繼《從0-1，如何做好互金領(lǐng)域的運營》，《互金運營必懂的3類專業(yè)術(shù)語》?，今天結(jié)合實際分享關(guān)于金融業(yè)務(wù)中最為核心的風(fēng)控環(huán)節(jié)的內(nèi)容。

談起風(fēng)控，大家都不陌生，任何一家企業(yè)的管理過程中都會有相應(yīng)的風(fēng)控手段，減少風(fēng)險事件發(fā)生的可能性，或者在風(fēng)險不可避免時，盡可能降低造成的損失，而不僅僅受限于互金或者傳統(tǒng)金融行業(yè)。

進入到互聯(lián)網(wǎng)+金融的時代，風(fēng)控更多依賴于大數(shù)據(jù)，依賴于用戶信息。在進行風(fēng)險判斷時，兩個關(guān)鍵維度是：用戶還款能力和還款意愿。

• 判斷用戶還款能力的關(guān)聯(lián)維度有：資產(chǎn)、收入、支出、負債、信用狀況、關(guān)系人信用狀況。
• 判斷還款意愿的關(guān)聯(lián)維度有：主動還款意愿，包括受教育程度、個人品行、價值觀等；被動還款意愿，包括協(xié)議違約成本，輿論壓力等。

用戶的還款能力和還款意愿是屬于信用屬性極強的金融數(shù)據(jù)，另外還有一類屬于信用屬性較弱的用戶行為數(shù)據(jù)。金融數(shù)據(jù)一般是借助央行征信，綁定的銀行卡、信用卡所屬機構(gòu)，公安機關(guān)等能夠進行背書的機構(gòu)提供的接口數(shù)據(jù)做判斷。而信用屬性較弱的用戶行為數(shù)據(jù)怎樣有效關(guān)聯(lián)進而判斷用戶信用風(fēng)險，需要企業(yè)根據(jù)各自業(yè)務(wù)搭建數(shù)據(jù)模型。

風(fēng)控過緊，雖然可以降低后期的壞賬風(fēng)險，但相應(yīng)會降低業(yè)務(wù)總量。風(fēng)控過松，業(yè)務(wù)量會上升，但后期風(fēng)險加劇。對于風(fēng)控，絕不是前篇一律的設(shè)計方式，需要根據(jù)自身業(yè)務(wù)和市場發(fā)展需求自適應(yīng)調(diào)整。

以下可能是互金領(lǐng)域風(fēng)控模型最常采用的信息組合維度：

（1）身份信息驗證

在這里先普及一個專業(yè)術(shù)語：四要素。

用戶的四要素信息包括：姓名、身份證號碼、銀行卡號碼、手機號碼。有些平臺需要用戶的強四要素信息，即需要增加手機號驗證碼。四要素信息驗證，也就是對用戶身份做基本判斷。

系統(tǒng)通過將用戶姓名、身份證號碼與公安系統(tǒng)內(nèi)的信息做比對，對用戶身份是否合法做判斷。通過用戶提供的四要素進行銀行卡鑒權(quán)，查詢銀聯(lián)內(nèi)的該銀行卡是否有異常。

• 資格認證：調(diào)用央行征信查詢接口，查詢用戶征信是否異常。
• 活體解析：開啟前置攝像頭，按照要求進行活體驗證。（比如：常見的，對著屏幕張一張嘴、點一下頭，搖一下頭，微笑。）這個過程會將活體拍攝中的某一秒的圖片進行截圖，調(diào)用公安系統(tǒng)的API，和公安系統(tǒng)的網(wǎng)紋照片進行對比。主要是為了判斷申請者是本人。（活著的）
• 人臉比對：前文所說，將身份證照片、活體解析照片、公安網(wǎng)紋照片進行比對。

（2）銀行卡信息驗證

調(diào)用接口進行驗證，是否是要求的卡（借記卡、信用卡），系統(tǒng)是否支持該銀行卡，所屬銀行和該卡是否匹配。

• 銀行卡鑒權(quán)： 銀行卡鑒權(quán)說的直白點就是驗證持卡人姓名、身份證號、銀行卡號、銀行預(yù)留手機號這四項要素是否一致，是指驗證用戶是否擁有訪問系統(tǒng)的權(quán)利，如果用戶注冊App時使用的手機號碼和銀行卡預(yù)留手機號碼不一致，還需要進行修改。
• 存管銀行：一些P2P作為資金方的借貸產(chǎn)品，需要開通存管銀行，由銀行管理資金，平臺管理交易， 做到資金與交易的分離，使得平臺無法直接接觸資金，避免客戶資金被直接挪用。

