【www.iaige.com--科技新闻】
近年来，随着消费金融的崛起和金融科技的发展，中国的银行业“马太效应”日益突显：处于头部的大型银行积极拥抱金融科技、转型零售金融，不良率持续下降，业绩不断增长；而那些技术实力单薄的中小银行则面临转型困难、客户流失、利润率下降、不良率飙升、资本充足率下降等一系列问题。
“我们也想转型零售金融，也想拥抱金融科技，但是缺乏智能风控经验和样本数据，有些客户在外面借了不上征信的贷款，我们无法查证”，钟伟是某农商行支行行长，他在谈到转型面临困境时表示。
据钟伟介绍，作为地区小型银行，该行的客群主要是“知根知底”的熟人客户，这几年互联网金融的崛起，带来的直接冲击就是用户大量流失，客群老化严重，而在开拓线上用户时，又面临内部大数据风控能力不足的窘境。“对接外部数据需要总行从上自下的政策支持，作为乡镇支行的行长，我能做的非常有限。”
近年来，随着消费金融的崛起和金融科技的发展，中国的银行业“马太效应”日益突显：处于头部的大型银行积极拥抱金融科技、转型零售金融，不良率持续下降，业绩不断增长；而那些技术实力单薄的中小银行则面临转型困难、客户流失、利润率下降、不良率飙升、资本充足率下降等一系列问题。
“我们也想转型零售金融，也想拥抱金融科技，但是缺乏智能风控经验和样本数据，有些客户在外面借了不上征信的贷款，我们无法查证”，钟伟是某农商行支行行长，他在谈到转型面临困境时表示。
据钟伟介绍，作为地区小型银行，该行的客群主要是“知根知底”的熟人客户，这几年互联网金融的崛起，带来的直接冲击就是用户大量流失，客群老化严重，而在开拓线上用户时，又面临内部大数据风控能力不足的窘境。“对接外部数据需要总行从上自下的政策支持，作为乡镇支行的行长，我能做的非常有限。”
这是当前小型农商行及城商行中最具代表性的例子之一，而大型商业银行及股份制银行在开拓零售金融市场也面临着风险评估的问题。在信贷基础设施不够完善的条件下，如何对客户进行风险识别？从对公业务转型零售业务，传统的风控方式如何革新？
在全球新一轮科技革命和产业变革大潮中,金融和科技的融合势不可挡，金融科技正在以迅猛的势头重塑金融产业的服务方式及风控流程。旗下专业“一站式”风控服务平台“天机风控”，通过输出大数据风控能力，正在助力传统银行布局数字金融、智能金融，拓展服务的边界。
中小银行的风控革新之痛
事实上，在开拓零售市场中，数据不足、传统风控遭遇瓶颈是行业普遍面临的困境。一直以来，传统风控模式多采用线下渠道，以资产、现金流、职业属性等为风控考察核心。然而，随着技术的发展、同业竞争的加剧以及消费金融群体普惠程度的加深，传统风控表现出较大的局限性：
一是客户群体局限性较大。学生及蓝领消费者这两大消费群体被排除在外，总量在4亿左右的信用“白户”无法有效获取到相应的消费金融服务。
二是成本较高。传统风控需要逐一审查贷款人的基本信息、资产、收入、现金流等信息，审核成本较高。同时，大量使用线下审核人员，也面临着体系管理复杂、员工专业技术水平存在差异、道德风险控制难度较大等问题，实际上风控体系的综合成本更高。
三是效率低下。传统风控模式牢牢的把握了还款能力的判断，也通过面签等形式控制了欺诈风险，但是便捷程度较低。而目前互联网消费金融业务的特点体现为客群下沉，交易频繁、实时性强、数据量大，因此风险行为也呈现出小额、高频的特点，传统风控手段很难应对高并发的风险事件出现。
四是信息维度单一。资产、现金流、职业属性仅能证明客户收入情况，对客户在不同互联网场景中的行为信息了解甚少。而当前消费金融业务中的欺诈行为和其他场景的结合日益紧密，呈现出“跨界”的特点，这些风险利用传统的风控技术很难有效识别并加以防范。
