王凱

摘要：通過探討傳統(tǒng)金融風控措施和信息時代“新”金融零售資產(chǎn)業(yè)務風控模式的不同，通過更加直觀的理念和實際運用中的實例，詳細剖析信息時代數(shù)據(jù)賦能、科技賦能、場景賦能后零售資產(chǎn)業(yè)務風控運用形式，主要是貸前調(diào)查、貸中監(jiān)測、貸后管理三大過程產(chǎn)生的變化及對風控效果產(chǎn)生的影響，同時對賦能的效果進行評估后，提出信息時代“新”金融零售資產(chǎn)業(yè)務風控的應用策略探究，為金融機構(gòu)零售資產(chǎn)業(yè)務風控執(zhí)行及風控效果評估提供了新的思路和解決方案。

關(guān)鍵詞：科技賦能;數(shù)據(jù)賦能;零售資產(chǎn);風控策略;過程管理

中圖分類號：F23文獻標識碼：Adoi：10.19311/j.cnki.16723198.2019.08.109

1傳統(tǒng)金融與信息時代下“新”金融零售資產(chǎn)業(yè)務定義

本文中“新”金融特指是在當前信息時代下，客戶通過金融機構(gòu)設計的產(chǎn)品入口在線申請，必要時輔以線下盡調(diào)人員，結(jié)合交易場景，通過產(chǎn)品內(nèi)嵌的風控規(guī)則及模型，為客戶發(fā)放貸款。貸款發(fā)放后，通過客服、其他貸后管理部門及智能貸后系統(tǒng)與客戶保持溝通和聯(lián)系（包括風險事件發(fā)生后的催清收、訴訟等）。

傳統(tǒng)金融零售資產(chǎn)業(yè)務與“新”金融零售資產(chǎn)業(yè)務本質(zhì)都是金融，無論采取何種技術(shù)手段、通過何種數(shù)據(jù)建模、在何種場景下，零售資產(chǎn)業(yè)務的順利開展，均在貸前審查、貸中監(jiān)測、貸后管理三個方面考量一個金融機構(gòu)對金融本質(zhì)的風險控制能力。在信息時代下，“新”金融零售資產(chǎn)業(yè)務的風控運用形式產(chǎn)生了巨大的變革。

再比如說，某公司是通過客戶授權(quán)收，爬取客戶手機號碼運營商的信息，主要包括客戶在網(wǎng)時長、通訊時長、通話聯(lián)系人、話費上的消費習慣等。并通過網(wǎng)上的各類公開信息爬取，判斷客戶是否有貸款中介、詐騙的可能性，這類型數(shù)據(jù)也是比較有效的。

再比如，某公司是一個大型的人力資源機構(gòu)，他存在當前部分客戶每月的發(fā)薪數(shù)據(jù)，這部分數(shù)據(jù)就是非?？陀^的描述一個人收入水平的信息，用這些類型數(shù)據(jù)進行風險控制，一定是有效的。

但同樣有部分公司提供的信息存在來源不明確、信息來源片面的情況，所以使用這部分數(shù)據(jù)源很可能為整個風險控制帶來負面的效果。

在A過程中，使用不同的信息源主要用于兩個方面，一個是規(guī)則引擎的創(chuàng)建，即剔除產(chǎn)品設計中認為有風險的客群;二是創(chuàng)建評分卡，即在產(chǎn)品中準入的客群信用的評級及分層，市場上通常稱A過程創(chuàng)建的評分卡叫A卡。經(jīng)過大量的市場運用反饋，目前認為各類型數(shù)據(jù)源對于規(guī)則引擎和評分卡的貢獻度有所不同。

因此，只要在合適的場景和時機，采取相關(guān)信息源，必然可以降低rA水平。

2.2技術(shù)手段的更新和信息源的擴充降低了rB

傳統(tǒng)金融貸中監(jiān)測（也叫貸中管理）主要依賴客戶經(jīng)理規(guī)定頻次的對于有貸戶的現(xiàn)場回訪和人行征信的報告，大數(shù)據(jù)開始流行以后，各金融機構(gòu)注重了自有存量數(shù)據(jù)的建模與分析，因此也增加了一部分自有機構(gòu)的數(shù)據(jù)行為監(jiān)測（如銀行可以觀測資金流向、在銀行代發(fā)工資的工資收入變動情況等）。但從實際各金融機構(gòu)執(zhí)行的效果來看，B過程并不是很有效，主要原因在于客戶經(jīng)理現(xiàn)場回訪規(guī)定動作不一定到位或出于主觀原因不去回訪，自有機構(gòu)數(shù)據(jù)行為比較片面。

“新”金融下，由于技術(shù)手段的更新和信息源的擴充，使得B過程的執(zhí)行效果越來越趨于有效。一般的做法包括創(chuàng)建B卡（行為評分卡）、創(chuàng)建預警信息、圍繞場景的人工監(jiān)測等，同時也包括對于過程A設立的模型反饋和迭代。

舉例來說，如果客戶是對C端零售商戶，那么可以通過美團、大眾點評、餓了么等公開平臺來查驗客戶是否處于正常經(jīng)營的狀態(tài)，而不需要去現(xiàn)場進行回訪。

再比如可以通過引入第三方數(shù)據(jù)源，查詢客戶是否訴訟、有被執(zhí)行信息，或者股權(quán)變動、企業(yè)異動等情形，以此判斷客戶是否有風險增加的可能性。也可以通過引入第三方數(shù)據(jù)源，查詢客戶除人行征信以外的其他多頭借貸信息或其他負債信息，以此判斷客戶是否異常。

