中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

今天給大家分享一下，我們基于大數(shù)據(jù)在零售信貸里面的控制，包括精準營銷和清收。

首先給公司做一個簡單介紹。百融是一家金融機構(gòu)，我們本身并不做金融，主要基于大數(shù)據(jù)，為金融機構(gòu)提供一個服務(wù)平臺，包括個人金融和小微金融，流量獲取，貸前信審，目前輔助信貸機構(gòu)審核了260萬筆貸款申請，通過我們審批的量超過3000多億。

我們這個機構(gòu)很透明，在座各位都是互聯(lián)網(wǎng)創(chuàng)業(yè)者，我們是國有控股的，股東有中國華融、浙報傳媒、中國國際金融公司，我們做金融公司，確實掌握很多金融的數(shù)據(jù)。

今天主要是分享三個方面內(nèi)容，一個是大數(shù)據(jù)在零售信貸風控中的應(yīng)用，第二個是貸中管理，第三個是貸后催收。

拿捷信為例，捷信是中國消費金融公司里面最大的，今年放貸1500億左右，捷信申請進件的時候，會發(fā)生兩件事情，第一個是欺詐風險識別，第二個是信用風險識別。欺詐這塊，包括貸款申請設(shè)備反欺詐，黑名單的過濾，身份的驗證，還有網(wǎng)絡(luò)異常行為，還有申請信息對比。

還有信用風險識別，主要做信用評分模型，我們這個模型，捷信用了兩年時間。捷信最早是我們公司所有客戶里面，對百融金服提出最大挑戰(zhàn)的，因為它的客群下沉，主要是藍領(lǐng)工人，農(nóng)民工，很多人剛剛從農(nóng)村進城，這些人身上幾乎沒有常規(guī)的信用數(shù)據(jù)，百分之八九十查不到銀行征信報告，我們有幾百個變量，建立一個模型。

經(jīng)過大半年的模型，模型有效性可以做到0.35到0.38左右，這個是很難做的事情，他們自己以前的模型，大概在0.2幾左右，主要是客群比較下沉。評估他的收入，支出和消費力，網(wǎng)絡(luò)購物行為，閱讀行為，手機的使用習慣，坐飛機這些行為，用了機器學習的算法來做。

捷信量比較大，雙11一天有20萬的進件，20萬的貸款申請，今年高峰期差不多到25萬到30萬的量級。相當大的比例，它只是我們一家，目前高峰期的時候，要支撐300萬筆貸款的審批。能不能支撐做這么大量，背后就需要很多技術(shù)支撐。目前來講，我們一天大概吞吐量接受上千萬，不光貸款申請，還有別的服務(wù)。

此外，我們也用了很多互聯(lián)網(wǎng)公司的方法來識別欺詐風險，比如數(shù)據(jù)庫里，大概識別6.8億實名用戶數(shù)據(jù)，他的姓名、手機號、QQ號、郵箱網(wǎng)絡(luò)服務(wù)身份標識。這些用戶構(gòu)成很龐大的關(guān)系網(wǎng)絡(luò)，表面上看是兩個人，其實是一個人，誰和誰是一家人，誰和誰是普通朋友，或者是交易對手。人與人之間的關(guān)系，輔助我們識別他們有沒有一種風險或者信用的傳遞。

物以類聚，人以群分是有道理的，這個現(xiàn)象在中國很明顯。我們把你的姓名、手機號、身份證號，QQ號，廣義的ID通過拓撲圖連起來，就構(gòu)成一個網(wǎng)絡(luò)，識別廣義的ID之間是什么樣的關(guān)系，關(guān)系有多緊密，這里頭有人，有物，物主要是上網(wǎng)設(shè)備，申請貸款的設(shè)備，有單點關(guān)系，群組關(guān)系，我們把基礎(chǔ)的數(shù)據(jù)庫，公司內(nèi)部叫ID hub。 

說到人工智能，從去年開始這個詞火爆的不得了，在任何論壇不談人工智能，主辦方都不好意思，我們公司最早從2009年開始做。

那個時候發(fā)現(xiàn)跟銀行談大數(shù)據(jù)，談人工智能，幾乎都不接受，我們公司2013年開始跟招商銀行合作，連招行，那么先進的銀行，都不接受機器學習、大數(shù)據(jù)，人工智能完全不接受。

他們認為這些東西不靠譜，百融金服2013年到2014年試了一下，發(fā)現(xiàn)不行啊，我們給人家推薦的人工智能算法，機器算法，接受不了，追求的是某個模型和變量是可以解釋的，什么叫可解釋呢？人能讀得懂，指導我們獲客，什么樣的人不行，我拒絕他。

如果你解釋拼組，銀行風控拒絕接受你，最后我們也沒有辦法。所以，不談什么機器學習，也不談人工智能，我們就談有數(shù)據(jù)，用他們傳統(tǒng)的方法，10到15個變量，每個變量都清晰，說得清楚，算法它的有效性，不如人工智能算法，但是沒辦法，因為傳統(tǒng)金融公司不接受。

