金融科技滲透P2P業務鏈條：獲客、風控、催收

金融科技 P2P網貸 · 發表 2018-10-02 10:56:25

摘要：根據金融穩定理事會（FSB）定義，金融科技是指技術帶來的創新。技術手段包括“A”（人工智慧，Artificial Intelligence）“B”（區塊鏈，Blockchain）“C”（雲端計算，Cloud Computing）“D”（大資料，Big Data）。得益於科技水平提升，...

根據金融穩定理事會（FSB）定義，金融科技是指技術帶來的創新。技術手段包括“A”（人工智慧，Artificial Intelligence）“B”（區塊鏈，Blockchain）“C”（雲端計算，Cloud Computing）“D”（大資料，Big Data）。得益於科技水平提升，金融服務的效率和質量不斷提升。而技術創新在金融領域場景的應用，主要包括業務發展和風險管理。

目前，金融科技公司與金融機構的合作不斷加強，並向縱深化發展。近兩年，傳統金融機構與金融科技公司合作動作頻頻，主要通過服務提供與購買，或鞏固合作伙伴關係方式，打通合作雙方在使用者獲取、產品迭代、智慧風控及流程優化等業務渠道。

與傳統金融機構紛紛成立金融科技實驗室不同的是， P2P網貸領域的應用主要從業務層面著手，滲透到獲客、風控及催收環節，實現P2P網貸平臺運營優化，比如大資料精準獲客帶來成本下降及效率提升，大資料風控帶來風控質量改進，智慧催收帶來貸後管理新模式。

科技技術手段在P2P網貸行業運用已涉及多個環節，主要體現在：

1. 大資料精準獲客

P2P網貸平臺獲客方式從無固定正規化，對於資金實力雄厚的平臺，創意中插、彈幕壓屏都為平臺賺來了不少流量，但付出的代價是高昂的成本，另外也面臨營銷媒介熱度過後如何保持流量穩定增長、如何提高轉化率的挑戰。同樣，擴圍借款端實現優質資產增長，也屬於金融科技在獲客領域的應用。金融科技根據海量資料獲客，精準觸達使用者；而且業務增長帶來的系統邊際成本遞減。

金融科技在精準獲客的運用模式中關鍵步驟主要包括：

（1）多維資料採集

金融科技獲取使用者資訊源非常廣泛，包括運營商、銀行、公共事業、電商、社交及出行服務等各方面資料。其中，最為重要的是運營商資料，也是P2P網貸平臺在獲客中最為青睞的資料來源。使用者的通話記錄和簡訊記錄是相對低頻、高效的資料，根據這些資料可以初步構建使用者畫像，比如使用者與4S店的通話記錄可以預判使用者是否具有購車需求，而不同品牌4S店也反映出使用者的財力差異；根據使用者與保險公司的通話或簡訊往來，識別使用者險種需求及理賠情況，進而判斷使用者的保障層次需求等。

實際業務中，平臺也可以做到對使用者資料的保護，防止侵犯使用者隱私。資料採集中，平臺並不直接提提取使用者初始資料，而是基於平臺建模、與運營商等的合作關係，平臺向運營商輸入平臺搭建好了的資料分析模型，由資料運營商根據平臺的資料填寫規則輸入使用者初始資料，形成使用者資料標籤及打分，由運營商向平臺輸出模型預測結果，而初始資料僅保留在運營商等層面。

（2）構建使用者畫像

為使用者打標籤是形成使用者畫像的核心工作。首先需要將描述使用者資訊的非結構化資料標準化，形成結構化資料。不同P2P網貸平臺根據自身業務模式，定製適用自身平臺的使用者標籤，比如體量大的平臺定義的“高淨值”使用者門檻可能更高，有購車、購房記錄的使用者可能更容易成為抵質押業務平臺的目標使用者等。

（3）精準獲客觸發

通過使用者標籤分層，可獲得P2P網貸平臺目標使用者人群；另外，使用者資料實時更新中，使用者標籤也隨之變動，當用戶資料觸及目標使用者條件時，使用者也將由非目標人群演化成潛在使用者。配合其他標籤資料，可實現對使用者的精準營銷。

2. 智慧風控

目前科技技術手段在P2P網貸行業應用相對普遍的是在風控環節。各項技術在風控環節的應用深度及側重有所不同，但存在一些交叉。

（1）大資料風控

大資料技術除了運用在精準獲客外，在智慧風控的前期階段可進行有效的欺詐識別，打破資訊不對稱。機制原理基本可以概括為，通過蒐集多維資料、對多維資料交叉比對，識別借款人是否為惡意借款人；對於初步通過資訊交叉驗證的借款人進行信用評分，評分依據可以參考借款使用者的其他經濟行為資料，比如賬單資料、電商交易記錄等。

