完成:一所大学
为响应监管要求，不少金融科技机构都在寻求为商业银行赋能，但如何顺利开展助贷业务一直是行业难题。在某学院的课堂上，导师和学生开始分享讨论如何提高助贷能力。
以下是节选。
做贷款援助业务需要哪些能力？
在讨论如何助贷之前，首先要想一想为什么能助贷。
近年来，金融机构拥有丰富的债务资金，但在扩大资产规模方面遇到了一些挑战。尤其是城商行和农商行，因为缺乏客户优势，可以通过与金融科技企业合作，增加获客渠道。对于消费者来说，直接向金融机构申请贷款难度大，申请时间长。贷款机构可以为消费者提供更多的产品选择，缩短申请时间，帮助客户快速获得贷款。
围绕金融机构的这一需求，作为金融科技企业，需要具备哪些能力来为银行赋能？
第一，获客能力。通过各种渠道快速有效的获取目标客户是最重要的。
有效获客是指获得性价比合理、符合银行风险偏好的客户。
金融科技公司转型助贷，最大的痛点是如何获取符合银行风险偏好的客户。
金融科技公司应该思考如何利用自己的线上获客能力来拓展客户，为银行赋能。
第二，风险控制能力。利用外部征信数据和PBOC征信数据，结合自身业务积累，为出资方提供基于大数据的风控能力，帮助其积累剔除资金的数据，筛选优质资产。
从监管合规的角度看，银行不能将风控能力外包，但贷款机构在向银行放贷时必须提高风控能力，确保推送的客户风险符合金融机构的风险偏好，被金融机构拒绝的概率低，客户体验好，成本得到有效控制。
第三，运营和客服。贷款机构与金融机构合作，有时负责运营、客服、催收等外包工作。整个过程强调合规性和有效性。
第四，技术能力。一些较小的金融机构缺乏资源来开发业务系统和决策引擎等技术。在赋能合作中，如果你有这些能力的输出，那就是锦上添花。
最后，AI赋能。人工智能的应用可以大大提高工作效率。作为金融科技机构，与金融机构合作，AI能力的输出也是加分项。
这五项是贷款机构全方位的能力输出，可以根据金融机构的需求定制方案。
如何提高这些能力？
第一，获取客户的能力
在刚才提到的所有能力中，最重要的是获客能力。大多数金融科技公司都不会自带流量。面对不断上涨的流量成本，他们该怎么办？有专门分享互联网客户的老师，我就分享一下如何拓展包括医疗、教育、住房、旅游等线下客户，尤其是2B2C的模式。
举一个与华航空合作的例子，分析如何开展合作。合作主要分为四个步骤:
第一，消费阶段。客户可以在Hang 空 Company的平台上购买机票，可以分期制作机票。因为买机票要做身份验证，欺诈风险比较低，合作可行性最高，所以消费分期是合作的第一步。
第二，现金分期。买机票只是特定场景，限制了资产的扩张，而现金分期就不一样了。客户可以在任何其他场景下使用现金支付消费。
因此，通过消费分期向现金分期的转变，客户可以在其他场景下灵活使用信用贷款，真正促进整体消费。
第三，供应链金融。供应链的金融风险较低，符合金融机构的风险偏好，而杭空公司有自己的供应链，因此有机会开展相关业务。
第四，联名卡。现在国内各行业企业都想做大做全，这样才能把客户留在自己的生态圈里。但随着竞争的加剧，企业首先要做好主业。满足客户的金融需求，可以和其他金融机构合作做联名信用卡，让金融机构把握好风险控制，既给客户提供了更好的金融服务，也提升了客户对品牌的忠诚度。
联名卡可以结合业务针对不同的产品进行设计，比如消费积分、返利等，扩展性好。航空公司空公司里程卡在国外是成功的。比如美联航和大通合作，通过优惠价格不透明的产品来吸引顾客。
以往大部分银行主要通过网点获取线下客户，线上客户和创新场景布局较弱。因此，金融科技企业与银行合作助贷，最重要的是帮助资金方全面布局线上线下消费场景，获取多元资产。
第二，风险控制能力
第一，大数据风险控制
贷款机构会收集一些非银行的信用信息，如身份特征、信用记录、人脉关系、还款能力和交易行为等。数据建模中心将提取和挖掘数据特征，开发ABC记分卡，然后将这些分数部署到风控决策引擎，进行反欺诈和全流程监控。
需要注意的是，这类数据不同于银行信贷数据，一般被称为弱金融数据。客户在淘宝上买衣服，和他的贷款逾期概率没有直接关系，但是如果提取特征，比如购买时间、商品价格区间、购买频率等。，可能与客户的逾期风险有关。还有信用卡消费数据，客户是周末刷卡还是工作日刷卡，刷卡金额，是否有大量小额交易等。，这些都和风险有关。通过对大量弱财务数据进行特征挖掘，最终开发的模型效果良好。
