首页 新闻资讯 新闻详情

花生好车依托金融大数据建立科学风控管理体系2017/01/20

在金融场景应用的大数据风控领域,核心的三个要素是风控模型、消费场景和资金风险分析,作为专业的汽车服务商,我们突破了传统商业银行往往拥有的低成本资金优势和只在线下场景布局的特点。

我们充分利用了被忽略的大数据的线上应用。作为专业的汽车信贷服务商,我们在信贷的风险管理与审核中,充分利用场景金融数据,无边角、全维度的分析客户的消费方式,筛选出与我们的政策指引相互一致的客户群体授信。

通过建立消费金融场景,从而使消费场景中的汽车消费行业进一步延伸,使我们对汽车产业认识更加清楚,从而分析产业中的盈利模式,这是我们风控的基础,同时也是我们深入了解消费金融领域风险的优势所在。

消费模型的建设,是我们刻画消费金融的具体体现,通过模型我们固定一些群体的风险特征,筛选优质客户,加快审贷流程,是深度提供优质服务的体现,为打造全方位的服务汽车商而努力。

风险管理中的大数据信用建设规划和现在的互联网金融机构等,都在为金融科技和数字金融努力,大家试图以大数据、云计算、区块链等新技术解决风险管理等问题。风险管理是以金融科技中的信息技术为应用,以消费金融交易渠道或交易模式为依托。这些新技术的确会对未来的消费金融体系产生巨大影响,但那是一种缓慢的系统性的生态变迁,绝非一朝一日可以实现的突变。消费金融风险管理领域也是如此。

风险管理中的大数据消费征信是一个研究方向。所谓消费大数据是对随机的非结构性的网上信息进行大规模收集、处理和分析的技术系统。消费大数据技术用于征信是解决在缺少结构性信息的条件下进行信用风险评估的问题。我们在风险实践中,重点解决以下几个问题;

1、征信信息的错配,不能用大数据的玄虚概念给传统征信模式贴金。目前有一些所谓大数据征信无非还是用传统方式定向收集结构化的信用指标,而非真正的大数据模式。我们做的就是解决信息系统的多维度核实,分辨出客户群体的真正信息。还原客户真正的消费信息。

2、消费大数据的优势在于对某类人群的整体信用状况做风险概率分析,这有助于风险定价,以及优质客户群体的筛选,但对个人信用分析是否有效还尚待论证。我们通过建立消费行业打分卡技术解决消费汽车领域的个人信用问题,主要有两个关键环节,一是制作筛子,既对特定群体特征进行整体画像;二是对具体客户进行画像,描述客户特征;然后才能用筛子自动将符合群体特征的客户识别出来。大数据技术主要应用于前一个环节,第二个环节则需要定向收集结构化指标才能准确描述客户特征。前一个环节的可以利用网上的分布式碎片。后一个,我们应用自己的模型解决汽车消费领域的具体人群。

作为消费金融中的汽车服务商来说,花生好车试图通过更加科学的方法与风险手段,建立科学的风险管理体系,打造以消费场景为依托,具体场景为实用的风险审核流程。建立大数据为依托风险管理筛选 、专业化审核、便捷化的放款以及专业的风险管理队伍。

打造风险可控、政策有依具、研究性强的风险管理部门。

—风险管理部总监 郭胜军