貸中：人工審査を手放しがたい

業務管理

貸中段階は信用評価後のリスク引き受け者および操縦者と見なされ、貸前から貸後までのリスク伝達の橋渡し役を担う。

◎ リスク管理モデルの構築

フィードバック結果によると、16の消費金融機関は貸中段階で、人工知能、クラウドコンピューティング、大データなどの技術を用いてリアルタイムの信用審査システムを構築しているほか、3つの機関は従来の人力とリスク管理システムを組み合わせた方式を採用している。

リスク管理の動的化

自社デジタル基盤の構築

◎ 債務返済はリスク管理の重点

16の消費金融機関の提供内容を総合すると、貸出段階でのユーザーの分類管理において、消費金融機関は過去の信用履歴、資産状況、消費の安定性など複数の側面からユーザーの返済能力を総合的に評価している。

返済能力の総合評価

多次元データ

貸中段階では、バランスの取れた入札・価格設定に関わる複雑なリスクモデルと戦略体系の構築には、先進的な機械学習アルゴリズムと豊富なデータが不可欠である。

◎ データの利用と収集

データ収集の出所を見ると、16の金融機関は全体として、内部に蓄積された膨大なユーザーデータと外為市場データを深く融合させる方式を採用しており、借り手のデータ蓄積の優位性を活かし、複雑なビジネスシナリオと膨大なデータ（603138）を基に深層的なデータマイニングを行い、顧客のさまざまなリスクデータを集約している。

ユーザープロファイルの精緻化

複数のデータ収集源

◎ 研究開発の進展と成果

16の受託機関のフィードバックによると、規模や収益の違いにより、研究開発投資や技術成果にも大きな差が見られる。

不正防止の効果が顕著

特許成果の数に二極化

展業の難点

技術投資の差異に加え、貸中運営の難点とその解決策についても、各消費金融機関は異なる見解を持つ。

◎ 評価データの不十分さ

現状、国内の収入、負債、信用情報データは未だ不十分であり、消費金融機関はユーザーの返済能力評価において有効なデータ支援を欠いている。

解決策：効果的かつ正確な第三者の収入・負債データを継続的に導入し、収入負債の検証モデルを開発して、借り手の返済能力を迅速かつ正確に検証できるようにする。

◎ 「普及」と「優遇」の矛盾が顕在化

現在の消費金融業界全体の金利引き下げの背景の中で、消費金融の「普及」と「優遇」の矛盾が浮き彫りとなり、市場競争の激化により既存顧客のきめ細かな運営に対してより高い要求が生じている。これには、リスクの高いユーザーの事前遮断・管理やユーザーの粘着性向上などが含まれる。

解決策：デジタル化を推進し、技術手段を用いて顧客獲得効率を向上させ、人件費を削減し、展開過程の課題を解決する。