但我們并沒有放棄，在百融公司內(nèi)部算法里面，用了很多機器學習算法，只是我們不對外輸出這個服務(wù)。我們自己的評分，有傳統(tǒng)的邏輯合規(guī)的算法評分，也有機器學習和人工智能評分，我們邏輯評分基本上幾十個變量，機器算法評分變成幾千個，我們最原始的數(shù)據(jù)，高達50萬個變量。

去年，由于AlphaGo現(xiàn)象，突然很多客戶開始問你們有沒有人工智能，好像我們不用人工智能就不先進了，其實百融早就開始用人工智能了，比如我們幫百度建模，比如說一個邏輯模型算法，能做到0.3%，人工智能算法，能夠做到0.38%，這是非常大的提升。這里有不同算法的組合，不一定是一個算法，統(tǒng)稱為人工智能的算法。我們底層有一個大的算法庫會做組合。 

我再重點介紹兩個方面，一個是大家談的信用風險怎么防，一個是欺詐風險的防范。

欺詐風險防范，就是借你錢沒安好心，就是不還錢的，這個是偏重一票否決，公安部通緝過的，已經(jīng)入了黑名單的，手機不是實名驗證過的，銀行卡不是本人開的，地址給我們銀行留的地址不一樣，還有專門申請信用卡，騙保險，這種設(shè)備。

我們?nèi)ツ觊_始研發(fā)聲紋識別，為什么搞聲紋識別呢？人臉識別有些機構(gòu)能夠破解，今年3·15，央視報道過有些機構(gòu)把一些小銀行的人臉識別破解了，通過計算機的方法，首先盜取照片，銀行要求你轉(zhuǎn)轉(zhuǎn)嘴，轉(zhuǎn)轉(zhuǎn)頭，是活體識別，這些都可以用計算機方法模擬出來，絕對是高科技，他們搞的微分幾何，大家可以去看。微分幾何可以把人的臉拉長，變圓，同時遠距離看還是那個人。這是很高科技的方法。

聲紋識別就不一樣了，人臉識別可以破解，欺詐團伙，往往外購一批身份證號，已經(jīng)拿到你的照片，通過計算機方法，可以模擬出你臉是活是動的，可以提前做準備。聲紋識別，隨即產(chǎn)生一句話，讓借款人來念，如果是欺詐團伙，他不可能雇一千個人五百個人每個人念不同的話，只能自己念，雇人念的成本太高了，我們通過聲紋識別就是一個人。這也是一種類型的身份合成。

方言我們有的時候識別不出來，有人跟我說，我生病怎么辦？我聲音沙啞了，這種情況，我們也識別不準，但是沒有一種手段可以防住所有的騙子，一定是多種手段結(jié)合。所有的安全，風險問題，最終歸結(jié)為是經(jīng)濟問題，就是收益和成本，你只要抬高足夠的成本，他覺得沒有必要騙你了，他的收益太低了。只要把成本抬高就可以了。

再看信用風險防范。信用風險不是故意騙你錢，剛開始想還，過三個月還不了了，我們看還款意愿等于零，那他就是一種極致的風險，欺詐風險是還款意愿等于零，凡是還款意愿不等于零就是信用風險。

還款能力怎么計算，你的收入減去別的金融機構(gòu)的負債，再減去你日常的消費，等于還給你這家金融機構(gòu)的能力，首先是他的收入，他掙錢能力，第二個是負債，第三個是他的消費，后面還有很多輔助的變量，圖書、看雜志，手機號使用多少年，在什么地方消費，坐不坐飛機，社交圈怎么樣，以及有沒有對外投資，都是幫助我們輔助判斷防范能力的。

我們舉幾個例子，比如說負債，三個月之內(nèi)申請貸款次數(shù)達到五次以上的違約概率是不到五次的三倍以上，這里面既有信用風險也有欺詐風險。

第二種，留給金融機構(gòu)的地址和活動地址是不是一樣。五公里左右是5倍多，如果21公里就是16倍多。這里面有很多是欺詐的。

本地生活，比如說在上海靜安區(qū)借款，但是我們發(fā)現(xiàn)他消費不在上海，比如說大部分消費在長沙，這就有問題了，你的生活場所跟你的借款填的不一樣，我們就要觀察，有一個消費，聽音樂會，團購和溜冰，這種消費跟網(wǎng)上買的手機是不一樣的，你在京東買手機，在北京下單可以寄到西安去，你說這個人在北京生活還是西安生活，都有可能，如果聽音樂會和看電影，那就不一樣了，這種行為往往發(fā)生在日常生活的城市，我們要專門去看，你申請貸款的城市有多少消費，這個消費越少，違約概率越高，我們觀察到的數(shù)字，住址人群占比，越往后，本地生活化的行為越多，這個點線是這類人群的違約概率，假如發(fā)現(xiàn)你沒有任何消費，就是消費率是空的話，違約概率是飆升的，哪怕有一分錢的消費概率，這個人欺詐消費概率就小很多。

