信贷类金融产品贷款流程及相关产品介绍

金融信贷领域的产品，除了理财稍微提及下，其他多为P2P信贷、小贷、消费金融、汽车金融、银行信贷等。 在贷款申请这个步骤开始前，一般逃不过营销获客、注册登录、实名认证及银行卡绑卡行为。

image.png

说完基本信贷流程，下文说说各流程的详细情况及对应风控产品。

营销推广

一是通过识别用户借贷意愿进行精准营销，二是反欺诈方面，防止薅羊毛、广告作弊等欺诈行为。

对应产品：

1.作弊设备识别：通过设备指纹技术，可以获取操作设备的多重属性，从而分析该设备参与营销活动的频率、关联账号等情况，有效识别作弊设备。
2.代理IP分析：通过代理检测技术，可以及时发现通过使用代理技术隐藏真实IP地址的行为，准确识别当前用户是否使用代理访问网站，再结合机构本身的风控模型及用户信息，有效识别作弊用户。
3.欺诈用户行为：通过存量历史欺诈用户数据建模分析，准确分析用户行为特征，有效识别欺诈作弊用户。
4.精准营销： 重点在于用户基数及标签维度是否丰富，这样有利于细分行业定位客群；获客引流的方式是将定位好的用户数据通过选择好的渠道媒介触达用户，一般有短信、电呼、网络定制广告、移动广告等方式。但由于政策原因导致短信及电呼业务紧缩，效果原因+成本原因短信和电呼在做精准营销的性价比逐渐减弱。

注册时的账户安全

主要防控点也是在反欺诈方面，该阶段可能出现的风险如下：

• 账户盗用（登录）-用户因为中网络木马钓鱼导致账户密码泄露，进而导致账户的资金损失及企业形象受损。

• 暴力破解：网络欺诈分子会通过机器对账户密码进行暴力破解，进一步获得账户登录权限，导致用户资金损失和企业品牌受损。

• 拖库撞库：网络欺诈分子利用互联网中大量泄露的用户名密码进行尝试，如果平台资金账户密码不幸在泄露库中，那么可能会导致用户信息及资金蒙受损失。

• 漏洞利用：网络黑客可能会在登录环节尝试利用SQL注入等WEB漏洞进行尝试，如果网站系统存在WEB漏洞，则可能导致账户库信息泄露等严重后果。

• 垃圾注册：新平台上线之初，常常进行拉新优惠活动。而现网络上有一群“羊毛党”通过注册机和虚假手机号码等方式绕过平台验证，批量套取优惠，给平台造成不必要的资金损失。

实名认证环节

进行借贷同行业身份核验。在反欺诈识别过程中，无风险用户来到身份核验环节，这里可以通过身份证号、手机号、姓名等信息确认身份。
1.身份证号认证：公民身份信息，既身份证号码及姓名，另加有条纹返照，这个查询接口一般来自于公安一所、三所及公安认证中心，现在在市面上要找到实时口真不容易，多是存量接口。原因就是这些公安部门一般不会外放，也没正式的代理政策。
2.本人申请校验：主要通过OCR+活体检测来完成。OCR的目的主要是获得身份证上可信照片，活体检测是获得你现场照片，然后通过对比可信照片和现场照片，来判断操作的是不是本人。可信照片除了可通过活体检测获得，也可以通过调用公安网网纹照，但是成本较高。
3.运营商验证：运营商三要素校验，通过提供姓名、身份证号、手机号，核验姓名身份证号与该手机号开户时实名登记的姓名身份证号是否一致，来判断是否为本人的手机号。这个校验互金产品使用得比较少。

绑卡环节

银行卡验证：银行卡验证根据不同行业需求及产品设计，一般分为银行卡2要素（姓名、银行卡号）、3要素（姓名、银行卡号、手机号）、4要素（姓名、身份证号、银行卡号、手机号）及银行卡6要素（一般指贷记卡，姓名、身份证号、银行卡号、手机号、有效期及CVN2码），现在慢慢开始普及的还有银行卡3类账户识别验证。接口主要来源与各大银行总分支行，比较全的也就是各地银联，但多部分知名度较高的都是些第三方支付渠道。银行卡校验时，也是要实名认证校验的。所以不少互金类产品在产品设计时，直接通过该环节来做实名校验，节省姓名+身份证校验的费用。

