请选择 进入手机版 | 继续访问电脑版

站长推

1

主题

1

帖子

10

积分

新手上路

Rank: 1

积分
10
发表于 2019-7-15 09:17:58 | 显示全部楼层 |阅读模式
21、推动的银行(技—科技,数—数据),创新“310”贷款模式、用大数据和人工智能技术改变传统金融服务模式,将每笔贷款的平均运营成本降到2.3元。成立3年多,网商银行及前身阿里小贷累计为超过1170万小微客户提供经营性贷款。  不论是从企业内部管理,还是业务拓展,技数驱动深入到网商银行的方方面面,发展过程中一直都在借助技术推动业务的创新发展。业务上,充分利用大数据,实现全程数据驱动,从一开始的营销、到客户筛选、到业务执行(贷款审批、放款跟踪等),实现高效的智能化操作。实现数据驱动,部门间的打通和联合是关键,各部门的数据联合起来,才能更好的挖掘和实现数据的价值。  从客户群体看,网商银行关注于小微、“三农”,所提供金融服务的特点是小、急、短、频;从业务形态看,所有业务都是在线业务,同时因为金融业务不是一个高频业务,所以并不追求客户端的活跃度,而更关注于通过场景触达客户(外卖、网购等);从业务规划看,更关注于协作共赢,希望通过技术输出与更多金融机合作,充分发挥网商银行的技术优势和金融机构的业务、市场优势,共同更好地服务客户。  在营销创新领域,充分利用大数据、AI等技术,创新服务、精准定位目标客群,以“大促贷”的投放为例,是基于大数据、用户画像的精准营销,从产品的设计到投放都体现出了技术驱动,产品是针对于特定的时间(双11大促等),针对特定的客群和需求(卖家在大促期间备货和营销的资金需求)制定的产品,其背后是对于这一特定时间、场景下特定客群的个性化需求的准确把握。  在风险管理领域,拥有EB级的数据,可以真正实现基于大数据的自动化风险控制;区别于传统的指标式风险控制,真正构建了相对全面的风控模型,除了对于客群本身行为的关注,还会关注到行业的走势等时间维度的完全性(对于季节性商品会综合考虑到旺淡季的差异等);“310”模式背后的风控模型和风控体系。  在信息系统建设方面,成立之初就整体采用了云架构搭建业务系统,一方面,这种分布式开放的架构为产品创新及研发效率的提升提供了助力,业务系统基本达到了2周一次迭代,更快更好的响应客户需求和市场环境的变化;另一方面,作为一家纯线上银行,对于业务的持续性、稳定性和快速响应有很高的要求,云架构提供了高可用和稳定性的能力,高并发处理能力强;从开业之初的两地双活数据中心到目前的异地多活数据中心,通过分流将灾备资源充分利用起来,而不像传统架构下灾备中心平时只用于备份,不承担业务,提升了资源利用效率;企业内部管理充分利用技术工具,从系统建设到系统运维使用了几十套应用系统协助管理,有效提升了管理效率。  对于数字化,网商银行CIO唐家才的观点是:数字化为业务的发展提供助力,网商银行的目标是为小微、“三农”等过去不受重视的群体带来更多平等的机会,数字化的目标是服务这些客户——普,通过技术降低成本——惠,真正的实现普惠金融,从而逐步实现为世界带来微小和美好变化的愿景。  “310”模式的背后:风控创新  网商银行立足于服务小微企业,基于创新的微贷技术,客户可以获得7*24小时金融服务,实现3分钟申贷,1秒钟放款,全程0人工介入,即“310”模式。“310”背后是长期积累的风控技术能力,包括10万项以上的指标体系,100多个预测模型和3000多种风控策略。这些技术,一方面可以让小微企业和经营者不用担保和抵押,凭借信用就能进行贷款;另一方面,将不良率控制在1%左右。  之前受惠于“310”模式的主要是网上的卖家和中小企业,如何让新金融惠及线下数量更广的小摊小贩,一直是无法破解的难题。2017年6月,网商银行联合支付宝收钱码推出“多收多贷”,率先开始了这场没有先例的探路之旅。  