2018年8月25日，第二屆「SP閃光輝之反欺詐分享會」 在浙江杭州西子湖畔如期開展，汽車金融人匯聚一堂，共同探討。下面是廈門鉛筆頭信息科技有限公司總監劉占輝 劉總就大數據智能風控該如何解構進行演講。

以下是演講內容：

你不知道的欺詐案例、手段高達67%！科技的進步將完善和補充傳統風控做不到的多維思考，這將是大數據智能風控時代的到來。

汽車金融的大風控概念

首先，我們了解一下金融汽車產業鏈條，從宏觀層面來剖析金融鏈條風控的構成。

從汽車金融的簡單鏈條來看，上游是資金源頭方，有銀行、P2P 、信託基金等提供資金批發授信或者穿透直放。中游是資產方，有擔保公司、融資租賃公司等，也就是債權資產的生產製造者，資產方通過資金成本的研判、金融產品的設計、渠道的鋪設管理以及風險的管控進行展業。下游是渠道方（SP）或者由資產方建設各地的直營團隊，進行面向經銷商與客戶的落地服務。

在資金源頭方對資金的風險管理主要依託於對資產方的盡調與資質信任以及資產的健康評估等手段，或者通過保險公司的風險均攤來進行稀釋。

資產方（融資租賃公司、擔保公司等）對風險的管理是我們今天重點要分析的內容，所以下面講到的風控主要講債權資產生產過程中的風險控制。

首先怎麼理解風控？一般講風控會把信審放在一起，認為風控就是信審。其實這個是片面的。從宏觀來講，資產方在整個汽車債權資產生產過程中的全流程都會屬於風控的範疇，我稱之為大風控概念。

首先我們來看在資產方營業過程中所可能面臨的風險，可以大致將其分為三類：

第一、戰略風險，包含對國家行業政策的分析和判斷、對於行業發展趨勢的判斷以及做出的市場決策、汽車金融細分業態的切入選擇等。

第二、運營風險，包含資金渠道的選擇、金融產品的設計、渠道商務政策的制定、合規流程的設計、管理模式的設計等。

第三、是資產風險，汽車債權資產中的欺詐、逾期等。

所以大風控概念可以理解為，對這三大類風險進行綜合防控的手段。

戰略風險的防控取決於融資租賃企業的管理層的行業視野與反應速度。

運營風險的防控取決於融資租賃企業的市場敏銳度、風險意識與自我完善機制。資產風險的防控取決於融資租賃企業的實操水平。三者又是互有聯繫的，戰略的判斷決定了我們的細分業態方向，從而又決定了運營中流程的細化與差異、合規檢查點的設計的合理性、渠道管理的政策等，而運營模式的不同有會影響營業過程中的信審操作細節與資產管理的手段，對資產的風險又會影響重大。

下面我們從運營層面來看融資租賃企業在車貸資產生成過程中，一個典型的流程與合規檢查點設計。

在上面舉例的合規流程中，每個檢查點都可能產生風險，所以才會產生這個流程節點。但是這些合規檢查點應該如何設計才能更加有效的防範風險呢？

這就涉及到BPM（Business Process Management）的概念，在汽車金融領域，融資租賃企業對流程的專業分析研究與合理化設計還處於初級階段，大部分都是參考其他同行企業照貓畫虎，或者新招聘了一個風控總，然後這個人把原企業的經驗和模式進行照搬，或者乾脆摸著石頭過河先幹起來出了問題再修補。

這些現象其實都是有問題的，畢竟每家企業有自己的實際情況，可能需要市場試錯才能走向正軌，這個代價還是很大的。

例如：別人問我：「你覺得我們展業是否有必要視頻面簽？」我一般會從視頻面簽的目的講起。首先視頻面簽是為了確定是否主貸人親自在現場簽正確的合同。為了達到目的我們用其他方法也可以，例如（通過簽字照、業務員與主貸人合影照與簽後合同照等）其中區別在哪裡？

在於整個資產方在流程合規設計的時候，涉及到商務政策的制定方向問題。例如三張照片模式中，有客戶簽字照來確認本人簽約，合影照來確認SP（渠道方）知情，簽後合同照來確認簽約有效。如果融資租賃的商務政策中有與SP的風險分擔條款，要求客戶本人須到現場簽約，合影來取證SP是知情人，一旦產生風險就會轉到渠道方，這是一種風險的轉嫁的合規政策設計。

