9月8日消息，在2017中國（常州）電子商務應用發展年會金融分論壇上，美利金融風險管理與運營總經理喬木發表了題為《美利金融的“技術流”風控：我們是如何識別高危用戶的》的公開演講，他指出，和傳統銀行相比，我們還是做白領和藍領的客戶，在金融的風控能力上，會提出更大的挑戰。

美利金融風險管理與運營總經理喬木。

溫馨提示：本文為速記初審稿，保證現場嘉賓原意，未經刪節，或存紕漏，敬請諒解。

以下是演講實錄：

喬木：大家好，剛才詹總和朱總介紹的挺好，在我們B2B這些公司，如果想要切入金融的時候，第一時間應該想到我們專業的金融公司，我們美利金融就是這樣一個專業的金融公司。先介紹一下我自己，我目前是在美利金融負責整個風險管理和運營工作，加入美利之前是在最大的消費金融公司捷信工作。先講一下我們的主營業務，美利在兩個行業做主營業務，一個是在汽車金融業務，這一塊我們做了一個美利的車金融品牌，還有美利車聯盟的品牌，在消費金融我們做了有用分期。這是我們目前的融資情況，在車金融業務這一塊，主要是兩個品牌，一個是美利車聯盟，一個是美利車金融，在車聯盟主要是做賦能車商，這一塊提供了帶看、車源采集、saas、門店培訓、串貸、新車融資庫存，主要是服務用戶。目前除了臺灣省之外，覆蓋了全國31個省，覆蓋的城市超過了330個，在車金融我們服務的車商超過了一萬三千家，在車聯盟的加盟車商也是超過一萬家。在有的領域，消費服務的客戶已經超過了兩百萬，今年我們的業務規模會達到180億，目前新增在10億左右。

接下來聊一下我們為什么切入汽車金融業務，第一個汽車金融業務現在是目前車商特別關注的，金融業務是未來增長非常大的一個點。目前在2016年我們統計到的數據是，市面上中國車輛保有量大概在1.9億左右，就意味著1.9億在路上跑的車，未來都有可能成為二手車，在二手車交易中，只有5%在被交易，這個數據在美國是在15%，同時我們看到二手車金融這一塊的滲透率情況，在發達國家，美國、日本是可以達到50%以上，就算是在臺灣省也差不多在35%，而這個數字在大陸只有15%，在2016年這個市場已經達到了700到900億的規模，在未來幾年一定會達到萬億級的市場，這也是我們為什么切入這個市場的原因。我們的客戶是18到35歲的客戶，在這些客戶只有20%以下客戶被銀行服務過，他們擁有信息卡，80%的客戶是沒有銀行覆蓋的，這就說明這個市場是非常巨大的，也需要我們這樣專業的金融公司去服務他們。最近幾年大家對于二手車的一些交易會有很多的感觀，在事實中，95%的交易都掌握在中小車商以及黃牛手中，這也是為什么現在會有這么多2B的手段，這樣才能把交易更牢靠的掌握在我們手中，同時能控制風險。和傳統銀行相比，我們還是做白領和藍領的客戶，在金融的風控能力上，會提出更大的挑戰。目前在二手車市場的中小車商覆蓋率已經達到25%。

接下來我介紹一下關于整個風控體系的搭建，現在從技術體系上，已經搭建了整個服務化的體系，在這上面看到會比較多的信息，首先第一個介紹一下，我們在各個金融交易場景里面，去搭建了我們數據采集體系，到了金融后臺會有大數據平臺進行統一的數據源采集存儲和分析，然后輸出相應的服務，整個金融體系成了服務化的體系，會有線下很多場景提供金融服務。第二在組織架構方面，對于我們來說，2B建立比較大的風控團隊會比較奢侈一點，對于我們專業的金融公司，我們在一開始就搭建了非常專業的金融團隊。我們在整個風險的架構里面，會有三部分，一部分是信貸策略和決策科學部，負責決策策略和建模工作，第二個是風險運營部，負責客戶審批，另外一部分是欺詐風險與資產保全，主要是負責資產保全和欺詐的相關調查。根據我們數據的驅動運營，我們構建了整個美利金融的智慧風控體系，先跟大家介紹一下我們智慧風控體系科學的風險決策體系，我們稱之為智者，我們會根據資產組合風險容忍度和單頻經濟模型來確定我們的風險邊界，這里是以車貸和車交叉現金貸組合為例，如果我們授信給客戶10萬元的車貸，在六個月以后再追加車交叉先進貸2.5萬元，只要控制車貸壞賬在3%以下，車交叉壞賬達到5%以下就可以了。