如果處于閉環(huán)場景內(nèi)的，還可以通過獲取其他方面的信息，比如客戶的進貨額、營業(yè)稅額、點擊次數(shù)、流量等等信息來核實客戶的經(jīng)營穩(wěn)定性。

互聯(lián)網(wǎng)技術(shù)手段的更新促進了信息流的交互，進一步擴充了信息源，也同時促進了B過程的自動化、智能化，大幅提升了B過程的效率和效用，即進一步降低了rB。

2.3技術(shù)手段的創(chuàng)新讓C過程不斷精細化，以此降低rc

貸后管理主要是當客戶已經(jīng)出現(xiàn)風險事件時候的應對策略，傳統(tǒng)金融機構(gòu)主要講究“一戶一策”，即通過有經(jīng)驗的催收人員或催收團隊，利用現(xiàn)有資源去尋找客戶，通過不斷的尋找和上門拜訪以此達到貸后管理的目的。但是傳統(tǒng)金融對催收人員的經(jīng)驗非常依賴（人力成本本身就會很高），并很容易出現(xiàn)客戶失聯(lián)的狀態(tài)，同時也很容易出現(xiàn)管理不善導致錯過最佳催收或化解期。

在信息時代下，基于大量貸后管理的案例及傳統(tǒng)人員的經(jīng)驗，越來越多的科技平臺開發(fā)出了智能催收機器人、智能催收平臺，也有越來越多的平臺將人工與智能相結(jié)合，以此達到貸后管理的目的。

首先，信息時代下對于客戶的通訊信息我們有了更多的選擇和解決方案，可以通過不同的信息來源，如客戶手機APP上綁定的手機號碼、訂貨/外賣等聯(lián)系手機號碼或者是各類型平臺上注冊的手機號碼等，查詢可以聯(lián)系到客戶的通訊方式。

其次，當有精確的觸達方式之后，智能催收機器人可以根據(jù)C卡（催收評分卡）的評級，采取已經(jīng)設定好的策略進行不同的策略話術(shù)、語氣（溫和的還是嚴厲的）、頻率（多長時間撥打一次）、時間段（每天的什么時間進行撥打）等等進行輕型催清收。再高級的過程可以實現(xiàn)人機之間的交互和切換，進一步提高貸后管理的水平。

新技術(shù)的加入，同時也讓催清收事件變得更加精細化和流程化，一系列報表的自動化生成和可視化展示讓管理者對于貸后管理過程一目了然。比如呼叫狀態(tài)（客戶有沒有停機、有沒有接通）、意圖分類（客戶是否有還款意圖）、催清收實施次數(shù)及進展情況等等。同時策略維度的更新迭代以及策略的評價都將進一步影響到C過程的執(zhí)行。當然，如果產(chǎn)品是在某一特定的場景下才能展開，那么伴隨著場景也必然會有新的貸后管理措施。

3信息時代下“新”金融零售資產(chǎn)業(yè)務風控應用策略探究

通過風險管理后可降低的水平V通過前文分析，主要取決于有效信息源的擴充、技術(shù)手段的更新以及可靠的場景。因此，“新”金融零售資產(chǎn)業(yè)務風控也將圍繞著這三方面展開。

一是金融機構(gòu)將更加偏向于有場景的零售資產(chǎn)業(yè)務。場景下零售資產(chǎn)業(yè)務風控運用A、B、C三個過程至少會作用于其中一個過程，或者是圈定了客戶的準入門檻，使得客戶整體質(zhì)量本身偏優(yōu)，或者是能夠及時掌握客戶當前狀態(tài)是否產(chǎn)生足以產(chǎn)生實質(zhì)性風險的異動，或者是能夠大幅提升開展貸后管理時客戶的違約成本。

二是金融機構(gòu)將越來越注重有效信息源的擴充。其中，各大數(shù)據(jù)平臺的評估及引入將作為風險管理的常態(tài)工作，什么樣的數(shù)據(jù)在什么情況下是最有效直接的，什么樣的數(shù)據(jù)在同樣起作用的情況下付出的成本最低，以及在當前的情況下需要哪些維度的數(shù)據(jù)能將風險水平降到一個合理的等級。同時，各金融機構(gòu)也將越來越重視自身產(chǎn)品線數(shù)據(jù)的表現(xiàn)情況和過程數(shù)據(jù)的統(tǒng)計、保存。

三是金融機構(gòu)將不斷提升自己的技術(shù)能力或技術(shù)上的思維。區(qū)塊鏈、人工智能等先進技術(shù)的不斷更新，使得在風險控制的科技賦能達到了新的高度和水平。模型算法的及時優(yōu)化迭代、業(yè)務流程的精細化痕跡化、策略水平攀升、人機互動的設計升級等等都將為風險管理增添新的方式方法，也必將推動整體風險管理行業(yè)的進步。

參考文獻

[1]李楓.論小額貸款公司的風險控制[J].天津經(jīng)濟，2018，（12）.

[2]崔琳，王述琳.基于“互聯(lián)網(wǎng)+”背景的金融風險管理探究[J].現(xiàn)代商業(yè)，2018，（35）.

[3]黃艷梅.信息挖掘在大數(shù)據(jù)金融的風險及防患研究[J].科技風，2017，（20）.

[4]云佳祺.互聯(lián)網(wǎng)金融風險管理研究[D].北京：中國社會科學院研究生院，2017.

[5]陳桂蘭，許香敬.運用過程化管理提高信貸管理水平思考[J].現(xiàn)代商業(yè)，2018，（32）.

[6]楊勇，陳玲.人工智能在信用卡催收中的應用[J].中國信用卡，2018，（09）.