1703654333
1703654334
3．全流程风控
1703654335
1703654336
依托于集约化、自动化的处理流程，使得集中式的数据接入成为现实，多维度数据的交叉验证，为解决个人信贷或小微企业信贷领域信息收集困难提供了途径；从而降低信息不对称水平，实现对风险有效的识别和预防。基于自动化系统和标准化数据接入，实现进件流转规则、评分卡及审批策略等智能化部署，风险管理能力也得到了提高。
1703654337
1703654338
在流程上强化贷后管理，特别是非现场贷后管理。以集中的非现场预警监测为依托，强调持续跟踪、动态监测与实时预警。针对标准化产品和对应客户群特征展开分析，实现风险特征和行为模式的识别，在IT系统上部署基于交易行为、资金流向等信息流监测的规则与策略，实现动态预警。同时，现场管理单位作为卫星车间，能够根据总部的预警信息和预警级别，展开对应基本的实地管理工作。总分配合，全面管理贷后风险。
1703654339
1703654340
对于逾期清收采取集中管理，发挥规模效应。总部集中资产质量管理与催收管理，平衡了地区间的管理能力差异，同时发挥规模化功效，有利于撬动委外催收机构、担保公司、保险公司、资产管理公司等外部资源，有效降低逾期损失。
1703654341
1703654342
互联网信贷风险与大数据：如何开始互联网金融实践 [:1703653453]
1703654343
四、标准化与差异化的结合
1703654344
1703654345
信贷工厂最为突出的特征就是标准化，但标准化不代表消灭特殊、拉平差异，实际上信贷工厂模式之所以能够随着时代的发展和市场环境的变迁而长青不衰，就是因为该模式下需要具备将“如何处理差异”本身也标准化地纳入管理流程之中。这种能力体现在：
1703654346
1703654347
（1）基于自动化策略的智能核心。信贷工厂的智能核心在于评分卡和管理策略，风险管理政策导向反映在评分卡和相应的策略上，而评分卡、流转规则和策略决策落地于IT系统之上，支持了信贷工厂的自动化、标准化运行。正因为有此支持，方能够实现复合的标准化流程。即基于数据分析和市场调研的结果，针对不同地区、不同行业、不同客户群，制定不同的标准化产品，其后台采用针对性的流转流程、审核标准、评分卡及策略。对于借款客户来说，面对的是信贷工厂的同一入口。而信贷工厂基于对客户的识别，自动将该笔申请及借款人打上对应的标签，进入不同的“流水线”执行后台操作，个性化地支撑细化客户群体的需求。
1703654348
1703654349
（2）全流程的监测。信贷工厂运转非常重要的支撑是全流程的监测跟踪体系。监测体系既关注每个环节的关键指标，又有贯穿全流程的核心监控指标。每一项指标都像体检报告中的检查项一样反映着信贷工厂这架复杂机器的健康程度，而每一项指标的异常波动都能够较为容易地追溯到对其产生影响的问题环节。根据这些跟踪监测的结果，信贷工厂能够自发地反馈现有标准化流程中的不足，进一步细分并差异化对待客户群体。
1703654350
1703654351
（3）不断学习和测试的过程。信贷工厂本身集约化的管理，可以支持策略的细分与调整。对于新增的差异化客户群，完全可以采取小范围实验的方式，研发出一条新的“流水线”运营模式；或改变原有“流水线”上某一点的操作或决策过程，将试点效果与原有效果进行比较分析，从而确定差异化定位的准确性，并跟踪策略的有效性，将局部的变化提升为整体的知识。在不断跟踪、学习和实验的基础上，持续优化整个管理过程。
1703654352
1703654353
互联网信贷风险与大数据：如何开始互联网金融实践 [:1703653454]
1703654354
五、“互联网”信贷工厂
1703654355
1703654356
依靠标准化操作、工厂化流程、集中式数据整合、评级模型及策略的自动决策以及全面系统化处理，信贷工厂在显著提高作业效率的同时，满足了个人消费群体及小微企业主群体的融资服务需求，同时也为更为有效、智能的内部风险管理决策提供了条件。
1703654357
1703654358
在新的发展机遇下，信贷工厂与互联网不断结合，逐渐形成了新型的信贷工厂，即互联网信贷工厂。互联网信贷工厂继承了原有信贷工厂的作业优势，同时也展现出自己的特点。
1703654359
1703654360
