隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，傳統(tǒng)金融業(yè)務(wù)也從線(xiàn)下不斷轉(zhuǎn)移到線(xiàn)上，很多原先在線(xiàn)下的金融機(jī)構(gòu)開(kāi)始在互聯(lián)網(wǎng)上開(kāi)展經(jīng)營(yíng)活動(dòng)。由于線(xiàn)上和線(xiàn)下的經(jīng)營(yíng)方式的差異，在對(duì)客戶(hù)背景了解方面，互聯(lián)網(wǎng)金融機(jī)構(gòu)面臨著新的挑戰(zhàn)。
本篇案例為數(shù)據(jù)猿推出的大型“金融大數(shù)據(jù)主題策劃”活動(dòng)（查看詳情）第一部分的系列案例/征文；感謝 頎靈鷹澤 的投遞
作為整體活動(dòng)的第二部分，2017年6月29日，由數(shù)據(jù)猿主辦，互聯(lián)網(wǎng)普惠金融研究院聯(lián)合主辦，上海金融行業(yè)信息協(xié)會(huì)、中國(guó)信息通信研究院、大數(shù)據(jù)發(fā)展促進(jìn)委員會(huì)、上海大數(shù)據(jù)聯(lián)盟、首席數(shù)據(jù)官聯(lián)盟、中國(guó)大數(shù)據(jù)技術(shù)與應(yīng)用聯(lián)盟、上海張江發(fā)展戰(zhàn)略研究院、人大人科創(chuàng)協(xié)辦的《「數(shù)據(jù)猿·超聲波」之金融科技·商業(yè)價(jià)值探索高峰論壇》還將在上海隆重舉辦【論壇詳情】【上屆回顧（點(diǎn)擊閱讀原文查看）】
在論壇現(xiàn)場(chǎng)，也將頒發(fā)“技術(shù)案例獎(jiǎng)”、“應(yīng)用案例獎(jiǎng)”、“實(shí)踐案例獎(jiǎng)”、“優(yōu)秀征文獎(jiǎng)”四大類(lèi)獎(jiǎng)項(xiàng)
來(lái)源：數(shù)據(jù)猿丨投遞：頎靈鷹澤
本文長(zhǎng)度為5500字，建議閱讀11分鐘
隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，傳統(tǒng)金融業(yè)務(wù)也從線(xiàn)下不斷轉(zhuǎn)移到線(xiàn)上，很多原先在線(xiàn)下的金融機(jī)構(gòu)開(kāi)始在互聯(lián)網(wǎng)上開(kāi)展經(jīng)營(yíng)活動(dòng)。由于線(xiàn)上和線(xiàn)下的經(jīng)營(yíng)方式的差異，在對(duì)客戶(hù)背景了解方面，互聯(lián)網(wǎng)金融機(jī)構(gòu)面臨著新的挑戰(zhàn)。例如，在客戶(hù)反欺詐方面，由于與潛在客戶(hù)沒(méi)有見(jiàn)過(guò)面，僅僅是根據(jù)用戶(hù)提交的身份信息進(jìn)行核實(shí)。因此，當(dāng)前互聯(lián)網(wǎng)金融機(jī)構(gòu)都很重視反欺詐。
另外，由于對(duì)客戶(hù)的背景了解較少，并且由于互聯(lián)網(wǎng)的特點(diǎn)，這些機(jī)構(gòu)面對(duì)的客戶(hù)的分布范圍比較廣泛，脫離了原先的受限的地域范圍，而且用戶(hù)數(shù)量也比線(xiàn)下有了極大的增長(zhǎng)。因此，互聯(lián)網(wǎng)金融機(jī)構(gòu)目前在對(duì)個(gè)人信用評(píng)價(jià)方面有確實(shí)存在的需求。
周期/節(jié)奏
2016年9月，北京頎靈鷹澤數(shù)據(jù)科技有限公司與金融機(jī)構(gòu)合作開(kāi)發(fā)頎靈鷹澤數(shù)據(jù)評(píng)分模型，項(xiàng)目組成立，建立評(píng)分技術(shù)團(tuán)隊(duì)。
