首页 > 观点

新网银行刘波:反欺诈是线上信贷的重中之重

观点 周昱 零壹财经 2019-08-22 阅读:93287

关键词:新网银行

新网银行首席运营官刘波发表了题为《互联网一行数字化风控及运营体系》的演讲。
8月22日,2019中国零售金融发展峰会暨2019零壹财经新金融夏季峰会在贵阳举办。会上,新网银行首席运营官刘波发表了题为《互联网银行数字化风控及运营体系》的演讲。

刘波在演讲开始介绍到,新网银行的初心是想找一条所有银行都可以效仿的路,打造一个没有自己独有生态的弱生态环境。

新网银行打造了一款全在线、全实时、全客群开放的银行:1、全在线,新网银行99.6%的客户用机器申请,千分之4的客户用到人工;2、全实时,新网银行系统可以做到秒申秒到,实时响应,平均审批时长42秒;3、全客群,用户只要一张本人实体身份证即可申请,0纸质资料提供0申贷成本,无客群限定。

刘波指出,在线业务反欺诈是重中之重。反欺诈最难防的是黑产,需要通过使用定位、人脸的背景等相关专利技术进行识别。在调动银行征信后,做反欺诈和信用风险两项评估,在贷不贷、贷多少、贷多贵(利率)中最难评估的反欺诈风险。

刘波介绍,新网银行与流量巨头和银行深度合作。其中新网银行和腾讯、阿里、头条、抖音、云闪付、中国移动、滴滴、美团等合作,在客户申请贷款后授权获得数据。通过信贷服务串联获得独有的特色数据,判断网贷风险。新网银行与合作的银行风险共担,帮助它们介入消费端。

以下为演讲原文:

首先,感谢零壹财经的邀请,曾老师的演讲非常精彩,我听了很受启发。我在这里汇报一下新网银行这两三年来在开放银行上的尝试。

新网银行是我本人参与筹建的第四家金融机构、第二家互联网银行。所以,我跟大家讲一下,我们在筹建这家银行以及运营这家银行时的想法和实践。主要讲数字化风控及运营体系,这是互联网银行里核心中的核心。

新网银行没有营业网点、没有线下业务、没有客户经理,我们的人员是科学家+IT工程师,占70%,高管层一般都筹办了2家以上金融机构,当然我们都有一些金融背景。新网银行主要提供金额小到500、高可贷100万的随借随还的信贷。

关于新网银行的初衷,中国不缺银行,也不缺金融机构。之前我筹建网商银行时也在看,是不是中国所有的银行都以利息差为盈利模式。当然不是不好,但我们倡导另外一种模式。当时没有网商时尝试,我们说可不可以金融和生态相融合,在零售市场尝试时,同样的卖家,给予和不给授信,他可以不赚钱,但他的交易额提升了30%,大概2万亿,对比收入就是几百亿,他没必要在这里赚钱。我主管电商经营时,没有任何利润。这上面,当时的方式就是先行者的尝试,这是一种"羊毛出在猪身上"的模式。

大家很了解的一个产品叫花呗,我管过花呗一段时间,筹备的时候并不是想把它和银行信用卡做类比。现在大家觉得当时没有做支付类的信用卡产品,我们的想法,发现当时的移动支付技术比较发达,但银行并没有跟上,导致很多交易时支付失败,即使绑了那么多卡、即使快捷,但很多大宗商品分期的时候,会影响交易。

我们做了之后,交易额提升30%,实际上不止30%。支付成功率,不是没有钱,而是绑的卡里没有钱。这时候怎么办?很多麻烦事。所以我们预估提升3%,但是目标太大了。当时我算的时候,一年可以提升几千亿,为后续的消费金融做贡献,支付宝走在哪里,识别出来的金融级客户比较少,偶尔买几百元的东西,看一下电视,一年的交易频次不高,为什么给他几十万的贷款?所以最底端的1亿客户是丰富数据,支撑金融机构。在这个前提下,大量的客户有弱数据,用信用支付场景进去,如果交易良好,就可以给他提供服务,所以借呗是长在花呗上的。