（2）人工智慧

人工智慧在大資料基礎上，解決風控模型優化難題。目前人工智慧和大資料結合是風控的核心技術，基本原理是通過深度學習和資料探勘，實現模型構建和訓練、效能監控與自迭代，進而實現資料降維，提高風險把控的規律和準確性。比如，通過知識圖譜、自然語言處理、機器學習等人工智慧技術，利用關係網路發現不同借款人是否存在關聯，識別異常的團伙欺詐；通過對借款人多方資料交叉比對，識別偽造虛假資訊，防範專業欺詐。

在P2P網貸行業風險集中爆發的背景下，及時有效預警惡意借款人對降低借款人違約風險具有重要意義。而無監督機器學習，基於觀察到的交易特徵和案例資料，發現借款人變數異常；即使是未形成借款人標籤的情況下，也可對登入和交易場景運用無監督機器學習，識別行為異常的欺詐借款人。

（3）區塊鏈

區塊鏈技術在資產端的應用相對較為突出，其完全透明的資料管理體系提供了可信任的資料溯源途徑。比如利用智慧合約，對借款合同進行跟蹤，防止借貸合同被篡改；而票據業務潛藏人工操作風險，區塊鏈技術同樣可實現背書資訊追蹤，防範票據多次流轉背書不同步、一票多賣等問題。

目前金融科技在智慧風控的應用，已經形成資料多源蒐集、資料結構化處理、建模、反欺詐識別、信用評分、額度管理、貸後管理等業務流程閉環，根據授信定價模型授予不同的額度及借款利率，根據不同的借貸效果對風控體系的模組、引數、評分標準等進行驗證及修復，不斷提高風控精準度及模型的有效性。

3. 催收

目前，金融科技已經極大地優化了催收流程，提高了催收工作效率，降低了人工成本。首先，金融科技可以首先批量外呼，提高了通話接通率；其次，基於語音識別，金融科技可識別不同型別的逾期借款人，並提供差異性的解決方案。對於遺忘型借款人，金融科技可以識別出借款人是因為錯過了還款日期造成的逾期，此時金融科技可以給出一定的免罰息還款日，提醒借款人儘快還款；對於資金流緊張的借款人，金融科技可識別出借款人的還款意願強、但還款能力出現偏差，進而提供分期還款解決方案，這兩類的逾期情況均可通過類似智慧催收機器人的技術完成催收。而對於惡意逾期借款人，金融科技可以根據情緒識別技術等判斷這部分借款人還款意願較差，會轉接人工催收客服進行深度催收，比如申請法務介入等。而根據不同逾期處理型別，金融科技也會進行統計分析並形成相應的統計報告，以完善資訊統計，並督促後續借款方案調整。由此看，金融科技實現了催收的人工佔用大幅下降，提高了催收效率。

總體而言，多數平臺的科技技術運用合作層次尚有待加深，目前也存在一定問題。比如由於信用體制不健全，精準獲客環節還無法全面獲取使用者的歷史信用記錄及資料，僅能依靠使用者其他行為資料進行交叉驗證，對驗證使用者行為習慣連續性帶來了不便；區塊鏈技術的應用不足也導致平臺較難核實借款人是否涉及多頭借貸；而智慧催收也多發生在借款人已有違約事實後。如何發揮各項技術在借貸全流程的交叉應用，精準預警借款人違約是各大平臺面臨的重大考驗。

同時，金融科技作為基礎設施，本身具有一定的發展潛力：

一是，金融科技解決了企業發展效率低、創新不足等多處痛點，未來將會發展為機構競爭的核心競爭力。並且，金融科技基於雲端計算技術，打破了業務發展的地理限制，未來服務物件將覆蓋三四線或更多偏遠地區的企業。同時，金融科技實現了金融和技術的融合，各型別銀行、支付機構及互金平臺都會納入金融科技技術服務物件的範疇。隨著長尾客戶也可享受金融科技服務，金融科技將真正實現普惠金融。

二是，金融業務鏈條的打通會刺激各個環節技術水平優化，進而引發金融科技更傾向追求科技水準的進步。而金融科技服務物件擴圍，並優化了銀行及其他平臺的貸後管理，降低服務成本，可以緩解企業融資難、融資貴難題。所以金融科技除了促進技術創新外，也引導金融科技迴歸服務實體經濟軌道。

三是，P2P網貸業務投資、借款、還款等操作均發生在線上，資料相對線下較易獲取。資料的持續豐富無疑利好P2P網貸行業技術水準大幅提升。而P2P網貸行業員工是年輕化群體，也有利於技術快速習得及創新。同樣，對於其他行業，隨著各行業資訊交叉度提升，資料規模將以驚人的速度增長，而這有利於金融科技閉環系統的高效優化。

目前P2P網貸平臺合規檢查正在有條不紊開展，平臺備案後，能激發差異化競爭優勢的平臺應該是可以提供更高效率、更高服務質量的平臺。無疑，金融科技將是拉開平臺差距的核心要素。雖然目前金融科技也僅是在風控環節小試牛刀，但金融科技探索從未停止，未來金融科技將持續深入滲透到獲客、催收等全鏈條業務環節。隨著越來越多的P2P網貸平臺提高科技水平，相信未來，P2P網貸行業將大力推動普惠金融發展。