2016年10至11月，項(xiàng)目團(tuán)隊(duì)開(kāi)始準(zhǔn)備評(píng)分模型數(shù)據(jù)，主要包括數(shù)據(jù)合并和數(shù)據(jù)清洗。
2016年12至2017年1月，開(kāi)始評(píng)分模型設(shè)計(jì)工作和細(xì)分分析工作。
2017年1月至2017年2月，開(kāi)始評(píng)分模型的的開(kāi)發(fā)工作、模型驗(yàn)證等工作，并對(duì)評(píng)分模型進(jìn)行IT開(kāi)發(fā)。
2017年2月至今 與大拇哥財(cái)富開(kāi)展家居消費(fèi)貸款和裝修消費(fèi)貸款合作，將頎靈鷹澤個(gè)人信用評(píng)分模型應(yīng)用于上述消費(fèi)場(chǎng)景，幫助大拇哥財(cái)富快速開(kāi)展上述兩項(xiàng)消費(fèi)貸款業(yè)務(wù)。
客戶(hù)名稱(chēng)/所屬分類(lèi)
北京匯鑫融金融信息服務(wù)有限公司（大拇哥財(cái)富）/大數(shù)據(jù)技術(shù)服務(wù)
任務(wù)/目標(biāo)
互聯(lián)網(wǎng)金融機(jī)構(gòu)在實(shí)際業(yè)務(wù)中需要對(duì)借貸對(duì)象進(jìn)行綜合信用評(píng)價(jià)需求，例如大拇哥財(cái)富在開(kāi)展消費(fèi)貸款時(shí)，需要了解客戶(hù)的詳細(xì)信用狀況并根據(jù)信用狀況給予相應(yīng)的授信額度。另外，互聯(lián)網(wǎng)金融機(jī)構(gòu)開(kāi)展的這些消費(fèi)貸款需要在較短的時(shí)間內(nèi)完成業(yè)務(wù)，因此需要解決信用評(píng)價(jià)的效率問(wèn)題。
北京頎靈鷹澤數(shù)據(jù)科技有限公司計(jì)劃在與部分金融機(jī)構(gòu)開(kāi)展合作的基礎(chǔ)上，結(jié)合多方面的數(shù)據(jù)，如學(xué)歷信息、消費(fèi)行為數(shù)據(jù)、運(yùn)營(yíng)商信息和信用黑名單等，開(kāi)發(fā)出頎靈鷹澤個(gè)人信用評(píng)分模型，為互金機(jī)構(gòu)快速了解借貸對(duì)象的信用狀況提出幫助，助力大拇哥財(cái)富公司開(kāi)展家居消費(fèi)貸款業(yè)務(wù)和裝修消費(fèi)貸款業(yè)務(wù)。
挑戰(zhàn)
在評(píng)分模型建立過(guò)程中，我們?cè)趯?shí)施時(shí)仍然有以下技術(shù)難點(diǎn)：
1.頎靈鷹澤個(gè)人評(píng)分模型的數(shù)據(jù)有多個(gè)不同的數(shù)據(jù)來(lái)源，例如個(gè)人申請(qǐng)?jiān)u分利用的是客戶(hù)申請(qǐng)信息，綜合行為評(píng)分來(lái)源頎靈鷹澤合作的金融機(jī)構(gòu)和其他第三方數(shù)據(jù)公司。在這些數(shù)據(jù)中可能存在一些因各種原因?qū)е碌腻e(cuò)誤，因此，為保證后續(xù)的分析工作具有良好的數(shù)據(jù)基礎(chǔ)，保證分析結(jié)果的有效性，在正式進(jìn)行模型開(kāi)發(fā)之前需要仔細(xì)考慮如何進(jìn)行數(shù)據(jù)分析、數(shù)據(jù)質(zhì)量檢查。
2．在評(píng)分模型的建立過(guò)程中，預(yù)測(cè)變量的設(shè)計(jì)、生成和計(jì)算是整個(gè)評(píng)分開(kāi)發(fā)過(guò)程的重要組成部分，是評(píng)分模型進(jìn)行預(yù)測(cè)的信息基礎(chǔ)。合理的預(yù)測(cè)變量設(shè)計(jì)是評(píng)分模型成功的關(guān)鍵。評(píng)分建模人員需要了解評(píng)分袁術(shù)數(shù)據(jù)的含義，并對(duì)業(yè)務(wù)有較深的理解，這對(duì)評(píng)分建模人員要求很高。
