当前位置:首页 » 媒体报道 » 消费金融说得都很美,但是风险几多你造吗?

消费金融说得都很美,但是风险几多你造吗?

发布于:2016-11-29 12:32 来源:财经汉子姐

“双十一”刚过,

除了买买买之外,

今年的双十一也是消费金融的战场。

相信宝宝身边肯定有这样的人

满嘴跑火车一到真枪真刀的环节

就怂了,怂了

但有的人嘴上说不出来却

脚踏实地的干活

这让汉子姐想到了如今的消费金融

如火如荼的表象背后

到底有哪些公司是第一类人呢?

都在强调大数据风控、模型、征信巴拉巴拉

但你的资源在哪里,

你的数据在哪里,

你的分析能力又在哪里?

等大潮退却后

又会有谁在裸泳呢?




欺诈风险和多头授信问题让人头疼!

消费金融到底有多火?广东省金融消费权益保护联合会副秘书长冼宇航表示,到今年上半年,全国从事互联网消费金融的机构超过100家,预测到2017年互联网金融消费市场将增加到2万亿,到2018年则增加到3.8万亿。


盈灿集团董事长兼总裁网贷之家创始人徐红伟对汉子姐表示,目前消费信贷市场需求大于供给,因此行业中出现了套现,甚至是高利差等现象。他表示,有的现金贷算上手续费等综合年化借贷成本可以高达50%甚至更多。


而在网络中,也充斥着大量的信用贷款“中介”。汉子姐发现,这些借贷中介多以地域建借贷QQ群,一般是北京贷款群、深圳贷款群等,有不少还在QQ群公告贴出条件,比如三个月社保、保单记录、车证房证、营业执照等。


汉子姐在网上随意找到一家普通消费金融平台,以贷款人的身份填写了姓名和电话、有无车房等信息后,几秒钟就接到了借贷经理的电话。


他询问汉子姐是工薪族还是做生意后,又问到公司是国企或私企?机智的汉子姐在并未告诉其真正的身份的情况下,该借贷经理表示,“国企可以做到30多万元,但是私企顶多15万元。”接下来只要带着身份证去公司面签即可放款。


他还表示,还可以从网络中申请该公司的一两万小额借贷可以随时放款。他表示,如果是工薪族利息为6.5%到8.5%之间,如果是做生意的则需要上浮一定比例。



还有其他的中介表示,提供身份证和父母电话号码的话,首单最高可以借3万元,月息二分,借的时候要先付半个月的利息,本金任何时候还都可以。


即使你是贷款黑户(即有不良征信记录),也还可以从中介处成功借钱。有位中介就表示,如果是黑户,只需要身份证就能借50万元,但到手只有25万元,十天内就能到账。


“大部分坏账率,来自内部人员的造假”,曾经在某消费金融公司工作过的小新称,该公司当时就专门给蓝领人群放贷,包括他在内很多员工认为只是在“放高利贷”。因此,他们帮着用户资料造假,共同分贷款获得的钱,“员工完全没有忠诚度”。“大部分公司,根本就没有风控,对于他们来说,就是急速将用户量做起来,用于下一轮融资讲故事”,小新表示。



征信孤岛难题短时间难破解

不仅仅是欺诈风险和多头授信问题,在目前的国内征信环境下,要想做好消费金融的风控可谓是难上加难。央行公布的征信数据显示,我国征信系统中只有3亿多人有信贷数据,5亿人只有简单的身份信息,另有5亿多人不在央行征信系统内。


团贷网新闻中心总监李先全表示,消费金融公司的目标客户群主要集中于中低阶层消费群体,这类群体主要是以年轻人为主,比如刚参加工作不久的上班族,以及收入不高的群体等。“真正需要消费金融服务的这类用户群体,恰恰在央行征信系统中又缺乏个人信贷记录,由此带来的征信难度便可想而知。”


虽然2015年初,央行要求芝麻信用管理有限公司、腾讯征信有限公司等8家机构做好个人征信业务的准备工作,但是8家机构各自为营,数据来源及模型各异,也难从根本上解决征信孤岛的难题。


