导读：在传统金融风控标准无法满足汽车金融日益增长的市场需求的今天，大数据风控的出现为我国进一步做大汽车金融市场提供了机会。如何做好风控，才是汽车金融人吃饭的看家本领。

文/徐诚

随着我们汽车保有量和汽车金融渗透率的不断提升，汽车金融这块大蛋糕正吸引着越来越多玩家的加入。但在目前，以客户央行征信判定还款能力的传统金融风控模式已经不能满足新时代的需求。而随着大数据时代的到来，越来越多的数据获取渠道和数据分析方式为汽车金融业务提供了新的风控手段。借助于大数据系统，汽车金融行业能够不间断地监控客户过去的信用表现及多维度评估客户资质，从而扩大客户的选择范围，并结合贷后GPS类风控，确保汽车贷款的资产质量。日前，SG-Auto采访了中瑞金服董事长孙立东，请他解读大数据风控在汽车金融行业的应用以及中瑞金服在这方面的实践。

SG-Auto: 怎么看待风控在汽车金融领域的重要性？

孙立东：从三个方面解读风控在汽车金融领域的重要性:

首先风控是汽车金融的核心运营能力之一，可以说没有风控就没有汽车金融的发展。风控能力水平决定了汽车金融业务的分层逻辑。汽车金融人该感谢风险的存在，风险是个好东西，有了风险，风控才是金融人吃饭的看家本领。

为什么说风险是个好东西呢，如果每个贷款买车的车主都没有还款风险，都一定会还钱，那么做金融风控的人就都失业了。为什么说风控是金融人吃饭的看家本领，所有控制不住的风险都会转化成公司的财务成本，吃掉你的利润，利润被吃到一定程度，公司就垮了。

其次是我们要主动拥抱风险、选择风险。

每个行业都会有细分，餐饮行业从大酒店时代到川菜、鲁菜的菜系时代，再到特色菜店名细分时代。金融行业也一样，有做AA优质客户超低利率的，也有做A-，B+这类风险递增利率递增的细分客户群的，这个风险包含欺诈风险，也包含将来劣化的风险。

为什么要拥抱风险、选择风险呢？机构选择牌照类型和业务模式时，就要明确你的目标客户是谁，A-,B+的客户群比例是多少，你的风险容忍度是多少？将来的不良率希望控制到多少？资本充足率和资金成本是多少？资金杠杆是多少？这些问题是要机构在展业之初就主动选择的风险分级市场的切入点。

比方说，很多融资租赁机构的核心目标客户就是A-、B-、B+的客户。这些客户代表的是很多民营企业员工、自由职业者，进城务工人员，大中专毕业生等等，这些人占了汽车销售按揭目标人群80%以上。

所以金融机构要设计对应的产品，去满足这类目标客户，比如说市场上常见的一证贷，只需要提供身份证即可贷款，明知道目标客户没有多余存款，没有资产，流水一般，只是大学刚毕业，信用还不错。这就是我们所说的，学生群体虽然从传统金融5C风控原则角度来讲是要被淘汰的，但风险敞口是固定的，风险还是可控的。

而风控的两个核心环节就是贷前的审查风控和贷后的回收风控。

贷前审查风控更像是一张网，金融机构要编织一张网或者叠加两张网将不想要的风险挡在网外面。

贷后风控更像是一个漏斗，在每个环节，不管是电催、访催、法务、保全，哪个环节做得不好，又或者是效率偏低、内部流程比较冗余导致出现较高的出错率，都会降低贷后的漏斗回收率。

第三是贷后风控水平的提高可以对冲放宽贷前风控条件带来的风险，有效提升渗透率。

金融公司依据既往的客户审贷经验，在维持原资产质量水平的基础上，通过贷后回收率的提升，对冲了提高贷前审查的通过率带来的潜在风险，换句话来讲就是金融公司为扩大进件量，提高渗透率而扩大客户选择范围，这样势必提高不良风险客户比例和数量，在采取GPS类风控服务的前提下有效对冲风险的机制，从而提升了前端信贷市场进件量和渠道市场竞争力。

SG-Auto: 大数据会给汽车金融领域带来怎样的变革和影响？

孙立东：这个问题有两个点可以探讨。

现在大数据比较火，但还是要给大数据泼泼冷水。大家近几年提起大数据的态度和十几年前提起互联网的态度一样，十多年来互联网是循序渐进对行业产生重要影响的，所以大数据转化为金融行业红利也需要时间和条件。

第一个条件是企业的信息化水平或者叫企业的信息化程度。如果你的企业信息化程度只有30%，只有你的核心业务系统实现信息化，你的财务、人力资源、内部核算、销售管理都没有实现信息化，那么大数据红利对企业的影响就不会大幅度超过30%。

第二点，大数据的本质就是经验复用，如何总结提炼过去的经验并指导未来的决策，这里面的条件是你能不能把过去的经验去掉偏见整理成模型，就像AlphaGo导入的围棋规则，这是核心业务的BI（Business Intelligence），然后还要再把这个BI应用到未来业务决策中。

这对于已经进入细分竞争的汽车金融人而言是一个大的挑战，每家的目标客户群不一样，就意味着每家的提炼规则偏好也不一样，行业全面信息化和BI提炼如果有第三方的方案和技术提供商开发通用的组件和自定义，模块化，可以提高这个过程的效率，降低自主开发的成本，这也是我们中瑞金服选择的行业定位。

SG-Auto: 贵司在风控和大数据方面做了哪些工作，又有哪些业务优势？

孙立东：中瑞金服在这个领域做了三个方面的基础工作。

第一个基础工作是建立了独立贷后评分卡体系，数据来自于车联网终端，基于车主在放款后三个月以内的用车行为数据。这三个月是金融机构在贷后风险管控的关键时间段，70%到80%的风险产生在这个阶段。我们基于超过200万车主大数据的还款行为和驾驶行为之间的关联关系提炼了一个M0-M3的贷后评分卡体系。

这个贷后评分卡体系可以把金融机构最高风险的前三个月的还款期，通过评分卡的风险评级和机构贷后的措施策略相匹配，促使整个贷后回收率达到比较理想的水平，从传统的20%左右提升到60%以上。

第二个基础工作是我们的贷后策略分拣机器人，把机构贷后工作牵涉的7到9个内外部工作流，自动地进行循环、分拣和决策，从而提升贷后内部的管理决策效率。通过大数据看，贷后每延迟7天，回收率大约会降低10%。

贷后机器人还有一个定位，是提高贷后团队人均回收产值，这个人均产值就是通过一连串的贷后策略动作回收资产的人均值。贷后机器人的价值，是大数据经验决策，流程自动化。这和物流行业通过分拣机器人提高人效的做法差不多。

第三个基础工作是我们开发的贷后平台，解决的是机构贷后业务的合规、撮合、脱敏、可视化等问题。目前贷后的市场大量存在中小外包公司无序展业的风险，一方面这些公司自身业务的规模限制和内部效率比较低；另一方面他们的发票取得和开具、结算、委单、脱敏处于较大的行业灰色区域。我们搭建的这个平台，有效地把金融机构内部工作流和委单之后在中小外包公司内部的工作流衔接起来，实现业务撮合和行业脱敏，满足监管机构的合规要求，也让整个贷后的回收过程变得像快递一样透明高效。