大樓,這個是欺詐的可能性就非常大了。大家都住在一起,這個團隊就在一層樓,有50個人,這些人就是想辦法拿到錢。

所以如果你有大數據這種方式,這些申請的人,不是個人行為,它是一個團隊的行為,你能不能把它幹掉,其實你的風險會下降。如果我們看一個壞賬率,現在我們整體來看,我們是6到7%,傳統是欺詐占損失的一半,3%點多是欺詐,可是到線上,壞賬率達到15%。

大家就記得一個概念,大數據的一個很大的用法,它是給你多了一些工具去了解線上方面這個ID是不是真的,這個ID是不是這個人的,而且這個人是不是一直被控制的。這是在大數據方面一個很重要的概念。

陸金所怎麽做風控?

按照過去的經驗,我們有比較完整,比較好的風控體系。從四個方面來看,最重要的還是客戶行為數據,我們要判斷未來還是要看手上具有的客戶的行為,一直要看好的客戶的行為跟不好的客戶行為有什麽差別。這方面還是要做幾年,一直去分析能夠分辨出來好壞的客戶,這個是好的,這個可能是在建立一個模式,建立一個公共工具非常重要的基礎。

第二個,我們又開始考慮到線上,其實你的整個風控模型、風控流程,一定要系統化表達。為什麽呢?回到剛才講的,我們做這個線上的申請,我們的模型要按照哪一個城市有不同的表現。如果你20個城市在經營100個城市,如果你沒有一個強大的這樣一個系統,完全是自動化來調整這些因素,你是首選當地的團隊來做,還是用差異化的決定,這個就非常非常謹慎了。因為做P2P,做個人無抵押貸款,其實標準化是非常重要的概念。所以一方面要標準化,外面要有差異化,這個要引來一個相當強大的系統。

第三個,我們覺得現在如果要擴大市場,如果是有一些真實資料的客戶,70%是沒有真實資料的客戶,一定要把內部的大數據跟很多第三方的大數據結合在一起,這個工作非常重要,而且是很累的工作,因為你可以連接很多很多的第三方,一開始看到他的數據跟你的數據怎麽結合,怎麽有效的,它是一個往上的過程,一直在調整,一直在改善。所以你自己的大數據跟外面多的第三方的大數據一定要了解,這是第三個新的地方。

第四個,我們覺得風險控制是一個新的特定的工具,不管是做線上或者線下風控管理的過程,如果是線下的過程,我們做的是業務團隊,現在自己有一個APP,客戶要幫他申請一筆貸款,所有的資料都是靠你們APP一起進入呢。因為我們知道有客戶做這個支付的PKI在哪里。

我們要做客戶端的數據,還有一個是做面部分析。其實真的要判斷這個客戶的身份是真的還是假的,就看臉。這個我們覺得是大概未來一兩年之內,我們所有申請的資料,基本上會按照這個技術來做判斷。當然你可以通過審批拿到的,另外一個過程,所有的遠程審批。

我們有的客戶是通過APP申請,還是通過線下申請,這個客戶到底好還是壞,按照數據來說還是不清楚,我們現在加了一個功能,通過它的手機,可以連到我們的一個經過視頻的一個遠程功能,讓他做一個演示。這個演示我們會組織一個專門的團隊,這個專門的團隊,對於一些比較模糊的案子,要多問幾個問題。可是要控制成本,要把這種人放在各地,成本太高,效果也比較難突出來。

這個時候,在我們還沒有結論的時候,我們做這個過程的時候,我們問客戶問題,我們會讓他整體回答。現在這個東西還沒有證據,有人說謊的時候,眼睛會往右下看,這個也是一個大數據吧,可不可以把這個東西連在一起。

我們要強調的是,在整體的P2P的發展、風控的發展,大概可能兩年前,所有的大數據新科技的說法是比較空的,可是到現在,至少在我們過去兩年的經驗里,其實還是用得上的,只是這個過程是比較累的,因為你有了很多的數據,有很多的新科技,你要把這些行為結合起來,你的系統要穩定,能夠做判斷,然後你要去驗證這個模型的結果,過程比較累