大数据征信和风控

更多详情

大数据征信和风控

利用大数据征信和风控技术,构建线上,线下或结合线上线下的C端信用贷(市民贷,农户贷,信用卡等)和B端信贷服务(经营贷,商圈贷,发票贷等场景信贷产品服务)。实现即时放款,低风险,提高单客收益率,降低坏账率,同时降低服务成本,提高客户体验。

 

(一).  线上风控

风控能力是银行数字化转型的核心,运用人脸识别、设备指纹、生物探针、GPS定位等技术与手段识别客户,实现在大数据、云计算、人工智能等金融科技的支撑下逐渐演化成智能化的风控决策模式。决策方式上,从“因果性决策”转变为“相关性决策”,即通过把“好用户”“坏用户”各类行为特征都录入到大数据智能风控系统,进行相关性分析得出具有普适性的结论,新的用户进来之后,和这样的结论进行比对,来判断其违约的概率。这样的决策方式,看重的是用户的行为数据。决策模型上,从“专家经验决策”转变为“智能模型决策”,利用GBDT、随机森林等机器学习模型进行智能决策,提高决策的准确性与高效性。

系统解决方案案例如下:

 

(二).  构建自主风控体系

建立信贷自主风控防范体系,包括贷前的信用准入、初始额度、风险定价,贷中的账户管理如风险预警、调额、重新定价、冻结等决策,贷后的催收回款。

 

  • 申请反欺诈

基于对目标客群的定位和风险偏好,依据流量方提供的信息及我行已有信息对客户进行预筛选。在一定程度上预先排除不合规和高风险的申请,有助于降低违约率、有效规避信贷风险,降低审批成本。

 

  • 贷前管理

贷前审批包括准入(授信审批、支用审批)、额度及定价策略。通过准入策略判断,将给出通过/拒绝的决策建议结果,在此基础上,同时给出该笔申请的信贷额度建议和风险定价建议。

 

  • 贷中预警

通过关注用户还款意愿和用户还款能力的变化趋势,对贷款本身、借款人、担保等因素进行跟踪检查分析,及时发现贷款存在的问题并采取相应的管理措施,以达到防范、控制和化解贷款风险,提高信贷资产质量的目的。

 

  • 催收

针对已逾期的账户,确定先催收哪个账户,何时催收以及具体采取何种催收方式。

 

  • 风险监控

7*24小时、全流程实时监控贷前、贷中、贷后数据表现和监控风控模型表现,提炼风险预警标签,对策略的执行效果通过监控报表进行分析和监控,为模型及策略的迭代积累数据。

 

依据银行现有行内数据、第三方数据、贷后检查数据、征信数据、互联网行为等数据,构建申请评分模型、申请欺诈模型、初始额度及风险定价策略、行为评分等模型,从而创建策略使不同客户在不同时期使用不同的模型,根据用户的风控表现结果,通过数据分析,持续管理和优化风控模型和风控策略,进行风险防范、弥补漏洞、降低不良率。

 

方案案例

1)个人在线信用贷解决方案

 

2)线上自动化授信审批系统

3)完善的贷中贷后服务

所有文章
×