要做好数据驱动的风险控制，首先要做好数据准备，数据有以下两部分:
第一部分，梳理底层数据，保留并梳理客户的所有数据。这些数据包括互联网数据、运营商数据、用户行为数据等等，这样在发现新的特性之后，就可以从留存的数据中进行挖掘和分析。值得注意的是，用户数据的保护越来越重要。
第二部分，数据特征的计算，就是通过关系图引擎、时间序列分析等工具，从客户的弱财务数据中提取一些特征，然后用logistic回归、Xgboost、神经网络等做模型。，将提取的特征放入模型中进行计算，最后通过其他规则输出到决策引擎。
这是从数据采集到最终输出客户信用评分的全过程，然后我们就可以根据评分来判断客户的风险等级，实现风险定价。
第二，反欺诈
目前互金平台面临大量中介黑市攻击。知识图谱等技术再好的反欺诈系统，也很难完全防御黑市产品的快速进化。因此，更重要的是每天监控和了解最新的欺诈趋势。
很多线下中介黑产总是在关注线上平台的风控，有些黑产配有建模师，可能并不比金木平台的风控团队少。他们通过关注每个平台，分析平台的准入条件，比如:需要什么信用评分，是否需要淘宝信息，哪些是风控的原材料。通过不断的尝试，他们会对线下买的一套身份证、手机号、银行卡等资料进行分析，看能在哪个平台上获得贷款。
因此，无论平台使用多么深入和前沿的技术，都必须有实时的反欺诈措施，包括区域监控、IP地址监控、手机设备监控等。，并对一些欺诈案例进行调查，发现欺诈攻击的趋势，及时堵塞漏洞。
因此，反欺诈模型不同于风控模型。信用模型相对稳定，迭代周期长，但反欺诈强调时效性和对一线黑产的了解和防御。
第三，贷中和贷后的管理优势
贷款机构凭借自身的科技能力，可以在贷中和贷后为资金方提供高效合规的管理服务。贷内管理涉及客户行为模式分析、交易策略、额度策略、调价策略和风险预警策略，贷后管理涉及分案策略、电催策略和外包策略，直接影响客户体验和最终风险损失。
贷中和贷后管理的工具有很多。我们常用B卡和C卡。b卡是行为评分，对应客户还是“好人”，没有逾期；卡C为催收分，对应客户已逾期至少一天。B卡的作用是帮助我们评估客户的风险，然后采取行动防止逾期。C卡的主要功能是评估逾期客户的风险。根据客户的风险等级，采取不同的催收方式，不同的用词，不同的催收行为。
另外，一般制作B卡和C卡时，往往是基于内部数据，这也是数据成本的考虑，但B卡和C卡持续使用外部数据是很重要的。比如有两个之前没有逾期的逾期客户，在内部平台上表现的差不多。但是如果我们通过外部数据知道他们的牛的信息，一个牛是五头，一个牛是十几头，那么对于这两个客户采取的催收策略是不一样的。所以在制作这两个记分卡的时候，建议采用外部数据源，内外数据都要重视。
第四，AI赋能
AI应用于去话系统、语音分析、风控系统，可以大大提高效率。
比如智能语音质检。现在对催收的监管非常严格，对于人工客服的催收和语音质量检查非常重要。对于一个大平台来说，要完成100%的全人工质检几乎是不可能的。如果一天有7500个声音，平均时长10分钟，每个质检员一天可以处理150个声音，需要50个专科医生做全面的质检。如果用智能语音分析来做质检，专员只需要15个人来抽查AI标注的可能有问题的语音，这样人力成本就降低了70%。这是第一点，降低人力成本。
其次，人的主观性强，受外界因素干扰大，导致质检质量不一致，甚至可能忽略一些关键问题。而智能语音质检就不存在这个问题，一开始可能不如人工质检准确，但最终其整体质量会超过人工。
想学习更多实战案例和干货，与行业大咖导师和精英学员现场交流，请关注学院每月一期的培训课程。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。
原文地址"助贷业务员怎么做好，助贷环节"：http://www.guoyinggangguan.com/xedk/151471.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
