本文作者是倒计时公司首席执行官周静。近20年跨国银行风险管理经验，全面负责个人和中小企业金融产品设计和风险控制；曾在Capital One工作8年，担任产品、营销、风控高级经理。2006年回国，在渣打银行工作了9年。他创立了渣打银行零售风险管理团队，并担任渣打中国零售银行首席风险官，管理超过50亿美元的信贷资产。2014年底，加入PINTEC集团，创办Countdown。极客公园已获授权转载。
近年来，智能信贷正在成为科技和金融领域的先锋。
信贷服务是人们最普遍的金融需求之一。而传统的银行信贷审批流程繁琐耗时，民间借贷利率高，渠道复杂甚至不正规。普通人能享受到的信贷服务的便利性、质量和效率都不高。与此同时，中国的电子商务、O2O和移动交互的普及程度甚至超过了美国，很多人已经习惯了用数字化的方式(比如手机)来处理生活中的一切需求。纯数字智能信贷逐渐走向成熟。
智能信贷是指纯线上、全自动、智能化的信贷模式。与传统信贷不同的是，智慧信贷的所有流程都在线上完成，从风控、授信到贷后管理都由系统自动完成。除了模型的调整，人工不会干扰信贷过程。智能信贷具有速度快、简单、边际成本递减、适应线上线下场景等优势。
2014年底，消费金融市场开始崭露头角，智能信贷的机会来了。此时，大数据驱动的消费金融正在成为热点。蚂蚁花店、JD.COM白条、腾讯微贷等互联网巨头也纷纷打造自己的数字消费金融业务，智能信贷热潮在中国愈演愈烈。智慧信贷的背后，一定是数字化管理和精细化运营的支撑。
大数据风控的数据“细”而不“大”
中国信贷行业有两个神话。一是中国缺乏信用数据。我对美国和中国的征信和风险控制有很深的了解。相比美国，中国的信用数据并不匮乏，来源也很多。关键是怎么用。可以说，智慧信贷的壁垒不是数据量，而是如何准确、科学地使用数据。
银行、电商、运营商、社交媒体等收集的数据。已经能够很好的覆盖中国消费者，并且能够显示大部分人的信用状况，获取起来并不困难。倒计时连接的30多个数据源，大部分都是公开的。我们从中提取100个主要变量，进行交叉验证，形成500多个主要维度进行建模分析。数据的用途决定了风控的水平，大数据风控的意义也体现在这里。
比如用户填写的“收入水平”是变量A，“工作地点”是变量B，申请时IP地址的“所在地”是变量c，从A+B的角度来看，如果用户填写的是月收入几万元，但B显示的是在偏远山区的一家修车厂工作，我们可能会怀疑用户隐瞒了收入。从B+C的角度来看，如果B变量显示用户工作地点在北京，但C显示申请时IP地址在云南，或者频繁更改IP地址申请，或许就要考虑金融诈骗的风险了。如果我们看A+B+C这个维度，如果变量B显示客户在北京国贸上班，变量A显示月收入10000元，IP地址和申请地点都在北京，那么通过对三个变量的数据交叉验证，可以初步推断申请人是居住在北京的中等收入白领。
另外，用户在申请时的行为也是一个数据维度，可以很好的识别财务欺诈。倒计时长期运营数据，开始统计一些规律。比如凌晨3点左右申请贷款的用户，信用风险更高——很多诈骗分子对智能信贷不熟悉，误以为凌晨没有信贷员审批，可能是防御突破不力；此外，在申请倒计时现金贷时，多次修改信息的用户可能存在信息欺诈——因为普通人通常不会频繁记错自己的私人信息。这些独特的用户行为数据也能在一定程度上识别风险和反映用户信用。
中国市场的另一个神话是对“大数据”和“社交数据”的迷信。比如严重依赖数据在巨系统中的权重，或者创建“朋友圈影响力”、“职业偏好”、“模拟人脑”等特殊维度，并以此为主要风控模型。我有十几年处理风控的经验。在我看来，智慧信贷的风控更多的是将传统信贷的风控流程数字化、智能化，不改变传统风控的基本规则。传统风控需要考虑的借款人收益、风险、还款意愿等一系列指标仍然是核心数据。上述做法可能从某个方面反映了信用水平，但不能以偏概全。
如何选择变量？怎么结合？如何衡量？个人评分结果在用户信用评分中的权重是多少？什么会触发欺诈模式？这些都需要技术和财务团队的不断打磨和优化，而优秀的数据运用能让数据最大程度的说话，能充分展现用户的信用，做出信贷决策。
智慧信贷的制胜之道在于精细化运营。
金融界流行一个笑话“最好的风险控制就是一分钱都不借给任何人”。
