天创信用CRO张宇：借鉴美国数据驱动理念，实现中国消费金融弯道超车
在互联网信息发达的时代，智能手机的普及、大数据的产生与机器学习的应用，仅仅是提供了更多的数据渠道，加快了模型迭代的速度与产生多维的用户画像，但金融的本质即“不同主体之间通过价格发现来实现跨时空的价值交换”并没有改变。
作者 | 张宇
官网 | www.datayuan.cn
微信公众号ID | datayuancn
本文为数据猿推出的“金融科技价值—数据驱动金融商业裂变”大型主题策划活动（查看详情）第一部分的文章/案例/产品征集部分；感谢 天创信用CRO兼易宝集团副总裁张宇 先生的投稿
作为整体活动的第二部分，2017年10月19日，数据猿还将在北京举办千人规模的“2017金融科技价值——数据驱动金融商业裂变”峰会（点击文末“阅读原文”查看峰会详情）并将在现场举行文章、案例、产品的颁奖典礼
美国的消费信贷业务大概开始于上个世纪60、70年代，其中Capital One（Capital One Financial Corp，美国第一资本银行）于90年代起家。该公司依靠纯线上、数据化的模式，在风险极高的次级市场拓展信用卡业务，仅仅在30年内就从一家地方银行的信用卡部发展成美国前五大信用卡发卡行，其崛起的奥秘就在于数据驱动战略。
早在1988年，Rich Fairbank在创立Capital One时就认识到了数据的重要性，坚信金融机构的竞争力是对信息的收集与处理能力。前瞻性的战略令数据思维渗透进了公司日常工作的方方面面，包括产品、客服、风控、企业文化、内部沟通等，该战略帮助其渡过了2007年金融危机，并助力其成功崛起。他山之石，可以攻玉，国内如火如荼的消费金融业务可积极借鉴并吸取美国发展历程中的成功经验实现弯道超车。
我于2001年加入Capital One，先后参与、设计和实现了该公司的三代核心信用审批模型，首次将复杂机器学习模型运用于信用决策，并在业界率先建立了精准价值评估系统。2015年回国后，看到国内蓬勃发展的消费金融热潮，大量的机构和专家纷纷基于不同的理念和模式进行探索和尝试，呈现百家争鸣的繁荣景象，但金融科技化的发展是手段和技术更新，其本质逻辑仍然不变。
在互联网信息发达的时代，智能手机的普及、大数据的产生与机器学习的应用，仅仅是提供了更多的数据渠道，加快了模型迭代的速度与产生多维的用户画像，但金融的本质即“不同主体之间通过价格发现来实现跨时空的价值交换”并没有改变。因此需要透过现象看本质，开展业务时秉承着消费金融每个环节的根本，从风险、成本、收益等基础角度去思考。在我将近二十年的从业经验中，切实体会到基于数据驱动的消费金融业务管理必须遵守以下“五大原则”：
第一是：风险收益平衡原则
消费信贷的目标不应只是减低坏账，而应该是在利润最大化的前提下尽力避免损失或坏账风险。利润最大化是比减少损失更合理的业务目标。 具体来说由于不同产品内在的风险/收益差异非常大。例如，在2000年代中期信贷危机之前的美国，主要信用产品的损失率就有很大的差异：信用卡在3.5％-6.5％之间，房贷在0.2％-0.4％（20至40个基点）之间；同时，信用卡的收益率远高于房贷。
借记卡是唯一一个低风险/高收益的产品，由于不涉及借款，借记卡有非常低的风险水平，同时，由于较高的使用率，借记卡有较高的盈利水平。
零售商/百货商店的自有品牌信用卡和大额无抵押贷款是低利润/高风险产品。尽管以上规律经验是否长期成立，有待于时间的考验，但设计的产品对业务的风险和收益有显著影响。因此金融机构可根据市场情况及自身优势来决策是进入高风险高收益的市场，还是应该满足于传统的低风险市场。也有些保守金融机构试图避免所有坏账，他们不关注业务量和潜在利润的损失，只关注避免所有坏账损失。但从长期来说业务量和潜在利润的损失影响非常重大。
第二是：未雨绸缪的业务规划原则
良好的规划对业务管理至关重要。规划首先应明确公司是处于扩张业务、管控业务还是精简业务的总体战略，然后对公司内外部的资源和竞争优势进行分析，最后设计出符合公司预期的产品。
产品设计包括确定产品的形态、对产品进行定价，如何吸引好客户并规避坏客户、以及为实现利润目标而设置的信贷流程等。重点应确定如何赚取利润，并制定详细的落地执行方案及风险规避措施。