（3）運營商認證

通過獲取設(shè)備的通訊錄信息、電話往來信息、賬單信息、流量等。

• 用戶話費充值繳納是否正常、穩(wěn)定，可能會關(guān)聯(lián)到用戶收入的判斷。如果用戶經(jīng)常性停機欠費等，可能會影響評分。
• 通訊錄中是否有過多的銀行貸款機構(gòu)以及網(wǎng)貸黑名單，過多上述聯(lián)系人，可能會被判斷為多頭借貸、借款需求旺盛有風(fēng)險。
• 電話呼入、呼出的時間、節(jié)奏是否正常，比如：經(jīng)常性零點之后外呼可能不正常。
• 用戶入網(wǎng)時長。

（4）移動設(shè)備定位

一般通過三種方式對移動設(shè)備的位置進行判斷：移動運營商基站、手機自帶GPS或者App關(guān)聯(lián)的GPS功能、WiFi。

• 用戶居住地址：如果用戶填寫的居住地址在北上廣深這些一線城市，但通過移動設(shè)備定位發(fā)現(xiàn)過去很長一段時間，該用戶都不在所填寫的地方，則該用戶可能提交的是假信息，風(fēng)險幾率較高。
• 用戶工作地點：判斷用戶還款能力高低，是決定是否放款的重要因素之一。如果用戶填寫在北京某科技企業(yè)上班，但是過去很長一段時間，都是在城鎮(zhèn)地區(qū)則是有風(fēng)險的。
• 潛在欺詐風(fēng)險：多個貸款用戶出現(xiàn)在一個地方，或者同一時間進行借貸的概率極低。如果同一地點短期內(nèi)發(fā)生大規(guī)模借貸請求，需要判斷該地點是否為詐騙團伙聚集地。比如：早期有個伙伴希望在公司內(nèi)部進行敏捷測試，判斷新版本的申請開戶成功率，以及體驗上是否有bug。這個方案被否決了，因為大家在一家公司，公司地址一致，并且如果上班期間進行測試，都處于相同的wifi環(huán)境下，可能會被判斷為惡意欺詐行為，影響測試結(jié)果的準確度。

（5）黑名單機制

不僅是黑名單，還有灰名單，白名單等。白名單很好理解，是優(yōu)質(zhì)用戶。在借貸用戶群體中，所有借貸方避之不及的就是黑名單和灰名單（區(qū)別對待）。

• 黑名單：簡單點說，多處高額借貸并且惡意拖欠不還款的用戶名單。一方面來自于民間借貸組織、信用卡組織、小額借貸組織等提供的名單，一方面來源于本公司催收團隊提供的數(shù)據(jù)。真正做好風(fēng)控，需要各家平臺共享黑名單數(shù)據(jù)，但是很多平臺不愿意共享自己的黑名單。目前領(lǐng)先的企業(yè)，黑名單覆蓋率也不超過30%。因為黑名單反映了企業(yè)風(fēng)控的水平，影響到融資、聲譽等。另一方面，黑名單對企業(yè)來說是一筆寶貴的財富，輕易也不愿意共享。
• 灰名單：不同企業(yè)對于灰名單的態(tài)度是不同的，沒有對待黑名單那樣的一貫堅決?；颐麊斡脩舸蠖嗍钱a(chǎn)生多頭借貸，或者目前處于逾期但還未壞賬的過程中。用戶如果資質(zhì)很好，企業(yè)就會猶豫是否給他們放款。就像前文所說，風(fēng)控太嚴，會影響業(yè)務(wù)表現(xiàn)。

（6）前端風(fēng)險攔截

每個企業(yè)需要根據(jù)本企業(yè)的用戶特征和業(yè)務(wù)情況，搭建自己的風(fēng)控模型，對用戶行為、基礎(chǔ)信息、進行分析用戶按照要求提交全部信息，App端對用戶填寫的所有信息內(nèi)容進行一次風(fēng)控攔截。