风险控制固然重要，但这种孤立的风险观在商业上是无法自立的。智能信贷不仅仅是风险控制的一个方面。智慧信贷是一整套系统，风控只是其中的一部分。只有在客户挖掘、风险定价、贷后用户行为预测、催收、再融资策略等方面精细化运营，才能在商业上取胜。
在“获客”阶段，也就是信贷业务的起点，倒计时会基于用户画像锁定众多客户中最有价值的用户。在筛选有效用户时，也会在一定程度上保证客户转化率和用户产生的价值。
定义用户后，“定价”环节也需要精细化运营，不同信用等级的用户需要差异化定价。大致来说，借款人可以按照“风险等级”和“借款频率”分为四个象限。(如下图)显然，低风险高频率的用户是理想客户，但高风险高频率和低风险低频率的申请人，如果收益能覆盖损失，也能带来不错的收益。倒计时可以通过不断的测试找到最佳的用户分层方式，权衡得失，进行差异化定价。这样的客户甚至可以带来更大的商机。
从“风险等级”和“借贷频率”进行用户分层
贷后环节也是重要的一环。倒计时会通过对不同用户和信用状况的监测和评估，将用户的逾期风险从高到低排序。当客户逾期时，系统已经预测了催收成本和收益，算出了应该使用的催收方式和频率，从而优化催收资源的配置。在再融资策略上，会对现有客户的还款行为、重复消费等行为数据进行分析，有针对性地对优质客户进行不同产品的交叉营销，深度挖掘优质客户的价值，精准运营。
智慧信贷利用大数据的精细化运营，给予用户全流程管理，提升服务质量和效率。整个过程就是智慧信贷的商业成功点。(如下图所示)
精细化操作流程图
开放系统的智能信贷更容易成功。
有一种普遍的误解，认为“巨人会赢”。诚然，巨头在生态、规模、数据上有其优势，但拥有这些优势也带来一些制约。
首先是风险控制模型上的先天不足。生态中的大数据风控往往依赖于具体的场景，比如化妆品电商的数据、旅游数据、房地产商的数据等。不同场景下的模型并不具有普适性。如果将综合电商的数据用于医疗信贷的风险控制，模型的适用性就会成为问题。
其次，是合作的问题。互联网巨头与小公司合作，小公司往往成为子公司；巨头之间的强强联合往往很难涉及核心业务。金融本质上是风险的操作，而且这个行业比较特殊，很少有少数企业垄断市场的情况。当没有足够的合作时，系统中的闭环只是金融市场中的一个小圈子。生态闭环一旦形成，就会堵住大部分市场。
金融是看重边际效应的行业，互联网看重规模效应。相比互联网巨头的体系和生态闭环，开放体系的智能信贷业务会取得更大的成功。
拥有开放系统的公司，其技术系统具有很高的灵活性，可以很容易地嵌入到不同的消费场景中。嵌入可以是全流程的完整服务，也可以是获客、风控、资金、贷后等不同环节的核心技术。目前，倒计时已经与安盛集团、康得乐、乐视商城、携程、去哪儿等重量级公司达成合作，得到了市场的广泛认可。这种合作可以让倒计时更加专注和专业。而这个不依赖单一产业圈，适应性强的开放体系，也可以容纳更多的合作，携手各行各业做大做强。
智能信贷最终将由专业公司主导。
在美国，fintech领域的知名公司都是以金融科技为主的高科技公司。智能信贷行业需要强大的技术壁垒和专业性，也需要用实践来打磨，而这些素质往往是专业公司才能达到的。
中国的消费金融还处于起步阶段，很多追求“大而全”的公司都愿意自己创业，半路切入消费金融市场。但是，财务的复杂性和专业性使得它很难成为任何一家公司的副业。传统行业的公司，最后可能还是会把线下服务作为最佳选择。做电商起家的公司，可能也会把“交易”作为重中之重，很难长期专注于金融和金融科技。如果跟风的话，或许能走一段路，但最终会因为金融和技术的高门槛而被拒之门外。
第二次工业革命引入标准化车间时，人们不再需要从头到尾完成整个流程，有了自己的分工，大大提高了工作效率。随着时代的发展，这样的分工正在走向更精细的领域。未来行业正朝着越来越精细化的方向发展，高科技环节也将模块化。专业的公司会做专业的事情，让每一个操作都最有效率。
兔兔狗华子改创意
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"读秒贷款是哪个公司的，读秒贷款倒闭了吗"：http://www.guoyinggangguan.com/xedk/216155.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