这是当年的模式,但是这种模式不适合大家,你没有阿里这么大的生态。大量的金融机构是不能往这条道路走的,这也是我离开这家我深爱的企业的原因,我在那里工作了十几年。所以,我们想找一条所有银行都可以效仿路,这是我们尝试的初心。

花呗当时的分期率非常高,银行信用卡分期率不可能达到40%、50%、60%,当时花呗开发了1亿,占比非常厚,所有支付都可以用花呗,线下不是花呗就是微信。

后来我们做了一些尝试,支付宝和微信做的是自己的生态,我们想打造一个没有自己独有生态的弱生态环境,我们设计了一款全在线、全实时、全客群开放的银行。阿里和腾讯做得很强、很好,但是他的客户是预售性质,我可以把额度利率先告诉你,但没开放到这的时候你是不能申请的。微粒贷1.7亿左右,借呗2.3亿,我们想做的时候,凡是适龄的中国人,如果你希望有一个终身的备用额度,都可以来这里申请,我们在几秒钟给出授信额度。我们也是中国第二家获得高新技术企业认定的银行,中国只有两家。刚才说81项专利,过了几个月,我们的专利数到了110项,每个月以20个专利数的数字递升。我们是第三家获得银监会线上信贷业务许可的银行。现在的监管,没有在属地这块做太多监管,但我们是持牌作用。

这张图非常重要,可以一张图讲清楚什么是互联网银行的数字化风控及运营体系。很多人说公司有丰富的数据,再招一些建模工程师,就能把数据建模、消费信贷做好。其实错了,所谓的数据多半指的是原始数据,比如有交易数据、信贷数据、公积金数据、行为数据,一家金融机构有网上贷款的相关数据。虽然这些数据很珍贵,但这些数据并不能直接作用于信贷模型。这些数据,首先要分门别类进行清洗,里面的格式不同、单位不同、甚至有缺失,直接用于机器会没法识别或者识别混乱。我们跟很多大数据中心合作,即使政府出口的数据,里面都有很多缺失或者不一样的地方。这些必须有数据清洗专家进行清洗,因为这些数据很多时候没有专人盘点,不能直接用于金融级的服务。

做完之后,把数据分门别类,哪些是家庭地址,哪些是单位地址,哪些是购买商品的地方,这些不是简单的数据清洗能完成的,里面有逻辑判断。你怎么定义它是家的位置呢?每天晚上去的就是家吗?每天早上去的就是公司吗?一定要有算法介入,否则这一级的分门别类数据就是错的。

数据搭完之后就有衍生指标,预期一天、预期三天、预期七天、预期三十天、预期九十天是常用金融机构的指标,这些是否有区分,不一定,谁告诉你预期三天比预期五天有区分度,需要更多的数据说明。所以衍生指标的定义需要更多的数据样本定义指标,战略上才能建立模型。不能说建立一个评分,比如把模型算出来的评分就认为它可以直接作用于信贷或者定价,这也是不对的。

例:信用评分,有两个大学生,一个品学兼优但家里穷,参加活动非常优秀,保送至大学,他是各方证明他是非常好的。另一个是富二代,借伞直接拿走,借充电宝揣兜里。如果大学必须借100万,必须放一个,你想放给谁?放给富二代,虽然他信用不好,但家里有钱,父母都是亿万富翁。创业有风险,大学生创业有可能失败。这时候,评分是否失效了呢?再看一下,还是两个大学生,他想买个手机。新出一款手机,富二代一月10万零花钱用完之后不想找家里要钱,富二代不看价格,因为不在乎。对于这些品学兼优的大学生,他会非常在意价格,因为他的资金不充裕,每一分钱都要用刀刃上。风险定价是对的,但要和市场结合。信用评分不能直接作用于这个人的信贷模型,只能评估这个人的行为习惯,需要和更多的数据组合起来,再去做很多的模型,共同作用。像这样的数据模型可以作用于各方面,比如身份识别、授信准入、风险定价、贷后催收。