开始风控专家们心里也没底,但随着不断探索,他们发现线下小微经营者用上移动支付之后,沉淀下来的部分数据维度甚至比线上电商还要丰富,再结合风控能力和创新的模型算法,为线下小微经营者提供贷款服务就有了基础。  首先,识别出真正的商家——毛线球vs蒲公英。怎样才能给真正有需要的线下小商家最合理的授信额度?首要解决的问题,是如何从海量使用收钱码的用户中识别出哪些是商家,哪些是个人。网商银行研究发现,这个问题可以通过分析人与人之间的资金关系网来解决。如果是个人,与他发生资金联系的人,互相之间多少是有联系的,他们的关系图就像一个毛线团。而如果是个人经营者,与之发生资金关系的人会更多,而且彼此之间没有什么联系,关系图像一个蒲公英。这个逻辑虽然简单,但是要对几千万户的商家在几秒钟内做出判断,对模型的精准度要求非常高,需要非常强的人工智能计算能力。  其次,要了解商家的经营状况和潜力。为线下小微经营者提供贷款服务,最重要的是评估其信用情况,但他们往往没有车、房等固定资产,也缺乏信用记录和积累,如果仅仅通过已有的交易授信,很难还原他们的经营全貌。所以,在经营预测上,网商银行会更多考虑线下小微经营者的实际情况,来预测店铺未来的经营潜力和经营风险。  比如沿街的门店在遇到修地铁、铺设管道等市政变化时,通常会影响未来几个月的经营情况,所以将店铺的地理位置与地图数据进行匹配,结合周边的市政信息、地标建筑、人流情况、买家结构、同类商家情况等,通过商圈聚类和行业识别,结合检索算法的优化处理,数十亿LBS节点快速匹配,能够在几秒钟内计算出店铺在未来6个月的经营潜力和经营风险。举个例子,同样是卖包子的两家店,口味、客群、每天的流水、老板的勤劳程度等所有的经营状况都相同,其中一家店所在的马路很快要开始修地铁了,那么这家店老板能够从网商银行贷的款,就会比另一家少。  同时,还要反欺诈防范风险——把套现苗头“扼杀”在萌芽状态。网商银行行长黄浩曾经说过,“传统的信贷风控理念往往先把人预设为坏人,但网商银行从不预设任何一个坏人,我们把每个人首先看成是好人,然后用大数据的风控技术把其中少数的‘坏人’挑出去。”  套现模式变化多样,套现是个攻防博斗的过程,套现本质上会在交易上具有短时间的集中性,因此,基于同个虚拟群体中套现黑产在交易上表现出的短时间的聚集性,网商银行通过时序交易关系网,运用LPC算法识别出了上万个套现虚拟社区、几百万套现买家,在新套现模式刚刚冒头的时候,就能实现对套现模式的覆盖和防控。  此外,对风控技术进行创新尝试。在网商银行,风控不只是后台技术,还与为小微经营者提供服务的产品更多联动起来。比如,将风控技术与产品设计相结合,在“多收多贷”的页面,商家能够看到,用支付宝二维码向有效顾客收款,顾客越多,自己能够贷款的额度越高。有的商家收一笔款就能在提额日提升50元额度,直至达到提额上限,让商家做到心中有数。  除了产品创新外,在技术应用上不断创新。传统的风险预测模型通常采用回归、决策树等算法,通过固定时间截面的数据进行预测,而忽略各种行为在发生时间上的连续性,网商银行将最新的Dynamic Structure2Vec算法应用在了多头借贷的识别上,不仅整合了静态的异构网络信息,还增加时间维度,将原来立体的算法上升到四维空间,从而把上一个时间点的状态传导到当前,是一个流式的自我学习的图深度学习工具,可以挖掘出潜在的行为模式。  在一系列风控技术的助力下,服务线下小微商家不仅成为了可能,成本也大幅降低,网商银行每笔贷款的平均运营成本仅为2.3元。截至目前,已经有超过300万线下小微经营者获得了网商银行的贷款,笔均贷款金额仅7615元,平均资金使用时长50天,6个月内贷款超过3次的经营者达到35%。  助力“码商”搭上数字化快车  2003年,中国出现了“网商”群体。由于移动支付的普及和金融科技的发展,2017年成为了“码商”崛起元年。