還有網(wǎng)絡(luò)游戲，我們從13年跟招商銀行合作發(fā)現(xiàn)的，在三線城市打游戲打的越多的人違約率越高，日常人打游戲，純粹是消耗，不給你帶來能力的提升，不提升你的生產(chǎn)力，所以這個變量我們后來發(fā)現(xiàn)，從13年到現(xiàn)在，還是這樣。打的越多，違約率越大，另外一個反過來，你看媒體讀書，看科技類財經(jīng)類，看的越多的人，違約率越低，這個反映道德水平高低和受教育程度高低。

還有手機號使用程度，手機號使用超過十年的人，是不是靠譜的人？12年的時候馮大輝說手機號使用超過十年的人，是靠譜的人，手機號超過9年的人，有9%的違約概率，是不是不拿手機的人就不靠譜呢？也不是這樣的，因為那些欺詐團伙，對手機號專門辦貸款，查不到使用多長時間。

把所有數(shù)據(jù)綜合起來，我們把它做衍生，做組合，1824個變量，最后做一個綜合評分，300分到1000分，這是評分的分數(shù)分段的分布，點線是對應(yīng)的違約概率，這是在某一人群上評出來的。隨著分數(shù)的提升，違約概率線性下降，從300分到500分，再到600分，650分，700分到800分，金融機構(gòu)做授信是要切的，我利率是多少，我接受到多大的違約概率，利率風險定價怎么定，就是基于這個表定出來的。你是30%的利率，你能接受10%的壞賬，你是12%的利率，你只能接受1%的壞賬，對應(yīng)的壞賬跟風險評分，是一一對應(yīng)關(guān)系。你要確定哪群人，要想清楚。 

第二個就是貸中，我們說貸前審批，往往看到一個時點，這個時點是好是壞，能不能放給他，貸中，把錢貸給他了，只管放不管還的話，會出現(xiàn)大的問題。尤其經(jīng)濟在下行。

我們首先去做外部整合，發(fā)現(xiàn)外部信息變化，風險量化識別，進行風險推送預(yù)警。他手機長期關(guān)機，長期漫游，發(fā)現(xiàn)某個老板的手機漫游一周時間，預(yù)警，我們發(fā)現(xiàn)他老板跑了，他老婆還沒跑，最后追回來一部分錢。

后來我們直接跟運營商合作，看手機的狀況。我們再看催收，催收這個事情，最近被攻擊的比較多，尤其是山東案件，催收機構(gòu)是非常重要的事情，感覺很low，說金融機構(gòu)沒有催收，除了微粒貸特殊機構(gòu)，中國也找不出幾家微粒貸那樣的機構(gòu)，別的機構(gòu)沒有催收，肯定活不下去。

中國很多人是這樣子的，你不找他，他不還錢，你找他，他想想就還了，找他說重一點，就還給你了，很多是這樣子，你說欺詐嗎也不一定是，他就是品行不是那么好的人，大量的灰名單用戶，你不催是沒有辦法的，一定要催，在催收里面，80%都會形成壞賬的原因，是找不到人。

這是很敏感的話題，我們今天不避諱這個話題，不催收會出大問題的。每一百個人，您找過來，其中70%的人，或多或少還一部分錢，這一點，不光中國如此，我跟外商也了解，西班牙銀行，花旗銀行都聊過，西方國家也是這樣。

大部分的零售信貸資產(chǎn)不良的原因，第一是找不到人。第二個找到人，他有可能還是不還，有些人說沒錢了，但實際上他有錢，有些人真沒錢。

如果對方真沒錢的話，你催他沒有用，這里涉及到排序問題，一百個人都能找到，我先催誰后催誰，這個有講究的，因為你的人力資源只有那么多，每個人平均分攤資源，最后效果就不太好。所以我們要去排序，這個叫做壞人里面找好人。都是不好的人，我找到相對好的人，相對好的人有兩種，一種其實有錢，第二種錢不是很多，但是道德還不錯，他想辦法籌措給你，建立一種評分模型，催收評分模型，做個排序。在壞人里面找好人。在貸前準入的時候，是找好人。

早期催收模型和晚期又不一樣，還有一些人有借款怎么識別它，他說他不還錢的原因，通過外部數(shù)據(jù)發(fā)現(xiàn)，那是一個借款，當你戳穿他謊言的時候，他還是不還錢，最終他會走上法律訴訟那條路，那條路可以走，但是成本很高，不合算，一個錄音筆，七八百塊錢，都不會做法律訴訟，信用卡十萬以下的，都很少有人告他，只有十萬以上才會走法律訴訟。我們幫你做還款判斷，還有一個所謂的催收。這一塊，雖然是比較敏感的話題，還是不得不提，這是任何金融機構(gòu)，不可或缺的一個部分。