首先，互联网信贷工厂的“卫星车间”在逐渐消失。这里所说的“卫星车间”指承接与客户直接接触的管理末端工作的机构，“卫星车间”模块的职能是以现场管理方式接触客户、服务客户和管理客户。随着互联网与移动技术的不断发展，触达客户的方式发生了翻天覆地的变化，多元化的触及方式使得在地理上接近客户的分支机构的必要性越来越低。就获客一端而言，越来越多的电话销售、网络申请、移动设备客户端软件，替代了上门营销的客户经理。获客的管理过程集成在“主工厂”的业务流程之内，总部直接接触客户和市场，更为直接地获取到客户相关的数据和信息。例如，客户服务中心的电话记录，呼入的电话号码，申请的时间、速度、内容等信息，通过“主工厂”将这些更多维度上获取到的信息进行整合、挖掘，为后台的风险管理提供更多的支持。从存量及贷后管理方面而言，“卫星车间”的消失并不代表已获得贷款的客户不再得到关注，依托于移动技术与互联网，金融机构反而对存量客户的服务变得更为立体。例如，微信、微博、短信等，这种和客户的黏合潜移默化，但又无处不在。一方面在客户需要的时候提供更为快速的服务；另一方面主动出手，为客户想在前面。从风险角度而言，多维度客户信息使得金融机构可以及时发现借款人可能存在的问题，对于存量高风险的客户，还款提醒、早期催收、提前止损的动作就会及时到位。
1703654361
1703654362
其次，在互联网信贷工厂模式下，外部信息的输入发生了非常巨大的变化。传统信贷工厂模式下，对信息收集进行了标准化的处理，并基于客户群特征进行了“软信息”交叉验证的优化。但在互联网时代，信息扑面而来，如何从中剔除杂音，挑选出有效信息，并将这些信息应用在评分卡、流转规则、管理策略之中，是互联网信贷工厂的重大挑战。外部输入信息的范围变广、来源增多，数据量巨大，且数据形态多样，再加上变化频率的实时化，将推动信贷工厂数据处理、数据分析、模型开发、策略应用和信息技术方面的一系列重大变革。
1703654363
1703654364
1703654365
1703654366
1703654367
互联网信贷风险与大数据：如何开始互联网金融实践 [:1703653455]
1703654368
互联网信贷风险与大数据：如何开始互联网金融实践 第二节 审批自动化车间
1703654369
1703654370
个人信贷业务量巨大，借款客户的实际资金需求又呈现快、急、频的特点，因此审批自动化是金融机构追求效率的选择。而在审批自动化的过程中，金融机构又将客观性的优点发挥出来，满足了风险管理政策执行一致性、连贯性的要求。
1703654371
1703654372
贷款申请的自动化审批，似乎天然就要与信贷工厂结合在一起。信贷工厂智能决策的过程是审批自动化的土壤。因此，现有的自动化审批多植根于信贷工厂之中，成为信贷工厂中的“审批子车间”。
1703654373
1703654374
信贷工厂的特征是标准化和流水线作业，流水线上的各个工种和岗位职能可以被拆分成一个个更小的模块。这种拆分不但为岗位专业化和效率的提升打下了基础，更是实现差异化的流程集成的重要条件。这种模块化加集成的方式，使得审批作业流水线上的各个小模块可以像乐高玩具一样重新组合，以适应不同管理流程和管理策略的要求。
1703654375
1703654376
如图3-3所示，审批这条“流水线”可定义为六个模块，包括申请信息制备、外部信息采集、政策规则校验、电话核实、评分卡运行、审批结果自动得出。如果最初这六个模块依据上述顺序串联执行，通过对审批过程的监控，发现某一渠道进入的客户群资质较差，审批通过率较低，而考虑到查询外部信息需要机构付出相应的查询成本，为了控制运营成本，同时降低系统运行压力，避免后续环节的资源浪费，可以将“政策规则校验”模块前移，在客户提交申请信息后，直接对其进行政策判断，对于不符合基本准入要求的客户则直接跳转至“审批结果得出”的环节，即直接拒绝，省略之后流程环节，在此细分类别上提高运营效率。同时，这种“积木”的拼拆组合不但体现在作业流程的顺序前后调整上，还能够采取串并联方式进一步提升效率。比如，将“外部信息采集”、“政策规则校验”和“电话核实”三个模块并行处理，等待三个模块的结果均返回后，再进入评分卡打分和决策的环节，可有效提升审批过程的处理效率。
1703654377
1703654378
1703654379
1703654380
1703654381
图3-3 信贷工厂流水线
1703654382