贷前审批授信

贷前流程介绍

1.授权信息获取：针对身份核验通过的用户，进行有感知或无感知的必要信息获取，为后续模型评分准备好数据。无感知获取的包括多头借贷数据、消费金融画像数据、手机号状态和时长数据等；有感知（需要用户提供相关账户密码）获取的数据有：运营商报告、社保公积金、职业信息、学历信息、央行征信等。
2.用户过滤：在获得用户提交信息、系统抓取信息、第三方数据后，基于这些数据跑各类风控规则，过滤掉不满足规则的用户。
风控规则主要包括进件规则、反欺诈规则、严拒规则、可变规则、评分规则等。

image

• 进件规则，主要作用是用来定义信贷产品的目标客群。比如信用卡代偿，只针对有信用卡客群；3C分期，只针对购买3C产品的人群；助农贷只针对农民兄弟等。
• 反欺诈规则，主要用来过滤掉欺诈人群。如，判断为身份被冒用，拒绝；判断为多头借贷严重，拒绝；判断为资料造假，拒绝；判断在行业欺诈黑名单中，拒绝，等等。
• 严拒规则，通常是指那些信贷机构完全不能容忍或防止合规性风险的规则。比如不针对18岁以下的未成年人放贷，不针对在校学生放贷，不针非消费用途的申请放贷等。
• 可变规则，这类规则不是yes或no，是弹性区间，可松可紧，是风控规则中调整比较频繁的一类。比如用户逾期10天后还款，针对下次借款是通过还是拒绝？比如用户在另外2个平台有贷款，平台能容忍多大的多头借贷？比如用户手机入网时长等，控制在多久等等。
• 评分规则，是多个规则的集合，通过给多个规则分配不同的权重，来进行综合性评估。评分规则是更为复杂的规则，通常结合评分卡模型来开展。

3.用户信用评估：通过过滤规则的客户，进入信用评估及授信环节，这个环节通常会有个打分的环节，也就是信用分，也称个人综合信用评分，是指通过使用科学严谨的分析方法，综合考察影响个人及其家庭的内在和外在的主客观环境，并对其履行各种经济承诺的能力进行全面的判断和评估。

4.授信核额：在信用评估后，根据用户信用评估信息，进行风险定价，包括给额度、定费率、定期限。

贷前相关产品

1.贷前反欺诈：反欺诈主要针对2方面：

• 申请人是否为本人。申请人身份核实作为反欺诈的第一道防线，是对信贷申请者的信息做确认，主要为了核实申请人信息-人证是否一致。
• 申请人是否有欺诈意图。在确认申请人为本人后，核查申请人是否有欺诈意图，主要通过结合金融机构信息及百融规则，如黑灰名单、多次申请、申请信息关联、设备反欺诈等来实现。

整个反欺诈流程大致如下：

image.png
2.信用分：信用分是反欺诈分的一个正向评分，需要的数据包括客户申请、用户偏好、稳定性、用户关系、用户行为、人行征信及用户价值等，通过一定的数据处理和算法模型，形成信用评估模型得出信用分，用于得出申请人信贷额度。
image.png
3.舆情风险监控平台：舆情风险监控，主要运用的是爬虫技术、文本挖掘及自然语言分析，爬取的是各类与风控规则相关能大概率体现用户行为的公开类数据。例如在一些涉黑论坛、地下黑产、内部风险及羊毛党等地方，充斥了大量风险热议话题。爬取这类信息，可以及时知道相对较新的行业风险漏洞信息、薅羊毛方式、黑产工具及最新使用技术等内容，相关机构可以根据这些信息事后进行相关规则优化、查修补漏洞等，降低风险损失。舆情数据多用于平台风险预警、发现漏洞纰漏及放控意见。客户主要TO B。
4.授信额度模型：授信额度模型，一般分基础授信额度模型及补充授信额度模型，基础授信额度一般涉及数据只有简单的非授权可获取的用户负债或收入数据，补充授信额度模型涉及的多是需要授权的社保、公积金、房产、车辆、学历、婚姻状况等。