3、評(píng)分模型建立后，需要確定其測(cè)量其區(qū)分好壞客戶(hù)的能力（區(qū)分能力的指標(biāo)KS值），并保持模型穩(wěn)定性(模型穩(wěn)定性指標(biāo)PSI),如何在兩者之間進(jìn)行平衡，是一個(gè)需要綜合考慮的問(wèn)題。一方面，KS值越高，模型的區(qū)分能力越好，一般模型的區(qū)分能力需要在30%以上，但如果模型的穩(wěn)定性差的話(huà)，可能需要調(diào)低KS值，以保證模型的穩(wěn)定性，兩個(gè)指標(biāo)如何調(diào)整，需要有評(píng)分建模人員有豐富的經(jīng)驗(yàn)。
實(shí)施過(guò)程/解決方案
個(gè)人信用評(píng)分模型的建立過(guò)程主要可以分為以下數(shù)據(jù)準(zhǔn)備、模型設(shè)計(jì)、細(xì)分分析、變量設(shè)計(jì)、模型開(kāi)發(fā)幾個(gè)階段。
1、數(shù)據(jù)準(zhǔn)備階段
數(shù)據(jù)準(zhǔn)備工作包括方案設(shè)計(jì)、數(shù)據(jù)合并和數(shù)據(jù)清洗，總體框架為：
其中，最重要的是數(shù)據(jù)質(zhì)量分析方案設(shè)計(jì)。數(shù)據(jù)質(zhì)量分析方案設(shè)計(jì)需要根據(jù)數(shù)據(jù)分析的目標(biāo)、當(dāng)前的數(shù)據(jù)情況，確定整個(gè)數(shù)據(jù)質(zhì)量分析需要分析的內(nèi)容，包括是否需要進(jìn)行數(shù)據(jù)合并及應(yīng)該如何合并，需要進(jìn)行哪些數(shù)據(jù)邏輯檢查等等。
方案設(shè)計(jì)是一個(gè)隨著對(duì)數(shù)據(jù)的了解和對(duì)數(shù)據(jù)的分析而不斷更新和完善的過(guò)程，因?yàn)樵诜治鲞^(guò)程中，會(huì)根據(jù)數(shù)據(jù)分析的發(fā)現(xiàn)來(lái)補(bǔ)充需要分析的內(nèi)容，而不是全部分析工作在初始分析階段就能夠全部確定，特別是針對(duì)存在錯(cuò)誤的數(shù)據(jù)而進(jìn)行的問(wèn)題分析，會(huì)隨著不同的錯(cuò)誤情況而不同。數(shù)據(jù)質(zhì)量分析的完成也意味著質(zhì)量分析方案設(shè)計(jì)的最終完善。
數(shù)據(jù)合并是數(shù)據(jù)質(zhì)量分析過(guò)程中的一個(gè)普遍環(huán)節(jié)，由于頎靈鷹澤評(píng)分模型的數(shù)據(jù)來(lái)源較多，在進(jìn)行數(shù)據(jù)質(zhì)量分析及后續(xù)數(shù)據(jù)處理時(shí)，需要將多個(gè)數(shù)據(jù)源信息按照一定的關(guān)聯(lián)邏輯，例如客戶(hù)層級(jí)的標(biāo)識(shí)，合并匯總到一個(gè)統(tǒng)一的數(shù)據(jù)信息表上，從而可以更加有效的進(jìn)行匯總后數(shù)據(jù)信息的加工與分析。
數(shù)據(jù)清洗是在數(shù)據(jù)質(zhì)量分析過(guò)程中通過(guò)對(duì)數(shù)據(jù)進(jìn)行進(jìn)行邏輯檢查與挖掘分析后，對(duì)其中一些數(shù)據(jù)存在的特殊情況進(jìn)行處理，以滿(mǎn)足后續(xù)建模工作的需要，例如對(duì)于某些缺失值與異常值的處理，可按照缺失值與異常值的產(chǎn)生原因設(shè)定不同類(lèi)型的人工標(biāo)準(zhǔn)賦值。
