中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

繼《從0-1，如何做好互金領域的運營》，《互金運營必懂的3類專業術語》?，今天結合實際分享關于金融業務中最為核心的風控環節的內容。

談起風控，大家都不陌生，任何一家企業的管理過程中都會有相應的風控手段，減少風險事件發生的可能性，或者在風險不可避免時，盡可能降低造成的損失，而不僅僅受限于互金或者傳統金融行業。

進入到互聯網+金融的時代，風控更多依賴于大數據，依賴于用戶信息。在進行風險判斷時，兩個關鍵維度是：用戶還款能力和還款意愿。

• 判斷用戶還款能力的關聯維度有：資產、收入、支出、負債、信用狀況、關系人信用狀況。
• 判斷還款意愿的關聯維度有：主動還款意愿，包括受教育程度、個人品行、價值觀等；被動還款意愿，包括協議違約成本，輿論壓力等。

用戶的還款能力和還款意愿是屬于信用屬性極強的金融數據，另外還有一類屬于信用屬性較弱的用戶行為數據。金融數據一般是借助央行征信，綁定的銀行卡、信用卡所屬機構，公安機關等能夠進行背書的機構提供的接口數據做判斷。而信用屬性較弱的用戶行為數據怎樣有效關聯進而判斷用戶信用風險，需要企業根據各自業務搭建數據模型。

風控過緊，雖然可以降低后期的壞賬風險，但相應會降低業務總量。風控過松，業務量會上升，但后期風險加劇。對于風控，絕不是前篇一律的設計方式，需要根據自身業務和市場發展需求自適應調整。

以下可能是互金領域風控模型最常采用的信息組合維度：

（1）身份信息驗證

在這里先普及一個專業術語：四要素。

用戶的四要素信息包括：姓名、身份證號碼、銀行卡號碼、手機號碼。有些平臺需要用戶的強四要素信息，即需要增加手機號驗證碼。四要素信息驗證，也就是對用戶身份做基本判斷。

系統通過將用戶姓名、身份證號碼與公安系統內的信息做比對，對用戶身份是否合法做判斷。通過用戶提供的四要素進行銀行卡鑒權，查詢銀聯內的該銀行卡是否有異常。

• 資格認證：調用央行征信查詢接口，查詢用戶征信是否異常。
• 活體解析：開啟前置攝像頭，按照要求進行活體驗證。（比如：常見的，對著屏幕張一張嘴、點一下頭，搖一下頭，微笑。）這個過程會將活體拍攝中的某一秒的圖片進行截圖，調用公安系統的API，和公安系統的網紋照片進行對比。主要是為了判斷申請者是本人。（活著的）
• 人臉比對：前文所說，將身份證照片、活體解析照片、公安網紋照片進行比對。

（2）銀行卡信息驗證

調用接口進行驗證，是否是要求的卡（借記卡、信用卡），系統是否支持該銀行卡，所屬銀行和該卡是否匹配。

• 銀行卡鑒權： 銀行卡鑒權說的直白點就是驗證持卡人姓名、身份證號、銀行卡號、銀行預留手機號這四項要素是否一致，是指驗證用戶是否擁有訪問系統的權利，如果用戶注冊App時使用的手機號碼和銀行卡預留手機號碼不一致，還需要進行修改。
• 存管銀行：一些P2P作為資金方的借貸產品，需要開通存管銀行，由銀行管理資金，平臺管理交易， 做到資金與交易的分離，使得平臺無法直接接觸資金，避免客戶資金被直接挪用。

（3）運營商認證

通過獲取設備的通訊錄信息、電話往來信息、賬單信息、流量等。

• 用戶話費充值繳納是否正常、穩定，可能會關聯到用戶收入的判斷。如果用戶經常性停機欠費等，可能會影響評分。
• 通訊錄中是否有過多的銀行貸款機構以及網貸黑名單，過多上述聯系人，可能會被判斷為多頭借貸、借款需求旺盛有風險。
• 電話呼入、呼出的時間、節奏是否正常，比如：經常性零點之后外呼可能不正常。
• 用戶入網時長。

（4）移動設備定位

一般通過三種方式對移動設備的位置進行判斷：移動運營商基站、手機自帶GPS或者App關聯的GPS功能、WiFi。

• 用戶居住地址：如果用戶填寫的居住地址在北上廣深這些一線城市，但通過移動設備定位發現過去很長一段時間，該用戶都不在所填寫的地方，則該用戶可能提交的是假信息，風險幾率較高。
• 用戶工作地點：判斷用戶還款能力高低，是決定是否放款的重要因素之一。如果用戶填寫在北京某科技企業上班，但是過去很長一段時間，都是在城鎮地區則是有風險的。
• 潛在欺詐風險：多個貸款用戶出現在一個地方，或者同一時間進行借貸的概率極低。如果同一地點短期內發生大規模借貸請求，需要判斷該地點是否為詐騙團伙聚集地。比如：早期有個伙伴希望在公司內部進行敏捷測試，判斷新版本的申請開戶成功率，以及體驗上是否有bug。這個方案被否決了，因為大家在一家公司，公司地址一致，并且如果上班期間進行測試，都處于相同的wifi環境下，可能會被判斷為惡意欺詐行為，影響測試結果的準確度。