• 基础授信额度模型
  授信额度为产品平均授信额度，只需要知道用户的基本信用资质及还款能力符合即可。属于最低原则授信。

  
  image.png

• 补充额度授信模型
  属于客户对于一个信贷产品需要更高授信额度时的申请，需要提供额外信息进行增信，机构判断是否给予更高额度，并给出额度建议。考虑的维度，除了最基本的信用和还款能力外，增加资产证明、财力证明、长期稳定且优质的收入来源等。

  
  image.png

5.信用评分卡：构建信用评分卡模型，可以精准评估借款人还款能力和还款意愿。信用评分卡包括：

• 申请者评级：个人客户申请融资类业务时提交的数据进行评级，（A卡）

• 行为评级：个人客户的历史行为数据进行评级，对客户可能出现的逾期、延期等行为进行预测（B卡）

• 催收评级：对业务中存量客户是否需要催收的预测（C卡）

• 欺诈评级：业务中新客户可能存在的欺诈行为的预测（F卡）
  6.客户分层模型：基于特定客群在多家金融机构信贷违约数据样本，开发信用风险模型；

贷中

贷中流程介绍

贷中管理是从贷款发放之日起指贷款本息收回之时止的贷款管理。
贷中风控主要做的是监控和风险预警，强调已贷用户的资金使用用途是否正常，资质是否有变化，收入情况是否稳定等各种会影响客服后期正常还款的各种行为变化。
贷中监控属于借贷环节最不引人瞩目的环节，有“重贷轻管”的情况。除少部分掌握用户出行数据、支付数据、实时信用数据的机构可以做得到，大部分信贷机构都无法做贷中监控，只能与这些少部分机构合作，但监控成本就自然上升。

如果说贷前的风控做的好不好决定了企业是否能够存活，贷中的管理决策则决定企业的可持续性发展。

贷中监控主要针对这2个维度一般体现在还款行为、诉讼信息、特殊名单变化、多次申请记录变化、联系状态变更等维度，一般监控的维度有发生变更给的，需要及时发现并做风险预警。

这些维度变化反应了客户的还款能力及还款意愿。

贷中相关产品：

1.行为评分：利用贷款客户的历史数据和行为特征等制定贷中行为评分模型，对客户划分风险等级，实行不同的贷中风险管控措施；
2.客户号码状态核查：判断贷中存量客户号码状态，给出相应的状态标签，及时发现风险；
3.异常行为预警：多头借贷行为监控、还款能足指标异常预警及还款意愿交叉识别。

贷后

贷后介绍

贷后包括客户正常还款的复贷邀请及催收两部分。
复贷邀请主要通过历史行为找出按时还款的客户，并主动询问是否需要复贷。
催收，主要针对有逾期行为征兆或已经发生逾期行为的客户，进行催收联系，一般有催收行为的用户都容易失联，因此需要进行失联修复，通过数据交叉匹配手段修复用户实名下的其他联系方式，然后是进行催收方案计划，制定自动回收策略、逾期损失模型及催收渠道选择。为了提高效率，可设置智能客服进行前期催收，后期针对逾期严重的可以选择委外催收。

贷后相关产品：

1.失联修复：贷后需要催收时，联系不到目标用户，可以失联修复，获取更多的触达方式，触达用户提高催收成功率。
2.逾期客户画像：用于清晰催收对象情况。多维度画像数据，精确勾勒逾期客户还款能力与意愿的相关情况并精准量化。
3.催收评分：按分评估对象催收难易度。融合了委案金额、账龄、地域等多维度信息的建模评分系统，兼顾逾期客户的还款能力及意愿，对债务人的还款可能性进行综合评估。通过贷后行为评分模型准确地预测的还款概率，根据还款可能性对客户进行分层，辅助贷后策略；
4.分单策略：不同能力催收员负责不同难易程度的催收对象。根据催收评分，结合系统总催收人员的业务能力指标来制定分单策略，以对案件进行合理化分配，提升催收效果。
5.轮循拨号：友好自动拨号，打到你接。对于高频、简单的催收案件，采用试触式轮循拨打，减少人工操作，缩短拨打间隔，有效提升催收效率。
6.正常还款提醒：对于即将到期的还款，一般会通过短信、电话多次进行还款提醒。比如，提前5天、2天、1天、0天进行短信提醒，提前2天、1天、0天进行电话提醒。这是很普通但又非常有效的还款策略。同时，还款一般支持第三方代扣，比如，用户授权的第三方支付平台会在还款日从指定银行卡中划扣本息，避免用户忘记还款。
7.重新评估授信：不管是正常还款、逾期还款，还是逾期未还款，一个周期结束后，需要重新给用户进行信用评估，并重新给出信审额度和利率，方便用户进行复贷或列入黑名单。
8.老客户激活：针对信誉良好的用户进行激活营销，提高复贷率。

参考文章：
《百家风控公司揭秘系列5｜“网红”同盾科技公司及产品调研报告》
《百家风控公司揭秘系列6｜百融金服公司及产品调研报告》
《消费金融大数据风控业务解析》
《“现金贷”产品经理，也需懂点风控知识》
《同盾交易解决反欺诈方案PPT》