數(shù)據(jù)質(zhì)量分析的基本流程和方法見(jiàn)下圖：
2、模型設(shè)計(jì)階段
在模型設(shè)計(jì)階段，將根據(jù)數(shù)據(jù)清洗和整理后得到的建模數(shù)據(jù)集，結(jié)合數(shù)據(jù)質(zhì)量分析報(bào)告及雙方的相關(guān)業(yè)務(wù)經(jīng)驗(yàn)，確定頎靈鷹澤個(gè)人信用評(píng)分模型開(kāi)發(fā)及模型驗(yàn)證所用數(shù)據(jù)，以及模型的各種排除規(guī)則、表現(xiàn)定義、樣本數(shù)據(jù)時(shí)點(diǎn)等，這將直接決定用于評(píng)分模型開(kāi)發(fā)的好、壞、不確定樣本。
頎靈鷹澤評(píng)分模型設(shè)計(jì)環(huán)節(jié)重點(diǎn)考量以下要素：
模型的性質(zhì)：風(fēng)險(xiǎn)、收益、其它。
數(shù)據(jù)來(lái)源：信用報(bào)告數(shù)據(jù)、其它數(shù)據(jù)；
應(yīng)用領(lǐng)域：貸款發(fā)放審批業(yè)務(wù)、賬戶(hù)管理等。
數(shù)據(jù)時(shí)間：觀(guān)察點(diǎn)、表現(xiàn)點(diǎn)、表現(xiàn)期、觀(guān)察期；
排除規(guī)則：不可評(píng)分?jǐn)?shù)據(jù)條件、可評(píng)分但不適用于建模的數(shù)據(jù)條件；
表現(xiàn)定義：好、壞、不確定定義；
關(guān)于法律合規(guī)與公眾接受度的考慮；
評(píng)分分值標(biāo)準(zhǔn)
3、模型細(xì)分分析
頎靈鷹澤個(gè)人信用評(píng)分模型將樣本群體細(xì)分成多個(gè)子群體，從而可以分別進(jìn)行模型開(kāi)發(fā)，其主要考慮如下需求：
對(duì)于不同子群體設(shè)置不同業(yè)務(wù)策略的需要；
數(shù)據(jù)多樣化對(duì)于不同子群體人群的適用性；
在潛在的各子群體中，可能存在較為深層的預(yù)測(cè)趨勢(shì)的差異；
通過(guò)模型細(xì)分，可比對(duì)系統(tǒng)總體建立單一模型更能提升系統(tǒng)的預(yù)測(cè)能力。
4、預(yù)測(cè)變量設(shè)計(jì)
在模型的開(kāi)發(fā)過(guò)程中，預(yù)測(cè)變量的設(shè)計(jì)、生成和計(jì)算是整個(gè)評(píng)分開(kāi)發(fā)過(guò)程的重要組成部分，是評(píng)分模型進(jìn)行預(yù)測(cè)的信息基礎(chǔ)。頎靈鷹澤評(píng)分模型以FICO評(píng)分方法為基礎(chǔ)，參考FICO評(píng)分模型的預(yù)測(cè)變量，其反映的信貸特征信息主要包括如下五大類(lèi)別：
(1)還款歷史：包括客戶(hù)歷史上所有賬戶(hù)的還款拖欠情況等信息；
(2)債務(wù)情況：包括客戶(hù)所有賬戶(hù)的債務(wù)以及相關(guān)信貸產(chǎn)品的使用情況等信息；
(3)信貸歷史：包括客戶(hù)使用各種信貸產(chǎn)品的時(shí)間長(zhǎng)度和信用歷史長(zhǎng)度等方面的信息；
(4)信貸需求：包括客戶(hù)申請(qǐng)新信貸產(chǎn)品方面行為的特征信息；
(5)信貸組合：包括客戶(hù)所有賬戶(hù)中的涉及到的各種類(lèi)型的信貸產(chǎn)品組合方面的信息。
5、模型的開(kāi)發(fā)
鷹澤評(píng)分模型的開(kāi)發(fā)階段主要有以下幾項(xiàng)工作：
(1)開(kāi)發(fā)準(zhǔn)備工作