• 通過手機的位置信息驗證申請人的居住地和工作地，一些平臺會進行地址攔截，如新疆、西藏等偏遠地區(qū)，一方面這些地區(qū)可供采集的數(shù)據(jù)樣本較少，無法給風(fēng)控模型搭建提供訓(xùn)練集；另一方面，這些地方的用戶一旦出現(xiàn)壞賬等情況，后期的催收成本較高。
• 通過用戶手機App安裝列表驗證用戶是否活躍在多家借貸平臺，以及用戶是否安裝了一些如克隆軟件、偽裝號軟件等。相應(yīng)的，會驗證是手機內(nèi)是否安裝了一些常用軟件。
• 通過運營商識別用戶是否在近幾天內(nèi)高頻次更換手機卡。

（7）大數(shù)據(jù)分析

大數(shù)據(jù)分析涉及的維度較多，除該環(huán)節(jié)特有的模型搭建，也會對前面已經(jīng)進行過驗證的環(huán)節(jié)進行一個綜合評分，這個環(huán)節(jié)更多是對前面幾個環(huán)節(jié)資質(zhì)不夠優(yōu)質(zhì)的用戶進行二次評分。

• 聯(lián)系人信息：一般會要求用戶在借款過程中填寫至少2-3個聯(lián)系人，包括：父母、朋友、同事，可以通過對這些人的征信、貸款狀況進行評估，判斷該借款人的資質(zhì)。
• 銀行卡信息：可以對綁定的借記卡或者是信用卡近期的消費情況進行分析。
• 電商消費信息：對平臺合作的京東、淘寶、美團等電商平臺的用戶消費行為進行分析。
• 第三方如螞蟻花唄信息：調(diào)用用戶的其余平臺上的信用狀態(tài)。
• 用戶行為信息：如用戶在社交平臺上的足跡，更多發(fā)生在深夜還是白天；是否有交通違章未補繳的罰款；根據(jù)所填寫的居住地址判斷是否拖欠物業(yè)費、房租等。

大數(shù)據(jù)分析是屬于開放式的模塊，不像前面資格認證、銀行卡認證等有嚴格的要求。這里完全依據(jù)貸款企業(yè)的實際業(yè)務(wù)以及可以獲取的數(shù)據(jù)資源，企業(yè)也可以搭建一個很有趣的數(shù)據(jù)模型。

（8）機器攔截

機器審核，更多的作用是保證用戶填寫的資料是完整無誤的，從而降低人工審核以及風(fēng)控管理的成本。

• 完整：是否填寫完整。
• 無誤：填寫內(nèi)容的字段、格式。
• 黑名單：用戶的手機號碼、工作單位地址、居住地址、單位電話等，是否有某些信息在黑名單庫。比如：用戶的手機號碼隸屬移動運營商，曾遭投訴被運營商加入黑名單。

（9）人工審核

通過以上環(huán)環(huán)相扣的風(fēng)控過程，如果仍然不放心，可以將綜合評分較低的用戶資料，進行最后一步人工審核。人工審核的過程無非是進一步對用戶填寫的資料進行驗證，比如：撥打用戶單位電話驗證該用戶是否在該單位工作等。

（10）催收

要解釋的是，并不是在用戶逾期或者壞賬后才有催收，一些首逾把控較好的企業(yè)，在用戶應(yīng)還款日前的提醒也叫催收。常規(guī)的催收有手機推送、短信、自動電話。一些自建風(fēng)控團隊的企業(yè)，也會有自己的催收團隊，或者找到外部第三方催收團隊。

催收也是一個循序漸進的過程，用戶不還款，你也不能暴力催收。催收看似簡單直接，其實不亞于運營過程中的任何一個環(huán)節(jié)，要有精細化的催收策略。

根據(jù)催收的輕重緩解分為：協(xié)商談判、高頻電催、上門施壓、全面施壓、法律訴訟。

催收是個不太好聽的名詞，一些短信通道不支持發(fā)跟催收有關(guān)的字眼，一些自動電話供應(yīng)商也不支持撥打催收相關(guān)的內(nèi)容。目前催收成功率比較好的企業(yè)也僅僅有30%的成功率，想要做好催收，任重而道遠。

本文由 @Chris 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議