如果融資租賃企業這方面設計得很好，或者是渠道發展過程中對SP團隊把關很好。那視頻簽約根本就不必要了，畢竟舉著手機拍視頻可操作性與便捷性都很差，並且現在的視頻面簽提供商還會出現各種網路問題的可能。相反，如果渠道是快速鋪設、SP監管本身很差就有可能需要面簽。所以這個問題一開始就不是 是和否的問題，而是具體到融資租賃公司的業態過程和合規流程方方面面才能確定的一件事。

對於大風控概念大家也有了一個初步的了解，那現代數據智能風控關注的方向有哪些呢？

第一、原始數據的建模利用，在建模的時候不能把所有的數據都關注到外圍數據（例如三方大數據）上，因為外圍數據是一個孤立的數據，跟反欺詐相關性不大。原始數據的建模利用才是反欺詐的重點，外圍數據只是佔有很少一部分權重。原始數據的建模，首先要有大量原始數據的積累和分析。

什麼是原始數據？一個客戶從進件到報單、到渠道商、經銷商、材料審查，抵押、提車、開始還款一直到資產管理的全周期數據就是原始數據。分析時不能是孤立的分析一條，還要具備橫向的分析，就是做聚類。我們聚類的去查詢一些數據的時候，經常會發現一些有意思的事情。

第二、對運營渠道的管理反饋，當我們有了原始數據的分析和挖掘以後可能會發現很多點。像剛剛講到的資產方合規流程設計裡面，每一個檢查點對於一個資方來講都是他的盔甲。如果仔細去分析它背後這麼設計的原因，最後都會追蹤到一個血淋淋的教訓裡面去。

當然，這些點也在進化。如果一個金融公司作為資金方資產方運營套路幾年不變的話，那就很危險。所以公司運營體制必須有自我修復進化能力，你可以適應市場、發現欺詐案例後完善流程、增加節點、改進方案，去調整合規政策，這才是真正成功運營應該做的事情。這就是對運營和渠道管理的反饋。

第三、自我演進與預測，結合機器學習演算法對數據中變數因子進行擬合計算，雖然演算法聽起來很高級，但是其實是最簡單的一環，因為現在的演算法都是開源的。因為使用起來還是要歸於對行業的深刻理解，包括欺詐案例的收集拆解，把因子的提取做到極致以後才有資格做到深度挖掘。之後才會可能通過演算法進行預測風險。如果單從計算機的角度來進行完全自動化，目前還是不太行得通的，但是依靠計算機來自我演進還是有機會實現的。

第四、流程合格審查的自動化，我將它納入風控因素和發展方向裡面去了。在遠程信審、請款審查、資產管理大部分工作的內容是在較比數據和審查數據，這些數據的合規性、真偽與風險關聯進行逐步的分析。但是作為資方在後台進行運營工作的時候，大多數是憑著人力和經驗去做，這其實是行業運營水平還比較初級的體現，也是未來我們提升效率最關鍵的點。在我們接觸的很多資產方企業裡面已經有很多人意識到這個問題，然後逐步的加快效率。

如何做數據智能風控的設計邏輯分析？

第一、數據分層，對源數據進行分層處理包含橫向處理與縱向處理，橫向處理需要按照業態、模式等做好場景分化，縱向處理需要按照優劣分層做好評價分化。

第二、特徵工程，是通過機器歸納的方法，針對不同的源數據以及分層特點，提取特徵的過程，這個過程可以通過行業專家進行分析提煉也可以通過機器演算法進行輔助。

第三、智能建模，在特徵提取完成之後對特徵的組合權重通過數學演算法進行模擬演算，形成具有針對性的場景模型。

第四、進化演算，場景模型根據數據的增量與變化自身不斷重新演算並自我修正進化。

第五、數據回歸，模型進化升級以後對存量數據進行回歸計算並對風險進行重新預測，並對預測的結果向運營與管理進行輸出，回饋到合規流程、商務政策、管理模式的完善修復中。

未來融資租賃企業怎樣通過數據智能進行風控運營？

我們拆解了近百家融資租賃公司和資方公司的運作模式，包括定崗定責，流程規範、合規要求、產品設計、產品條件、商務政策等進行了研判拆解。希望未來在自動化運營與智能風控（大風控）的前進過程中能夠輸出一些成果。

未來融資租賃公司的內部管理和運營模式最終會發生什麼變化？一個數據智能風控中心是處在核心地位的也將會關聯到其他所有崗位。

想了解更多汽車金融知識歡迎關注微信公眾號「瓜姐講堂」


推薦閱讀：
相关文章