在確定需要開(kāi)發(fā)的模型數(shù)目、細(xì)分的邏輯之后，需要根據(jù)具體的細(xì)分邏輯，將開(kāi)發(fā)時(shí)點(diǎn)獲取的總體數(shù)據(jù)集切分成相應(yīng)的各個(gè)細(xì)分人群，并在其上抽取相應(yīng)的細(xì)分模型建模所需的數(shù)據(jù)樣本。
(2 )變量分箱和降維
由于模型開(kāi)發(fā)初始時(shí)，變量的數(shù)目很多，因此首先需要進(jìn)行變量降維，在變量降維之后產(chǎn)生的變量集的基礎(chǔ)上，對(duì)變量進(jìn)行細(xì)分箱，粗分箱，變量初步篩選，和變量轉(zhuǎn)換。
(3) 模型優(yōu)化和變量選擇
變量的選擇的目的是從變量池內(nèi)所有可能的備選變量中確定最具預(yù)測(cè)能力的特征變量組合，并排除掉對(duì)好壞預(yù)測(cè)沒(méi)有貢獻(xiàn)度的變量。對(duì)模型的表現(xiàn)定義分配數(shù)值，好賬戶(hù)為0，壞帳戶(hù)為1，開(kāi)始邏輯回歸算法的迭代過(guò)程，確定最終的變量系數(shù)。
(4) 評(píng)分標(biāo)準(zhǔn)化
在得到了基本符合條件的多變量回歸模型后，需要將邏輯回歸結(jié)果轉(zhuǎn)化成用戶(hù)易于理解的分?jǐn)?shù)。
結(jié)果/效果總結(jié)
北京大拇哥財(cái)富公司是一家在業(yè)內(nèi)小有名氣的互聯(lián)網(wǎng)金融機(jī)構(gòu)，其負(fù)債端主要是各種理財(cái)產(chǎn)品，資產(chǎn)端主要是汽車(chē)貸款、房屋按揭貸款和消費(fèi)貸款。隨著大拇哥財(cái)富互聯(lián)網(wǎng)業(yè)務(wù)的不斷發(fā)展，線(xiàn)上業(yè)務(wù)所占比例逐漸增加，對(duì)于業(yè)務(wù)風(fēng)險(xiǎn)控制的需求也越來(lái)越迫切。頎靈鷹澤個(gè)人信用評(píng)分模型適用于大拇哥財(cái)富的業(yè)務(wù)場(chǎng)景。
因此，大拇哥財(cái)富選擇和頎靈鷹澤開(kāi)展合作，將上述的評(píng)分模型應(yīng)用在大拇哥的消費(fèi)貸款場(chǎng)景中。
大拇哥財(cái)富與某大型家居賣(mài)場(chǎng)合作，在賣(mài)場(chǎng)內(nèi)開(kāi)展家居消費(fèi)貸款業(yè)務(wù)和裝修消費(fèi)貸款。在客戶(hù)申請(qǐng)消費(fèi)貸款時(shí)，判斷其是否能夠通過(guò)審批及審批額度是關(guān)鍵。在傳統(tǒng)的消費(fèi)貸款業(yè)務(wù)中，客戶(hù)獲批消費(fèi)貸款時(shí)間大概是一至三天，如果中間發(fā)生某些狀況，審批時(shí)間可能長(zhǎng)達(dá)一周。
另外，還需要客戶(hù)提供一些必要的證明材料，可能還需要再與消費(fèi)者面談一次。
為了提高了客戶(hù)獲取貸款的效率，大拇哥財(cái)富與頎靈鷹澤在此業(yè)務(wù)上開(kāi)展合作。在家居賣(mài)場(chǎng)，客戶(hù)選好想買(mǎi)的家居商品或確定好裝修方案后，如果想要辦理家居消費(fèi)貸款或裝修消費(fèi)貸款，只需向賣(mài)場(chǎng)銷(xiāo)售人員提供少量信息，賣(mài)場(chǎng)銷(xiāo)售人員在電腦或手機(jī)上，打開(kāi)大拇哥財(cái)富軟件，將上述信息錄入系統(tǒng)。系統(tǒng)將自動(dòng)進(jìn)行客戶(hù)身份識(shí)別、信用風(fēng)險(xiǎn)識(shí)別等。
