隨著監(jiān)管的深入，網(wǎng)貸行業(yè)再度掀起洗牌熱潮。線下理財平臺轉(zhuǎn)型失敗、小平臺不堪重壓紛紛退出市場競爭，網(wǎng)貸行業(yè)競爭進入了更純粹的階段。
“824”網(wǎng)貸監(jiān)管方案提出，“直接或變相向出借人提供擔(dān)保或者承諾保本保息”；“57號文”明確提出，“禁止轄內(nèi)機構(gòu)繼續(xù)提取、新增風(fēng)險備付金?！边@些都意味著，監(jiān)管的原則非常明確，用戶要有風(fēng)險意識，平臺不會幫你兜底。但用戶自身難以把控風(fēng)險，即便能夠看到借款人的信息，也無法得出客觀真實的評價。在這個背景下，平臺的風(fēng)控實力成為判斷風(fēng)險的近乎是唯一的標準，也是用戶選擇平臺的核心要素。
與此同時，網(wǎng)貸機構(gòu)服務(wù)的用戶往往是銀行沒有或者無法覆蓋的群體。歐立信《2017年我國征信市場深度分析報告》中顯示，我國13億人口中只有3億多人在央行有信貸數(shù)據(jù)。而根據(jù)中國個人征信行業(yè)報告中的數(shù)據(jù)顯示，相比美國 92%的個人征信滲透率，我國個人征信記錄覆蓋率只有 35%。中國的GDP已經(jīng)達到美國的60%，理論上授信規(guī)模也應(yīng)當(dāng)達到這個比例，也就是中國可以有60%左右的可授信群體。以此計算，在中國，目前有30%左右的人群沒有得到真正的授信，基于中國如此大的人口基數(shù)，未授信群體規(guī)?？赡茉?億左右。既然銀行無法授信，網(wǎng)貸機構(gòu)就需要自行搭建有效的風(fēng)控模型。
何為有效的風(fēng)控模型？怎樣才能剔除有潛在的欺詐群體，保證平臺的健康穩(wěn)健。我們以洋錢罐為例，來說一說風(fēng)控的那些事兒。
之所以選擇洋錢罐，主要在于這家平臺可以做到三分鐘完成審核而不需要龐大的審核團隊。在三年多時間里，累計交易額已經(jīng)達到了近550億，出借注冊用戶超過了130萬，累計借款筆數(shù)2646萬筆，平臺保持穩(wěn)健運營。這表明，平臺有一套強大的風(fēng)控體系做支撐，并且已經(jīng)得到了充分的印證，其做法有著重要的借鑒作用。
那么，洋錢罐風(fēng)控的秘訣在哪里？我們主要從征信評估、反欺詐服務(wù)和監(jiān)控預(yù)警三個方面探討。
大數(shù)據(jù)與借款人高維度弱變量分析建模
在借貸發(fā)生前，平臺首先要對借款人進行征信評估。傳統(tǒng)金融機構(gòu)往往是查詢工資流水、社保記錄、工作、家庭背景等等，但一方面，網(wǎng)貸平臺覆蓋的群體，這些信息并非完全清晰可見。另一方面，即便用戶提供這些信息，也不足以完全勾勒出一個清晰的借款人畫像，造假的成本也不高。在移動互聯(lián)網(wǎng)時代，數(shù)據(jù)維度和處理計算模型就變得極其重要。
洋錢罐的做法是，在業(yè)界通行的互聯(lián)網(wǎng)爬蟲技術(shù)及在線身份認證技術(shù)之外，還與線上數(shù)十家數(shù)據(jù)合作方建立合作，通過純線上的方式便能夠抽取數(shù)千維度的變量。據(jù)洋錢罐CTO耿博介紹，依托用戶在移動互聯(lián)網(wǎng)上的信息，洋錢罐可以將弱關(guān)系、碎片化的內(nèi)容形成一個高維度、細顆?；拿枥L?；谶@個描繪，機器學(xué)習(xí)算法可以進一步對用戶進行分類。
也就是說，洋錢罐的大數(shù)據(jù)風(fēng)控不只看“大”，重點是看機器能否很好地處理這些數(shù)據(jù)。洋錢罐依托海量的數(shù)據(jù)，針對誠信、失聯(lián)、關(guān)聯(lián)聚類、信用等多個維度構(gòu)建了若干個機器學(xué)習(xí)模型，能夠精確判別用戶的欺詐和信用風(fēng)險等級。據(jù)耿博透露，機器學(xué)習(xí)算法可以對借款人形成一個細顆粒度的分類，并通過高維度的弱變量進行建模分析，對信用不滿足要求的借款人，平臺能夠及時剔除。
借款人的信用是概率性的，反應(yīng)借款人在某一個概率下的置信度。信息維度越廣、數(shù)據(jù)變量越多、機器學(xué)習(xí)越精確，對借款人描繪的顆粒度就越細，造假的成本就越高，對借款人授信的置信度就越高。這項基礎(chǔ)工作做好了，反欺詐的工作就變得水到渠成。
欺詐個體與群體的動態(tài)甄別
在正常情況下，借貸逾期或者壞賬產(chǎn)生的原因，除了借款人的疏忽大意，無非就是沒有還款能力和沒有還款意愿。針對這兩方面問題，洋錢罐的風(fēng)控基本原則是，保證借款人有還款能力，擋住無還款意愿借款人。