（5）黑名單機制

不僅是黑名單，還有灰名單，白名單等。白名單很好理解，是優質用戶。在借貸用戶群體中，所有借貸方避之不及的就是黑名單和灰名單（區別對待）。

• 黑名單：簡單點說，多處高額借貸并且惡意拖欠不還款的用戶名單。一方面來自于民間借貸組織、信用卡組織、小額借貸組織等提供的名單，一方面來源于本公司催收團隊提供的數據。真正做好風控，需要各家平臺共享黑名單數據，但是很多平臺不愿意共享自己的黑名單。目前領先的企業，黑名單覆蓋率也不超過30%。因為黑名單反映了企業風控的水平，影響到融資、聲譽等。另一方面，黑名單對企業來說是一筆寶貴的財富，輕易也不愿意共享。
• 灰名單：不同企業對于灰名單的態度是不同的，沒有對待黑名單那樣的一貫堅決?；颐麊斡脩舸蠖嗍钱a生多頭借貸，或者目前處于逾期但還未壞賬的過程中。用戶如果資質很好，企業就會猶豫是否給他們放款。就像前文所說，風控太嚴，會影響業務表現。

（6）前端風險攔截

每個企業需要根據本企業的用戶特征和業務情況，搭建自己的風控模型，對用戶行為、基礎信息、進行分析用戶按照要求提交全部信息，App端對用戶填寫的所有信息內容進行一次風控攔截。

• 通過手機的位置信息驗證申請人的居住地和工作地，一些平臺會進行地址攔截，如新疆、西藏等偏遠地區，一方面這些地區可供采集的數據樣本較少，無法給風控模型搭建提供訓練集；另一方面，這些地方的用戶一旦出現壞賬等情況，后期的催收成本較高。
• 通過用戶手機App安裝列表驗證用戶是否活躍在多家借貸平臺，以及用戶是否安裝了一些如克隆軟件、偽裝號軟件等。相應的，會驗證是手機內是否安裝了一些常用軟件。
• 通過運營商識別用戶是否在近幾天內高頻次更換手機卡。

（7）大數據分析

大數據分析涉及的維度較多，除該環節特有的模型搭建，也會對前面已經進行過驗證的環節進行一個綜合評分，這個環節更多是對前面幾個環節資質不夠優質的用戶進行二次評分。

• 聯系人信息：一般會要求用戶在借款過程中填寫至少2-3個聯系人，包括：父母、朋友、同事，可以通過對這些人的征信、貸款狀況進行評估，判斷該借款人的資質。
• 銀行卡信息：可以對綁定的借記卡或者是信用卡近期的消費情況進行分析。
• 電商消費信息：對平臺合作的京東、淘寶、美團等電商平臺的用戶消費行為進行分析。
• 第三方如螞蟻花唄信息：調用用戶的其余平臺上的信用狀態。
• 用戶行為信息：如用戶在社交平臺上的足跡，更多發生在深夜還是白天；是否有交通違章未補繳的罰款；根據所填寫的居住地址判斷是否拖欠物業費、房租等。

大數據分析是屬于開放式的模塊，不像前面資格認證、銀行卡認證等有嚴格的要求。這里完全依據貸款企業的實際業務以及可以獲取的數據資源，企業也可以搭建一個很有趣的數據模型。

（8）機器攔截

機器審核，更多的作用是保證用戶填寫的資料是完整無誤的，從而降低人工審核以及風控管理的成本。

• 完整：是否填寫完整。
• 無誤：填寫內容的字段、格式。
• 黑名單：用戶的手機號碼、工作單位地址、居住地址、單位電話等，是否有某些信息在黑名單庫。比如：用戶的手機號碼隸屬移動運營商，曾遭投訴被運營商加入黑名單。

（9）人工審核

通過以上環環相扣的風控過程，如果仍然不放心，可以將綜合評分較低的用戶資料，進行最后一步人工審核。人工審核的過程無非是進一步對用戶填寫的資料進行驗證，比如：撥打用戶單位電話驗證該用戶是否在該單位工作等。

（10）催收

要解釋的是，并不是在用戶逾期或者壞賬后才有催收，一些首逾把控較好的企業，在用戶應還款日前的提醒也叫催收。常規的催收有手機推送、短信、自動電話。一些自建風控團隊的企業，也會有自己的催收團隊，或者找到外部第三方催收團隊。

催收也是一個循序漸進的過程，用戶不還款，你也不能暴力催收。催收看似簡單直接，其實不亞于運營過程中的任何一個環節，要有精細化的催收策略。

根據催收的輕重緩解分為：協商談判、高頻電催、上門施壓、全面施壓、法律訴訟。

催收是個不太好聽的名詞，一些短信通道不支持發跟催收有關的字眼，一些自動電話供應商也不支持撥打催收相關的內容。目前催收成功率比較好的企業也僅僅有30%的成功率，想要做好催收，任重而道遠。

本文由 @Chris 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議