获客和账户管理时的良好规划是避免催收和核销中问题的关键。但工作人员缺乏培训等运营的问题往往是破坏业务成长的罪魁祸首。此外，不是每个业务人员都了解灾备规划，但灾备规划确实是开展金融业务的关键项目之一。
第三是：通过概率进行管理原则
由于消费信贷业务的特点是业务量大，单笔均额较小，应用统计模型等技术手段对风险概率进行预测和管理是最恰当的方法，最常用的是信用评分技术。评分系统可以为小额贷款产品提供低成本、一致且准确的审批方式和控制损失的方法，而不是试图杜绝坏账。
评分系统的建设步骤主要有模型设计、数据准备、模型开发和模型实施四部分，每步的详细内容如下图所示。使用评分系统虽然有客观、一致、准确和高效的优点，但评分系统的建设和维护需要较长的周期，而且通过概率无法预测特定个体的表现。
第四是：通过指标体系管理原则
设计、开发并使用可以准确报告当前业务实际现状和预测业务发展趋势的业务管理指标体系是管控消费信贷业务的关键。建设管理信息系统的一个小窍门是尽量展示简炼的数据，给决策层提供汇总的重要信息，而不是冗长的细节数据。
其次是将大量细节管理信息（也称为“数据”）中的关键数据用可视化的图表展现出来，决策层便可一目了然地判断评分系统运行是否有效，且可迅速获取关键信息对业务的发展趋势进行预测，并对问题进行迅速定位。
掌握信息后更重要的是必须做出决策且采取行动。2007年爆发的全球经济危机就是由于之前美国的房价急剧上涨，房价指数报告（近100年主要市场的房价增长率与通货膨胀的匹配性进行分析的报告）足以证明房价已脱离正常规律而盲目上涨。但当时各级管理层都未采取管理措施，从而爆发了危机，并波及全球。
第五是：权责清晰的风险管理原则
公司的风险管理可以每个人都是风险管理者也可以由专人负责整个机构的风险检查与协调。无论选择哪种管理模式，首先公司必须有真正懂风险管理的专家，其次需要明确清晰地定义各个部门每个职级的风险权责，最后风险经理有效发挥作用的一个关键因素是需要高层的持续支持。尤其在一些大型金融机构中，风险经理可以通过直接（或间接）向独立委员会汇报来增加其权威以抗衡一线业务部门，从而保证风险经理对业务决策的否决得到贯彻。
当然美国的方法也不是可以全部照搬应用，其中有项重要的差异是国内央行征信覆盖人群仅8.8亿人，其中有信贷记录人群只有3.8亿人，而且难以获得历史时点的征信数据，大大增加了国内金融机构在使用征信数据的难度；而美国具有完备的征信体系，覆盖率达 85%。
三大巨头征信局不仅可以匿名提供客户在法律许可的历史时点的征信数据，而且美国三家征信巨头公司实现了数据共享，通过串联金融信用数据、消费数据及社交数据等各类数据，大幅提升了征信体系评级的科学性，为整个金融行业的发展奠定了基础。
据艾瑞咨询报告，中国互联网消费金融交易规模从2013年的60亿猛增至4367.1亿，4年内实现了70倍爆发式增长，但市场还远远未被满足。据统计，美国消费金融扣除房贷和车贷后，家庭负责比高达25%，而国内仅为0.1%。如果有更多的从业人员在实际业务中真正践行“数据驱动”理念，遵守“五大原则”，中国将构建以数字技术驱动为核心竞争力的消费金融业务体系，成功弯道超车，最终实现金融的数字化和普惠化！
- 关于作者 -
张宇，天创信用CRO兼易宝集团副总裁。从事金融行业数据驱动风险管理近20年。曾任美国前五大银行Capital One风险决策高级管理职位，对运用国内外征信，第三方数据以及大数据搭建风控和盈利模型进行数据驱动决策有丰富的经验。在Capital One任职的10余年中三次荣获CEO卓越奖，首次将复杂机器学习模型引入金融行业并运用于信用决策，设计、实现了三代Capital One核心信用审批模型，率先在业界实现个人精准评估框架，大幅提高了数据驱动决策的深度和广度。
目前负责天创信用风险管理战略布局、规划，领导数据和风控团队，帮助金融机构构建包括贷前、贷中、贷后的全流程风险管理体系，设计和实施消费信贷、小微信贷等多领域的风控策略和模型。
尽请期待，数据猿即将于10月底举办的“2017金融科技价值—数据驱动金融商业裂变”高峰论坛！投递案例、文章、产品，联系视频&文字专访，请勾搭数据猿～