“得零售者，得天下、得未来”，现已成为行业内的共识。数据显示，从2013年至2016年，互联网消费金融交易规模实现70倍爆发式增长。与国际领先银行同类数据相比，中国零售银行业务发展的空间巨大。据麦肯锡预计，中国零售银行业将迎来下一个辉煌的十年，到2020年，行业总收入将达到1.5万亿元，成为仅次于美国的世界第二大零售银行市场。
“不做零售业务，我们将来没饭吃”，钟伟说。零售业务由于具有风险分散、利润稳定、逆周期性强的特点，成为银行业转型布局的重点。他强调，越来越多的银行意识到，传统风控技术的缺陷牵制了零售金融业务的进一步发展，但由于自身经营范围和人才、管理形式等制约，一些城商行、农商行要想走出现有困境，在零售金融领域分得一勺羹，智能金融是唯一的出路，与金融股科技公司合作，提高大数据风控能力是最佳路径。
天机为传统风控补足短板
在大数据智能风控时代，数据和算法是核心竞争力。智能风控模型需要通过大量的数据“喂养”“训练”才能变聪明，风险评估才会越来越准确。
就银行来说，虽然通过多年积累拥有大量用户的存贷、收入和信用等记录，但如果一个人从来没有在银行产生过借贷行为，那么银行就无法进行风控风险评估，这正是传统风控技术最大的缺陷，因此需要辅助以第三方智能风控技术。
通常来说，金融机构的风控“原料”除了来自央行征信和自身构建的信用评分，还包括一些第三方渠道，例如电商、电信、小贷征信数据平台、公安等等。但这其中存在一个问题，就是这些“原料”很难统一征集和标准化处理。风险评估维度单一或不足，往往影响整体风控水平。例如支付数据只是用户花钱信息，花钱并不能代表以后能够还钱，所以仅仅支付数据并不能很好的预测用户的偿还能力、偿还意愿。
作为旗下大数据风控服务平台，天机风控有着行业领先的优势：一是自有平台积累了过亿实名注册信贷用户，跨客群保持90%以上覆盖率，底层特征超过1.7万维，包含运营商、黑名单、多头借贷等十多个模块，可多维度刻画客户金融画像；二是团队汇聚了120位金融科技、数据专家，有着丰富的互金风控经验和前沿的机器学习能力。
基于团队丰富的反欺诈经验，辅以全行业用户画像的深度挖掘和全风控流程的把控能力，天机利用大数据和人工智能技术，补充传统风控在新需求下的不足，已为银行、消费金融公司和网络小额贷款公司等不同类型的600余家金融机构提供了服务，帮助这些金融机构将服务下沉，覆盖更多的大众人群，包括年轻白领、个体户、自由职业者、蓝领工人等在内的个人消费者。
天机风控和金融机构合作，主要有三种类型，一是多个产品合作；二是联合建模，产品包括互联网行为报告、位置稳定性报告、消费能力报告、互联网行为反欺诈报告、社交反欺诈报告、偿还能力报告等；三是提供贷前、贷中、贷后的全流程“一站式”解决方案，包括精准营销、大数据分析、反欺诈、联合建模及贷后风险管理策略服务。
今年上半年，某城商行在向线上小额贷款转型中遇到了缺乏风控经验和样本数据等障碍，天机风控为其设计了一套完整的风控决策引擎，包括获客阶段的精准筛选、制定准入规则，进件阶段的活体识别和风控阶段的实名认证，反欺诈规则和贷前评分卡，放款阶段的电子合同，放款后的贷中监控和贷后的催告机器人和智能催收模型，并协助该城商行在一个月内实现部署上线。
上线后，该城商行通过天机风控模型，每天进件3W以上，贷款用户审批通过率提高至27%，30+坏账损失降低至1%，风控模型采用30万表现样本训练，经过严格的跨时间和跨样本验证，底层涵盖十多个模块两百多维特征，ks（模型区分好坏用户的能力，正常模型ks值在25%左右）超过45%，超出行业均值。
“开放、融合”已成为传统银行智能转型的关键词，未来大数据风控系统将是在线信贷的基础设施。天机风控希望做行业的“水”和“电”，通过将智能模型和服务输出给放贷机构，帮助金融机构抢滩百万亿级的零售金融市场。
上一篇：[维度]【维度】欠贷维权催生黑产：起诉平台一套399 附赠人肉暴力催收员
下一篇：[那些网赌欠了网贷高利贷没存款没工作没亲情的人该怎么办]那些网赌欠了网贷高利贷，没存款、没工作、没亲情的人该怎么办？