路边的包子铺、菜市场的小摊主……这些线下的小微经营者,规模小、底子薄、缺乏信用记录和积累,一张二维码让他们零门槛开始了“数字化经营”的第一步。  27岁的肖冕在成都市开了家水果店,由于要供应附近十多家酒店的水果,常常不能及时回款,而进货又等着要用钱,他尝试过使用小贷公司的贷款,但利息太高吃不消;银行贷款周期长、手续繁琐让他感到远水救不了近火。2017年他使用支付宝的收钱码后,这个问题解决了。  水果店支付宝账户里每天流水稳定,肖冕试着用了下贷款功能,发现需要用的钱时候点下手机资金很快就到账了,不需要复杂的手续,而且贷款利息较低,“贷款10万,每天利息最多不到50元”。这解决了他的大问题。其他果农、批发商听说他用支付宝收钱、贷款“很溜”,都来请教,肖冕很乐意分享经验,“一来交易走账会更方便,二来也能维护好客户关系”。他在水果批发市场的人缘越来越好,很多批发商都愿意优先把质量最好的水果供给他。现在,肖冕再不用为资金不足发愁了。  从行业看,网商银行服务的“码商”主要以服务行业的经营者为主,其中服装店、超市便利店、烟酒杂货等零售商家占19%,餐饮、教育、美容、维修、家政等纯服务性商家达81%。  用大数据技术服务“三农”  网商银行正积极探索用互联网的手段沉淀数据,运用大数据等技术创新,逐步建立农村信用体系,消除农村信用鸿沟,降低金融服务的成本和信息不对称性。实践证明,大数据技术让普通农户、小微涉农企业等农村用户,得以享受与城市用户无差别、平等便捷的普惠金融服务。  徐州农民徐峰与国内大型农牧食品集团益客合作,供应肉鸭,存栏将近15万只,因鸭苗和饲料的采购量大,他自己的资金承担不了,期间也向银行贷过款。今年2月份,益客告诉徐锋网商银行可以为农民提供资金,扶持农户扩大经营,徐锋详细了解了贷款产品,当得知贷款可以随借随还,立即提出了贷款申请。“虽然网商银行给我的额度没有银行高,但是能够随借随还,而且利息低,每次要买多少饲料,就支用相应的额度,多余的钱不支用不会产生利息,降低了成本。我每次卖了肉鸭收回资金后,第一时间还贷款,不会造成资金浪费。”  徐锋开始贷款的3个月时间里,支用25次,最低1万元最高5.4万元,总共30万元的授信按随借随还使用,到目前为止实际资金使用已经远超30万元。  截至2018年9月底,网商银行及前身阿里小贷累计为1171万小微企业和个人经营者提供了近2.14万亿元经营性贷款。其中,服务了467.4万家农村小微企业、农村个体工商户、农村种养殖户。  除了服务线上的“网商”和线下的“码商”,网商银行还基于大数据和风控模型,打通线上线下、实现数据一体化,围绕品牌核心商家提供综合金融服务方案,帮助符合条件的上游供应商或下游经销商更快、更高额地获得信贷支持,将金融服务延伸到新零售产业链上下游的小微企业。  数据显示,今年双11,一共有343万商家从网商银行获得了2020亿元的资金支持,贷款金额较去年同期增长37.4%,网商银行累计投入3000万元补贴帮助降低商家融资成本,其中,部分产品甚至给到商家最低8.5折的利率折扣,为小微企业注入增长信心。  今年6月,网商银行在成立三周年之际推出“凡星计划”,向行业开放所有能力和技术,与金融机构共享“310”模式,希望未来三年与1000家金融机构一起,共同为3000万小微经营者提供金融服务。  当前,银行纷纷投入巨大的资源进行数字化转型,移动化、智能化、数据化在更高效地获客、活客、留客的同时,给客户带来更便捷的服务、更低廉的价格、更友好的体验。《银行家》杂志特推出《银行数字化转型》栏目,旨在聚焦业内关注话题,分享银行数字化转型实践案例,预测银行数字化转型趋势、分析衡量转型效果、探讨数字化竞争力评价等等。敬请关注业内经典案例并分享您的观点。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表