消费金融FinTech路径:大数据破解效率瓶颈
有消费金融公司人士坦言,反欺诈系统不能完全杜绝欺诈人群,目前没有很好的解决方案。而且,各平台数据互相不共享,新进入消费金融机构要重复的为欺诈黑名单用户交一遍学费。部分消费金融公司的做法是用高定价覆盖欺诈风险,通过贷后管理、催收等弥补。
有消费金融公司人士坦言,反欺诈系统不能完全杜绝欺诈人群,目前没有很好的解决方案。而且,各平台数据互相不共享,新进入消费金融机构要重复的为欺诈黑名单用户交一遍学费。部分消费金融公司的做法是用高定价覆盖欺诈风险,通过贷后管理、催收等弥补。
消费金融的迅速崛起,除了消费群体的需求,更得益于互联网化和大数据,使得轻型化运营成为可能。
8月中旬,招商银行副行长刘建军在接受21世纪经济报道记者采访时表示,金融科技的发展,解决了两个问题,一是运营成本,二是通过大数据,在风险的防范和管控方面做了很多工作。
此外,大数据技术解决了消费金融领域风控的效率瓶颈。一方面,个人信用体系不断完善,央行征信、代发工资、社保、缴税等不断纳入个人信用记录。另一方面,通过分析消费者在互联网上购物、社交等多维度留痕数据,更多覆盖长尾人群。
多维度反欺诈
对消费金融而言,首要难点在于反欺诈。
华南一家城商行正在推广个人信用贷款产品,该行主管零售的副行长对21世纪经济报道记者直言:“我们最大的压力实际上是来源于反欺诈这块。”原因在于,相较而言,信用风险比较容易识别和控制,反欺诈这一块是比较头痛的问题。“民间的一些欺诈,他们对于授信政策的研究,可能比有些行业内的从业者的研究还要深入,还要及时,还要反应敏捷。”
8月中旬,一位股份行零售金融负责人表示,信用贷款中,出现系统性风险的原因多是欺诈风险。很多银行吃过这方面的亏。
欺诈风险,主要是利用信贷产品的设计漏洞来伪造资料。例如,有部分银行业金融机构曾推出“流水贷”,根据客户工资记录等“流水”发放贷款。有些贷款代理公司会向借款人收取一定费用后,帮助借款人“养流水”,最终满足银行贷款条件获得贷款。实则“贷的时候就没想还”。
应对欺诈风险,是建立欺诈“黑名单”,大型银行会选择建立反欺诈系统或欺诈分,通过模糊搜索判断欺诈客户。数据来源于央行征信系统、公安联网系统、前海征信或同盾等第三方数据。
前述股份行零售金融负责人表示,首先看央行征信,信用记录空白的人不会给予贷款;其次接入公安联网核查系统。最重要的是在反欺诈系统中设置模糊字段查询。比如对涉嫌传销等行为的借贷人,可以通过字段搜索排除。
“反欺诈要综合的来看,多个维度”,有城商行零售负责人表示,从技术上来讲,除非欺诈分很高,否则很难立刻发现某些人会欺诈。例如,有些借贷人在各种小贷、网贷平台频繁留痕的,欺诈分特别容易高。但是,真正欺诈团伙可能花一年的时间来准备突破风控模型里需要的材料。
如,芝麻信用的数据显示,11%的P2P类消费金融用户最近6个月在互联网渠道向10家及10家以上的机构申请过贷款。持牌消费金融或银行线上信用卡有3%-4%的用户在10家及10家以上的机构申请过贷款。
有消费金融公司人士坦言,反欺诈系统不能完全杜绝欺诈人群,目前没有很好的解决方案。而且,各平台数据互相不共享,新进入消费金融机构要重复的为欺诈黑名单用户交一遍学费。部分消费金融公司的做法是用高定价覆盖欺诈风险,通过贷后管理、催收等弥补。
大数据授信成利器
“我们银行在推消费信用贷款,初步尝到了大数据授信的甜头。”华东某城商行人士表示,随着宏观经济趋稳,给了银行业金融机构转型发展的空间。
“这两年,年轻人特别90后成长起来后,消费信贷市场需求确实呈爆发性地增长。”刘建军表示,其中部分来自互联网技术的助推。传统的消费信贷市场是一单一单去做的,尽管消费信贷定价较高,但商业银行运营和作业成本太大,无法承受。“特别是金融科技的发展,解决了两个问题,一是运营成本,二是通过大数据,在风险的防范和管控方面做了很多工作。”
大数据授信成为消费金融的利器。“我们正在一个城市一个城市的接入当地的地税系统,客户授权后查阅个人缴税记录后,能够获得客户的真实数据,可以给于授信”。前述华东城商行人士表示。
金融机构将这一技术布局于消费金融。招行表示,该行一款信用贷款产品,基于“千人千面”的智能推荐引擎,在管理用户账户、拓展消费场景上,积累了多年的用户路径及行为数据,通过每日1000万次的云端计算,能对用户进行精准画像和行为预判。根据用户个人属性、用卡情况及近期App行为轨迹,实时了解用户消费金融潜在需求。
对于央行征信系统没有记录的人士,招联消费金融公司董事总经理章杨清表示,用小额甚至免息去触达和试探观察他的行为,这是花了钱去给他补了人行的征信,这也是一个试点。
目前,消费金融公司已经接入央行征信系统,未来互联网小额贷款公司也有可能接入。商业银行作为传统的资金清算方,拥有大量的未被重视的客户经济活动数据,可以作为征信的重要来源。有股份行通过代发工资、公积金、社保数据等多维信息的接入、集成和挖掘,在综合分析评价客户欺诈风险和信用风险的基础上,对个人客户进行“信用画像”,通过与外部机构合作,开发评级模型,并在此基础上开展个人网络信用贷款服务。