再跟大家介紹一下我們的大數據平臺，我們稱之為十字軍，在廣度和靈活度，包括我們部署的一個速度上，已經和行業內的一些相同的玩家建立了一些壁壘，在整個大數據平臺上部署的比較成功的是我們以Neo4j額和SPARK為核心，建立了一個知識圖譜系統，我們利用客戶信息用知識圖譜的形式連接起來，包括QQ的聯系，還包括共同的工作單位和收貨地址的關系，建立了超過億萬級的關系網，這些關系存儲在我們系統中我們怎么去利用呢？首先第一個運用是異常關系網絡的識別，在我們搭建了整個關系網絡之后，我們可能會去對現有的數據進行分析，異常網絡識別是一個實時的識別，在這里是怎么回事？比如說我們的一個節點的人會被多個聯系人去聯系，如果出現了一些壞賬，我們很有可能認為被多個聯系人聯系的事件焦點是一個中介。我們在河南識別了一個26人的團伙，當時識別了一個預期的情況，在整個關系網絡有離職的銷售和代還款的合同，為公司防止了進一步損失，同時向對于相應的欺詐銷售以及欺詐的客戶，進行線下的調查以及立案。另一塊應用是染黑算法，在每一個預期或者壞賬的客戶都會標記為黑，利用染黑算法去對每一個客戶實時進行黑度，黑度越高顏色越深，顏色越深就是欺詐的可能性越大。

我們在數據工具的深度上，也是在貸前、貸中、貸后部署了超過二十個模型，包括申請欺詐模型、通話行為模型、申請信用模型、關聯網絡模型、工資收入模型等等，貸中有交易欺詐模型、貸中行為模型。我們在數據運營上的速度也是比較快的，因為我們搭建了自己的大數據平臺。

介紹了整個風控體系以外，再介紹一下我們授信審批的體系，我們稱之為利劍，在整個風控審批體系中，第一步讓客戶在APP端做相關的信息，第二步是人臉識別和檢測工作，第三步是進行欺詐識別和風險評級，第四步是對個人風險評級，同時會結合他的一些其他信息進行評分，比如說為他辦單銷售歷史的風險表現，以及他區域商戶的風險表現，結合了這些之后，我們會對客戶風險進行分層，進行接下來相關的核查，最后經過整個自動化的審批之后，我們會有一部分客戶還不能確認，或者有欺詐嫌疑，我們會給到信用專家，對這些具有高風險的客戶進行審批。車金融的話還會對車進行判斷，我們的鏈條會更長，對車的判斷和對人的方法論是一樣的，我們有外部數據、內部數據，還有人工的核查，對車輛進行估值，我們建立了自己車輛的評估模型，最后能有一個車輛的估值。第二點我們是會有一個車輛的抵押權監測，會對GPS信息查出來異常的車輛進行不定期的抵押權查詢，如果抵押權產生變化，會立即觸發后續的手續。剛才說到所有的步驟還是很煩瑣的，相對于一般的車貸公司，我們做的審批動作會很多，但這些都會在15分鐘之內完成，97%以上是在60分鐘之內出結果，我們未來的目標是在12分鐘出結果，這個數據在業內會是一個星期以上。

同時我們會有一個貸后的管理企業，叫做監盾，在我們所面臨的客戶是銀行現在沒有做的客戶，這些客戶在市場上的供債情況是非常多的，我們整體貸后管理的策略就是快，能夠更快地去找到這個客戶，能夠更快地向這個客戶進行催款，如果發生車輛的抵押權，或者這個客戶完全喪失還款能力的時候，我們能更快發出收車的信息。在整個反欺詐組合拳是全方位保障了我們的資產安全，我們會有100%的歡迎電話覆蓋，會在貸款申請之后對客戶進行回訪，同時我們會有暗訪的一些行為，對銷售欺詐和門店欺詐進行相關的查詢，如果發現了相關的信息，會有專門的調查團隊對相應的信息進行核實和調查，如果發現有一些違規的話，我們馬上就會進行挽損的動作。

在這之外，我們會有我們自己的知識圖譜，會有不斷豐富的電話網絡，這樣我們失聯修復能力會比較強，而且會不斷去增強這樣的能力，第二個，在金融公司大家可能知道，對于號碼的管控以及暴力催收的管控非常嚴厲，我們對于整個催收的質量，以及號碼動態保護，我們會做的非常有效率，同時因為車輛是非常高的價值，所以我們在每輛車上都會有我們的GPS，對于GPS相對異常的現象，我們會立即啟動資產保全的流程。所以整個全方位進行貸后催收的動作，讓我們整體的資產質量得到了一定的保障。

今天內容可能會比較多，謝謝。