這其中的信用分析風(fēng)險(xiǎn)識(shí)別就是將客戶(hù)信息輸入個(gè)人頎靈鷹澤個(gè)人信用評(píng)分模型，進(jìn)行評(píng)分運(yùn)算，計(jì)算出該用戶(hù)的信用評(píng)分。鷹澤信用風(fēng)險(xiǎn)評(píng)分模型的評(píng)分?jǐn)?shù)值與其對(duì)應(yīng)的好壞客戶(hù)數(shù)量比、信用違約概率之間存在相對(duì)固定的對(duì)應(yīng)關(guān)系。大拇哥財(cái)富根據(jù)評(píng)分和信用違約概率，就可以確定出該客戶(hù)是否可以通過(guò)消費(fèi)貸款審批以及其可享受的貸款利率。
在消費(fèi)信貸過(guò)程中應(yīng)用頎靈鷹澤個(gè)人信用評(píng)分模型，使的原先的審批時(shí)間大大縮短，一般從申請(qǐng)貸款，到貸款審批發(fā)放的時(shí)間，大約為一個(gè)小時(shí)。用戶(hù)也不用提交太多的證明材料，客戶(hù)的體驗(yàn)效果很好。
截止2017年4月底，通過(guò)與頎靈鷹澤開(kāi)展評(píng)分模型合作，大拇哥財(cái)富累計(jì)發(fā)放家居消費(fèi)貸款和裝修消費(fèi)貸款235筆，累計(jì)金額3539萬(wàn)元，貸款違約情況符合大拇哥財(cái)富之前的預(yù)期。
企業(yè)介紹：
北京頎靈鷹澤數(shù)據(jù)科技有限公司是由曾在人民銀行征信中心和京東金融工作的莊傳禮博士建立的數(shù)據(jù)科技公司，主要是服務(wù)于汽車(chē)金融公司、消費(fèi)貸款公司、互聯(lián)網(wǎng)金融機(jī)構(gòu)等小微金融機(jī)構(gòu)，提供個(gè)人和企業(yè)信用評(píng)價(jià)服務(wù)。
頎靈鷹澤現(xiàn)有兩個(gè)個(gè)人信用風(fēng)險(xiǎn)評(píng)分模型，一個(gè)是鷹澤信貸申請(qǐng)?jiān)u分模型，一個(gè)是鷹澤綜合信用評(píng)分模型。這個(gè)兩個(gè)評(píng)分模型是以FICO評(píng)分方法為基礎(chǔ)，利同個(gè)人基本信息、金融信息、公共信息等多維度的數(shù)據(jù)訓(xùn)練而成。通過(guò)構(gòu)建的個(gè)人信用評(píng)分模型計(jì)算出來(lái)，計(jì)算出反應(yīng)借款人信用風(fēng)險(xiǎn)狀況的一個(gè)分值，分值范圍在0-100之間，分值越高，則表明個(gè)人信用越好。
1、評(píng)分模型介紹
（1）鷹澤申請(qǐng)?jiān)u分模型是基于百萬(wàn)量級(jí)客戶(hù)申請(qǐng)信息進(jìn)行構(gòu)建的，其KS值（好壞客戶(hù)數(shù)量比）達(dá)到49%，而國(guó)內(nèi)銀行同類(lèi)申請(qǐng)?jiān)u分模型的KS值普遍為30%左右。
（2）鷹澤綜合信用評(píng)分模型的預(yù)測(cè)變量覆蓋了信用歷史、當(dāng)前負(fù)債、信用申請(qǐng)、信用類(lèi)型以及信用歷史長(zhǎng)度等五個(gè)主要范疇，具有通用性、科學(xué)性和穩(wěn)定性的特點(diǎn)。該模型的KS值達(dá)到56%，而國(guó)內(nèi)銀行同類(lèi)信貸行為評(píng)分模型KS值普遍為40%左右。
2、應(yīng)用場(chǎng)景
鷹澤申請(qǐng)?jiān)u分模型和鷹澤綜合信用評(píng)分模型的應(yīng)用場(chǎng)景十分廣泛。其中鷹澤申請(qǐng)?jiān)u分模型可以用于個(gè)人信用卡、個(gè)人貸款申請(qǐng)審批；鷹澤綜合信用評(píng)分模型則適用于信貸業(yè)務(wù)的整個(gè)生命周期，可用于放貸機(jī)構(gòu)貸前、貸中和貸后管理的各個(gè)業(yè)務(wù)環(huán)節(jié)，如信貸審批、風(fēng)險(xiǎn)定價(jià)、額度管理、風(fēng)險(xiǎn)預(yù)警等。
（1）信貸類(lèi)：P2P、小貸、消費(fèi)金融風(fēng)險(xiǎn)預(yù)警