在還款能力上，洋錢罐的資產(chǎn)主要來自小額消費類資產(chǎn)，小額信貸一般都是幾百、幾千塊的小額借款，這個從平臺數(shù)據(jù)可以看出。洋錢罐的運營數(shù)據(jù)顯示，平臺人均累計借款額只有5000多元（劃重點：累計），前十大借款人待還金額占比僅有0.014%。最大單一借款人待還金額占比僅有0.001%，很好地體現(xiàn)了小額分散的特點。小額分散的借款方式可以保證，只要是正常的借款需要，借款人基本都可以保證有還款能力。
那么，核心問題集中在還款意愿的評估上，其實就是檢測欺詐用戶。欺詐用戶分為組團欺詐和個體欺詐。
在個體欺詐方面，洋錢罐將自主研發(fā)數(shù)據(jù)與其他臺的征信數(shù)據(jù)相結(jié)合，建立起一個海量數(shù)據(jù)庫，從而能夠精確判別用戶的欺詐和信用風(fēng)險等級。據(jù)耿博介紹，個體欺詐屬于經(jīng)典的基于互聯(lián)網(wǎng)大數(shù)據(jù)和有監(jiān)督/半監(jiān)督的機器學(xué)習(xí)技術(shù)去解決的問題，隨著數(shù)據(jù)量不斷積累，發(fā)掘的互聯(lián)網(wǎng)變量逐步增多，可以持續(xù)迭代不斷優(yōu)化。
群體欺詐的難度在于，它雖然是個體欺詐的集合，但需要平臺既不會誤傷優(yōu)質(zhì)借款人，又能夠徹底挖掘出所有欺詐個體。這有賴于借款人畫像和聚類算法模型。洋錢罐的做法是，通過對比數(shù)據(jù)庫判別個人信息是否與其互聯(lián)網(wǎng)畫像一致；活體識別技術(shù)檢驗是否本人操作；通過比對設(shè)備和聯(lián)系人等信息，借款發(fā)生的頻率和集中度等因素，多方位檢測借款人的行為。對不同用戶畫像基于相似度進行聚類，結(jié)合不同申請人之間關(guān)聯(lián)關(guān)系，集中剔除掉組團詐騙的可能。據(jù)耿博介紹，集團詐騙的防范屬于機器學(xué)習(xí)中的無監(jiān)督學(xué)習(xí)范疇，度量學(xué)習(xí)以及聚類算法在這里起著至關(guān)重要的作用。通過聚類算法，洋錢罐能及時甄別出欺詐流量，并作出及時的反應(yīng)。
在反欺詐技術(shù)的積累上，洋錢罐可以保證平臺上基本上可以沒有群體性欺詐，很少有個體欺詐。
動態(tài)監(jiān)控預(yù)警及智能催收
當(dāng)然，也應(yīng)該看到，對風(fēng)險的監(jiān)控應(yīng)該是實時動態(tài)的，應(yīng)當(dāng)持續(xù)對用戶進行信用預(yù)警和貸后監(jiān)控，及時發(fā)現(xiàn)用戶的信用惡化及其他金融風(fēng)險，實現(xiàn)對金融的風(fēng)險態(tài)勢感知。
在這一方面，洋錢罐自研了適合自身業(yè)務(wù)需求的實時監(jiān)控系統(tǒng)，應(yīng)急響應(yīng)時間全天候保證在數(shù)分鐘之內(nèi)，確保服務(wù)安全可靠。據(jù)耿博介紹，洋錢罐每日都會對用戶存在還款和逾期狀態(tài)更新。這些狀態(tài)更新能夠高效反饋到模型并更新模型的參數(shù)，當(dāng)用戶人群發(fā)生遷移或者欺詐行為發(fā)生變化時可以動態(tài)地進行適應(yīng)。
而在此之外，洋錢罐還針對催收研發(fā)了智能催收系統(tǒng)。這套系統(tǒng)一方面最大限度地保證用戶信息的隱私和安全，完整記錄催收的整個過程。另一方面，智能催收系統(tǒng)通過IVR方式，實現(xiàn)機器與人的溝通，提醒借款人還款，并提供其相應(yīng)的還款方式。隨著AI技術(shù)的發(fā)展，洋錢罐正在實現(xiàn)像谷歌那樣的智能客服，以標準化的方式進行催收，可以保證信息準確傳達，并防止暴力催收。
綜上所述，從征信評估、反欺詐服務(wù)和監(jiān)控預(yù)警三個方面來看，洋錢罐有兩個非常關(guān)鍵的要素：技術(shù)驅(qū)動、動態(tài)調(diào)整。這與平臺最原始的基因有關(guān)。其核心技術(shù)團隊來自全球知名互聯(lián)網(wǎng)企業(yè)，包括Facebook，Google，Apple，Microsoft，SAP，Oracle，騰訊等。所以，在平臺風(fēng)控架構(gòu)上，團隊都在盡可能杜絕不可控因素。比如，在審核層面，洋錢罐并沒有組建規(guī)模龐大的線下審核團隊，而是以大數(shù)據(jù)和計算模型提供置信度高的用戶授信。在技術(shù)上，團隊都在盡可能追求嚴謹性，保證動態(tài)調(diào)整。洋錢罐之所以能夠保證高交易量、低人員成本和穩(wěn)健運營，其秘訣就在于風(fēng)控技術(shù)的絕對實力。
文章屬于網(wǎng)貸之家轉(zhuǎn)載的商業(yè)信息，內(nèi)容不代表本網(wǎng)觀點，僅供參考。
