貸中：難捨人工審核

業務管理

放款中環節被視為授信評額之後的風險接盤者和操盤手，是從放前到放後的風險傳導的承上啟下者。

◎ 風控模型建立

從反饋的結果來看，16家受訪消費金融機構在放中環節，均提及通過人工智能、雲計算、大數據等技術構建了實時化的信貸審批體系，還有3家機構採用的是傳統人工與風控系統相結合的方式。

風險管理動態化

自建數字化基礎設施

◎ 償債是風控重點

綜合16家消費金融機構提供的內容，在貸款環節對用戶的分類管理上，消費金融機構會根據歷史信用、資產狀況、消費穩定性等多個維度全面衡量用戶的償債能力。

全面衡量償債能力

多維數據

放中環節構建平衡准入、定價相關的複雜風險模型和策略體系，離不開先進的機器學習算法，也離不開豐富的數據。

◎ 數據使用與收集

從數據收集的來源來看，16家受訪金融機構整體採用的是內部積累的海量用戶數據和外匯市場數據深層次融合的方式，借助借款人數據積累優勢，基於複雜業務場景和海量數據(603138)進行深度數據挖掘，歸集客戶的各種風險數據。

精準打磨用戶画像

多方採集數據

◎ 研發進展與成果

根據16家受訪機構反饋的數據，由於規模、營收不同，在研發投入、科技成果方面也存在較大差異。

反欺詐成效顯著

專利成果數量兩極分化

展業難點

除了科技化投入存在差異外，談及放中運營面臨的難點以及解決方案，各家消費金融機構也有不同感觸。

◎ 評估數據尚不完善

目前，國內收入、負債、徵信數據尚不完善，消費金融機構在對用戶還款能力進行評估時缺乏有效的數據支撐。

解決方案：持續引入有效精準的第三方收入或負債數據，研發收入負債核驗模型，實現借款人還款能力的快速有效核驗。

◎ “普”與“惠”矛盾顯現

在當前消費金融行業整體利率壓降的背景下，消費金融“普”與“惠”的矛盾顯現，日趨激烈的市場競爭也對存量客戶的精細化經營提出了更高的要求，包括對風險用戶進行更精準的事前攔截管控、提升用戶黏性等。

解決方案：持續推進數字化，以技術手段提高獲客效率、壓降人工成本，以技術手段解決展業過程中的難點。

（編者：馬金露 HF120）