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
1703654383
1703654384
1703654385
1703654386
互联网信贷风险与大数据：如何开始互联网金融实践 [:1703653456]
1703654387
互联网信贷风险与大数据：如何开始互联网金融实践 第三节 体验式审批
1703654388
1703654389
在客户准入阶段，越发强调客户体验，这是激烈的市场竞争所决定的。越是优质客户，为此争夺的金融机构就越多，谁能够提供更符合客户需求甚至是超出客户预期的产品和服务，谁就更有可能赢得客户。提升客户体验表现在简便的贷款申请流程、快速的贷款结果反馈、公平透明的贷款申请受理过程等多个方面。要实现上述客户体验，需要以丰富的信息获取和快速的信息传输为基础，通过自动决策的计量体系和信息技术体系作为保障。
1703654390
1703654391
互联网信贷风险与大数据：如何开始互联网金融实践 [:1703653457]
1703654392
一、实时审批
1703654393
1703654394
常见的自动化审批，从申请信息获取开始，经过外部数据接入、比对、规则判断、信用调查、模型及策略计算，到最后给出审批结论，有全流程的系统支持。从风险管理策略的角度出发，可设置不同的流转规则，控制人工介入的条件和比例。因此，根据不同策略部署的差异，一般情况下自动化审批整个流程所需时间可能在2～5个工作日不等。因此，缩短审批时间，甚至达到实时审批的效率，需要在两个方向上努力：一是完善策略部署，降低人工干预的必要性；二是提高非人工环节运行效率。基于上述环节的优化与改善，审批的效率可提升至小时以内。
1703654395
1703654396
对于前者而言，简单地说，就是让数据、模型和策略更多地替代人工判断的过程。在一般自动化审批的过程中，人工干预痕迹较为明显的是信用调查，如以电话联系的方式触达客户，核实客户填报的申请信息的完整性和真实性。该业务环节的核心目的是核实客户填报的申请信息，保证完整性和真实性，同时排除伪冒欺诈，也就是通过人的作用，解决尽可能多的信息不对称的问题。在有效信息足够完备的情况下，第三方的客观数据可能对客户自报的信息进行校验或补充，而通过对人的行为特征追溯，也能在一定程度上识别伪冒申请的情况，因此可将此环节的人工干预降至最低。当然，需要说明的是，降低人工干预也并非全然排除人工环节，而是基于更优的策略安排，使系统和人工相辅相成，合力发挥风险管理的作用。
1703654397
1703654398
至于提高非人工环节的运行效率，也并非易事。在外部信息输入越来越多，互联网大数据应用更为广泛的今天，外部数据接入、大数据处理、模型及策略计算等环节的效率越来越受到诸多因素影响。虽然随着科学技术的发展，数据传输、处理的速度越来越快，但数据本身的复杂程度也越来越高。要提高系统决策的效率，除了要在信息技术上革新外，还要依赖于智能决策模型与策略的部署。举例而言，对于交易欺诈的防范，模型的效果和效率是同等重要的问题。又如申请欺诈的规则如何设计和部署，以提高系统运行效率，这些都对风险管理过程中的数据分析、处理与决策能力提出了更高的要求。
1703654399
1703654400
提供更为迅捷的服务，是金融机构在个人信贷市场竞争中的不懈追求。实时审批虽然能最大化地压缩申请到授信的时间，但并不适合所有的贷款情景。就像电商竞争中，并非所有的客户都需要“次晨达”一样，信贷服务面对的客户核心需求也是差异化的，实时审批仅适用于某些业务场景，服务于对速度最为敏感的客户。
1703654401
1703654402
扩展阅读