P2P、小額貸款、消費(fèi)金融等服務(wù)行業(yè)，大都屬于無(wú)抵押信用貸款范疇。消費(fèi)者的還貸能力和還貸意愿，可從客戶(hù)的信用中得到直接反映，信用維度包含歷史交易記錄、個(gè)人身份特征、家庭信用情況等方面。具體包含以下幾方面：
反欺詐：身份驗(yàn)證、黑名單驗(yàn)證
還貸能力鑒定：職業(yè)信息、公積金、社保信息判斷
家庭信用狀況：評(píng)估家庭整體風(fēng)險(xiǎn)（配偶信用查詢(xún)）
用戶(hù)價(jià)值度識(shí)別：高價(jià)值用戶(hù)--如灰名單用戶(hù)識(shí)別
在信貸業(yè)務(wù)的整個(gè)生命周期中——貸前、貸后、催收等環(huán)節(jié)，頎靈鷹澤評(píng)分模型可與不同場(chǎng)景結(jié)合使用。
（2）貸前審核
貸前審核過(guò)程中，信貸業(yè)務(wù)員，除了審核客戶(hù)提交的基本信息、審核材料外，還可借助客戶(hù)“鷹澤分”的結(jié)果，對(duì)以下環(huán)節(jié)產(chǎn)生影響：
簡(jiǎn)化流程：業(yè)務(wù)員確認(rèn)客戶(hù)身份等基本信息后，再根據(jù)該客戶(hù)的“鷹澤分”，確定是否繼續(xù)審核該用戶(hù)其他材料，以達(dá)到快速過(guò)濾部分不合格客戶(hù)。
確定信用額度、靈活定價(jià)：系統(tǒng)根據(jù)客戶(hù)的“鷹澤分”，制定客戶(hù)的貸款額度及貸款利率。
審批結(jié)果確認(rèn)：結(jié)果公司資金總量的寬裕度、以及客戶(hù)的“鷹澤分”，確定是否批準(zhǔn)客戶(hù)的審批。
（3）催收管理
催收管理過(guò)程中，通過(guò)“鷹澤分”的查詢(xún)，對(duì)以下環(huán)節(jié)產(chǎn)生影響：
優(yōu)化催收策略：催收計(jì)劃或優(yōu)先級(jí)制定過(guò)程中，加入客戶(hù)“鷹澤分”維度，以細(xì)化催收策略。
合理分配催收資源：如果客戶(hù)“鷹澤分”低于某一數(shù)值，可將資產(chǎn)作為壞賬變賣(mài)。
（4）CRM精準(zhǔn)營(yíng)銷(xiāo)
集團(tuán)型企業(yè)如保險(xiǎn)公司，根據(jù)數(shù)據(jù)挖掘初步判斷客戶(hù)潛在需求后，為實(shí)現(xiàn)更精準(zhǔn)的營(yíng)銷(xiāo)，可在向客戶(hù)推銷(xiāo)產(chǎn)品前，查詢(xún)?cè)摽蛻?hù)的“鷹澤分”，并根據(jù)客戶(hù)的分值情況做好不同的銷(xiāo)售策略：
如果用戶(hù)分值較高，減少對(duì)此類(lèi)用戶(hù)的打擾，適當(dāng)時(shí)機(jī)向此類(lèi)客戶(hù)推薦高價(jià)值產(chǎn)品；
如果用戶(hù)分值居中，增加對(duì)此類(lèi)客戶(hù)的關(guān)注度，適當(dāng)時(shí)機(jī)向此類(lèi)客戶(hù)推薦產(chǎn)品；
如果用戶(hù)分值較低，減少對(duì)此類(lèi)客戶(hù)的關(guān)注度。
兩種信用評(píng)分使用方式可以分為三種情形：一是作為風(fēng)險(xiǎn)計(jì)量工具，單獨(dú)用于評(píng)估借款人的信用風(fēng)險(xiǎn)水平；二是和放貸機(jī)構(gòu)內(nèi)部評(píng)分結(jié)合使用，形成評(píng)分矩陣，從更多的角度對(duì)借款人的信用風(fēng)險(xiǎn)狀況進(jìn)行評(píng)估；三是作為放貸機(jī)構(gòu)內(nèi)部評(píng)分模型的一個(gè)變量參與評(píng)分計(jì)算，提高內(nèi)部評(píng)分模型的性能。
數(shù)據(jù)猿超聲波
「2017金融科技商業(yè)價(jià)值探索高峰論壇」
聯(lián)系客服