融之家CEO张建梁对汉子姐表示,征信最核心的就是黑名单数据,“大部分黑名单都是我们交的学费,很多机构不太愿意分享黑名单,因为黑名单是自己发放资金之后产生的一笔学费,能不能把这份黑名单共享,这是目前要做的事情。”


此外,他还表示,目前很多消费金融公司为了防范风险,都会与一些独立的第三方风控和数据公司合作,比如百融金服、诚安聚立、ZRobot等,“但是它们能否独立承担风险,这是很重要的一点。”



如何破局?

1,需从产品设计做起


我来贷中国区总经理陈俊仁表示,欺诈风险是放贷业者一直以来关注的重点。目前,行业中运用大数据技术获取的社交圈信息、多维度的定位交叉、人脸识别、问答印证等技术手段,是防范欺诈申请的有效方法。


“消费金融的风控不是孤立风控,是典型的全民风控。风控不依靠于一个简单的模型,而来源于整个产品的设计。”PPmoney万惠副总裁兼消费金融事业部总经理康德胜表示,从产品的宏观设计上来说,每个细节都凸显出目标客户群体的特点,根据客户提供的资料、身份和购车动机,产品设计上是能够有效阻止套现的出现。


大数据风控、数据模型的建立,以及产品设计上面的诸多细节,都能体现出整体的反欺诈能力和水平。




2,形成行业共享机制


“现在整个行业竞争还在混战期,”徐红伟表示,目前行业内的大公司,如拍拍贷、宜信等没动力与小公司共享信息。“这些公司掌握的黑名单就是核心竞争力,为了维护相对竞争优势,现在难以形成行业共享机制。”


他认为,目前行业公司的数据库还没达到征信级别,还都在粗暴地搜集或者搭建体系阶段,但是等行业发展到一定阶段,会形成行业共享机制。


陈俊仁也表示,目前正处于征信数据纷乱的阶段,征信机构各自拥有自己的特色领域提供不同的判断,虽然大家从更多视角来提供个人信用评判,但是可能形成判断的较大差异,这对任何一个个人信用都会造成混淆和困扰。


“从使用者的角度来看,能够有效地整合这些数据,成为一套有效、具公正力的征信评价,才是我们需要的。或许经过一段时间的运作,这些机构或会优胜劣汰、或会合意整并、或会联合服务。”



如何运用大数据判别授信情况?

很多消费金融公司都会对外宣传自己可靠的风控体系,都会给自己的风控体系堂而皇之的冠以好听的名号,但究竟这些数据如何抓取、数据来源又有哪些、根据什么算法来判断风险等却鲜有宣传。那么,到底如何运用数据的变化来判断信贷风险呢?


读秒CEO周静举例表示,以他们公司为例,接入了40多个数据源,设置了500多个维度、100多个变量。


“举例来说,用户填写的‘收入水平’为变量A,‘工作地点’为变量B,申请时IP地址的‘所处区域’为变量C。”她表示,从A+B的维度来看,倘若用户填写的A月收入有数万元,B却显示在某个偏远山区的修车厂工作,我们或许应该怀疑用户隐瞒收入。


她表示,若从B+C的维度来看,倘若B变量显示用户工作地点在北京,C却显示申请时IP地址在云南,或者频繁更换IP地址去申请,我们或许应该考虑金融欺诈的风险。若结合A+B+C的维度来看,若B变量显示客户在北京国贸工作,A变量显示月入10000元,IP地址、申请地点都在北京,通过三个变量数据的交叉验证,可以初步推断申请人是常住北京的中等收入白领。


周静表示,“数据的使用决定了风控水平的高低,大数据风控的意义也在此体现。倘若再在以上,增加更多变量,用更多维度去看数据的重叠和交叉,更加能验证出数据的可靠性。”


注:本站上发表的所有内容,均为原作者的观点,不代表本网站的立场,也不代表我们的价值判断。