9月7日訊，現(xiàn)金貸的風(fēng)控核心是怎樣搭建的?

現(xiàn)金貸核心風(fēng)控引擎主要關(guān)注四個方面：一是產(chǎn)品營銷;二是貸前篩選;三是貸前貸中;四是貸后管理。

1、產(chǎn)品營銷這一環(huán)節(jié)非常重要。平臺要思考一下，自己平臺的現(xiàn)金貸用戶從哪兒來。為目標(biāo)用戶畫像，尋找目標(biāo)用戶，再怎么投入都不為過。同時可以建立用戶關(guān)系圖譜，將用戶分群，按痛點分析。

2、貸前篩選包括行為檢測、環(huán)境監(jiān)測等。通過分析用戶的行為以及所用的設(shè)備等環(huán)境因素，來提前識別風(fēng)險。

3、貸前貸中主要是將用戶分群分級，然后進(jìn)行相應(yīng)的風(fēng)險評測，這會為平臺帶來全周期價值的數(shù)據(jù)。

4、貸后管理主要是服務(wù)策略與催收策略。平臺想要提高盈利空間，最重要的是實現(xiàn)復(fù)貸。因此，做好這個環(huán)節(jié)，也是提升企業(yè)風(fēng)控的重要方面。

01. 貸前反欺詐

任何一個互聯(lián)網(wǎng)行業(yè)，都不可避免的遭遇羊毛黨的洗劫，而羊毛黨在金融領(lǐng)域有一個新名詞——騙貸者，而抵御騙貸者的手段則是反欺詐。

現(xiàn)行的欺詐風(fēng)險(手段)主要是冒名欺詐、本人蓄意欺詐、內(nèi)外勾結(jié)欺詐等。

針對層出不窮的欺詐手段，現(xiàn)金貸平臺應(yīng)如何反制?

首先平臺需要避免閉門造車?？梢源蛉霐橙藘?nèi)部，獲取欺詐分子的真實想法，如手機號碼入網(wǎng)時長，一般6個月準(zhǔn)入。欺詐分子是明確這方面的信息的，所以為了避免該部分欺詐人群，可以適當(dāng)增加入網(wǎng)時長，提高其養(yǎng)號成本。

值得一提的是，欺詐分子其實也看重自己的信用，“XX貸沒接征信吧”在騙貸者的社群中，常?？梢钥吹疥P(guān)于征信討論。

騙貸者對上征信有顧慮，如果不上征信，他們會肆無忌憚。這給現(xiàn)金貸平臺提供一條攻心的發(fā)欺詐策略，可以借助網(wǎng)絡(luò)仲裁?？偟膩碚f，要監(jiān)控你的用戶。反欺詐是時刻都要繃緊一根弦的工作。

02. 還款能力評估

與欺詐風(fēng)險不同，信用風(fēng)險主要是評估現(xiàn)金貸客戶的還款能力和還款意愿，主要防治手段是信貸分析以及交叉檢驗。

這塊的把控對人的要求很高，要想把控住風(fēng)險，現(xiàn)金貸的信貸員需要既做業(yè)務(wù)，又看風(fēng)險。

信貸員審核有利于把握風(fēng)險，便于交叉營銷，但容易受制于人，比如人均產(chǎn)能、個體差異、團(tuán)隊穩(wěn)定度等因素，在大量審核需求面前顯得有些無力。

在這個矛盾之下，現(xiàn)金貸平臺開始選擇對信息齊全的客戶進(jìn)行量化評估，這種做法讓工作分工精細(xì)，而且崗位獨立作業(yè)，提升了單筆流程效率，標(biāo)準(zhǔn)化作業(yè)，便于品質(zhì)管理，但依然是人力驅(qū)動，人員數(shù)量與業(yè)務(wù)量成線性關(guān)系，而且業(yè)務(wù)系統(tǒng)依賴度高，單個用戶分享識別力弱。

金融科技與傳統(tǒng)金融最大的區(qū)別就是，技術(shù)提高金融效率。

為了不受制于人力，大數(shù)據(jù)風(fēng)控模型被廣泛應(yīng)用，其理論基礎(chǔ)是大數(shù)法則和降維分類;以數(shù)據(jù)為基礎(chǔ)，以模型為表達(dá)。大數(shù)據(jù)風(fēng)控模型的后期成本低，效率高，可以標(biāo)準(zhǔn)化作業(yè)，不過是對開發(fā)能力、數(shù)據(jù)的依賴較大。

03. 貸后管理

現(xiàn)金貸行業(yè)普遍認(rèn)為，貸后管理主要考驗的是服務(wù)策略與催收策略。

平臺想要提高盈利空間，最重要的是實現(xiàn)復(fù)貸(用戶二次借貸)。因此，做好服務(wù)，也是提升企業(yè)風(fēng)控的重要方面。

而對于催收策略，催收也需要建立模型，建立模型要注意五點：

一是賬戶管理時使用的行為評分模型，也適用于早期催收階段;

二是催收評分應(yīng)為指引催收動作而設(shè)計開發(fā);

三是不同逾期階段差異較大，需要分別開發(fā)催收模型;

四是催收模型相對其他階段模型一般表現(xiàn)為窗口較短，約3~6個月;

五是早期催收模型可以按還款與否定義目標(biāo)變量，晚期催收模型可以按還款比例定義目標(biāo)變量。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。