机房360首页
当前位置:首页 » 大数据 » 搭建大数据风控模型三部曲

搭建大数据风控模型三部曲

来源:大数据观察 作者: 更新时间:2019/3/14 11:26:10

摘要:大数据风控从获客、审批、到贷中的维护、客户价值的提升、再利用、深挖以及到客户的挽留、催收和退出,让金融风控不再是简单的放款回款,而是在完整地维护一个客户的生命周期。

  大数据风控从获客、审批、到贷中的维护、客户价值的提升、再利用、深挖以及到客户的挽留、催收和退出,让金融风控不再是简单的放款回款,而是在完整地维护一个客户的生命周期。

  我们要形成一个完整的闭环,需要分三步:贷前、贷中、贷后。

  1、贷前:望其面目,以绘其形

  贷前主要包括准入授信规则的制定与划分。

  (1)准入

  在贷前阶段,需要对客户的数据进行搜集、清洗、分析、应用,这是一个很长的链条,若运用传统风控费时、费力。但我们现在有大数据技术,可以精准挖掘申请人多维度信息,包括人口属性信息、社交信息、历史消费记录等信息,消费方式、兴趣爱好、社交偏好等相关维度信息。结合这些信息形成一张用户画像,对客户的贷款资质以及还款意愿、还款能力进行判断,辅助审核决策。不合格的客户在这个阶段直接被挡在外面,这样既防止后期“误杀”,也保证平台的客户质量,事半功倍。

  (2)授信

  授信是根据一个平台的消费需求制定的,我们可以把消费需求作为一个基数,建立有效的信用模型和评分规则。利用灵活开放的数据导入技术、多维度的信用强弱关系评分项,以及专业的评级模型,对客户还款能力、还款意愿等更深入、更全面的“解剖、分析”,为平台授信决策做一个整体的评级。不同评级的客户:首先,风险系数的调整不同;其次,对于每一个评级的客户群体都要有额度的上限和下限。

  2、贷中:由表及里,对症下药

  贷中分为两个部分,一部分反欺诈,另一个部分是额度调整。

  (1)反欺诈

  反欺诈,可能很多人比较多地在贷前用到。但实际上反欺诈贯穿整个客户的生命周期,不仅在信贷环节,在帐号登陆、注册环节就要进行反欺诈防护。现行的欺诈手段主要是冒名欺诈、本人蓄意欺诈、以及不良中介诱骗他人间接实施信贷欺诈等。

  反欺诈需要做好两件事,一个是信息验证,二是行为分析。在大数据风控系统里,有很多先进的技术做支撑,所以这个方面我们无需多虑。而在行为分析这个过程中,依靠风控经验、客户信息验证、部分行为数据做预测分析,基于客户行为,通过打标签的方法识别不同的客户群体的风险程度。

  (2)额度调整

  在这个阶段客户大多有过至少一次的还款行为,那么平台就需要考虑如何调整客户的额度档次和息费,保证优质的客户得到更低的息费和更高的额度,而数据表现较差的客户需要用更高的息费来覆盖风险。

  但不顾风险的一味追求高收益和不求收益的低风险都是没有意义的。额度调整的重点在于对客户需求和风险的合理预估。实则可以看成对资金在不同风险回报的分配,使得在一定的风险下,总体风险收益最大化。

  3、贷后:闻其五音,以别其病

  贷后主要是账单催收和贷后监控等。

  (1)账单催收

  平台把资金放出去,要确保能收回,所以这时要追踪资金动态,一旦出现逾期则启动催收团队协助完成逾期处理、资产回收的工作。对于催收也讲究一定的策略,首先,针对不同风险的细分客户群体,制订差异化的催收措施。其次,把握催收的时机,因为催收的资源有限,我们需要按照一定的分配规则来分配催收资源。

  (2)贷后监控

  最后进入贷后监控环节。在信贷过程中,即使前中期的风控到位,也并不意味着信贷交易的万无一失,借款人环境变故、还款能力改变、还款意愿动摇等情况时有发生。而利用大数据技术,可以对借款人进行多维度动态事件及市场信息跟踪与监控,能够快速觉察、发现贷后借款人的数据异常情况,及时进行贷后预警,有效防范贷款人跑路,信贷机构坏账、死账等情况发生。

  总结:

  从贷前、贷中、贷后三个阶段全程监控、贯穿始终的大数据风控体系,能够有效地把控金融风险。但是,在这里也要提醒大家一点,风控体系的搭建要以自身业务出发,才能发挥其真正的作用哦。

  责任编辑:Erin

机房360微信公众号订阅
扫一扫,订阅更多数据中心资讯

本文地址:http://www.jifang360.com/news/2019314/n1433116912.html 网友评论: 阅读次数:
版权声明:凡本站原创文章,未经授权,禁止转载,否则追究法律责任。
相关评论
正在加载评论列表...
评论表单加载中...
  • 我要分享
推荐图片