今天讲定价,比如信用贷款20万,初次定价年化12%,这时候客户不用,怎么办?如果额度没有更多佐证的情况下,加利率10%左右,慢慢的来,周期非常长,你坚持到的时候你都不在这家机构了,因为需要延续性。怎么做?10%的定价不用,这时候首先要判断是不是额度问题。首先免息你用不用,有的人觉得你给他20万是侮辱他,他就不用,这个客户就不做我的客户,我再提高一点,再不用我就放弃了,他属于更高机构服务的,我现在服务不了。如果他用了,说明额度没问题,是利率问题。再做活动的时候,把活动利率降到12%,比成本线略高的数字,比如年化7%他用不用?三五个月之后,他不用,就直接放弃了,或者转为理财客户。如果他用了,下次做活动,一般是7-12%之间的中间点,如果他用,下次活动应该是9-12之间的数字。最后稳定出客户额度和数字的中值,期间所有的尝试都是以活动方式在尝试。

这样的尝试,一个客户非常麻烦。如果你的客户几千万、上亿级的时候,可以为你找到市场最优定价,客户的投诉和客户的满意度是最高的,你的利润也得到了更大的保障,这是中间的一个案例。案例很多,时间所限,不一一讲。

今天所有的架构体系,都集中在这里面,这些东西是多模型作用的结果,涉及到数据结算系统,这是一个多重复杂的决策因子。所有的结果自动做判断,不仅仅是判断它的授信,也会判断如何营销,如何定价,如何做决策,它是一个综合判断的过程。所以,数据是一个综合判断、综合输出结果,定价和额度只是其中一个方向。这么多数据跑完,只是算一个额度,那不是太亏了吗?

新网银行的方式,我们到底怎么做的?我们全在线做,99.6%的客户用机器申请,千分之4的客户用到人工,抽样检测机器和人工判断的差距多大,正常情况下99.6%,如果有4%的不一样,说明出了问题,因为信贷的风险是滞后的,这是我们筹建的一道闸门。

今天,我们讲客户要做在线业务,首先是反欺诈,这是重中之重。市场上有很多黑产,首先是用模拟手机,高级一点是有真实的手机,分门别类说。我看到一些方式,有很多手机放在那,上千个手机自动申请,最后机器申请。手机在同一个地点,如果出现大量的手机聚集,判断它是黑产,看它动不动,如果是黑产,它是不动的。黑产是顶尖的算法工程师,挖过去,他们做一票,一年上千万的薪酬,几年以后绝对离开国家。他们都是我们行内的顶尖专家,我认识其中几位。

第一,我们今天的手机,电池电量也是浮动的。这两年我们用的技术是陀螺仪技术,手机内置陀螺仪,人手持手机时会微微颤抖,他输入每个字、每个行为,颤抖的区间有一个值。

第二,我们在做电池电量运行速度的消耗,首先有不同的版本、不同的型号、不同的损耗,因为我们有设备会定义清楚每个手机怎么样,同时可以定义手机操作期间损耗的电量是不是在正常范围内。最简单的模拟器作案,更多的是黑产手机,黑产手机是有成本的,买苹果做黑产不是亏吗?黑产手机基本集中在低价手机,更新速度远远不如,而且是集中性更新。我们用陀螺仪抓,永远不断的追赶。今天这个技术说出来,他们已经在攻这个技术,我们也有新的技术在防。之所以防不住,是因为你讲的时候,那套东西已经过时了,这是很要命的。

更难防的是线下黑产,不光是手机是真的,人都是真的。这个事情很难防,大概率事件,一天碰到10万单来自全国各地的人。我们的工作要做得非常细,把全国网格化,可以清楚地定位到一栋楼,对比之前它有明显的异常波动,超过发值,就申请把这栋楼关掉,分区域关掉,这是防,有点傻,但是非常有效。

我们这些人在这里的时候,比如这里聚集的是黑产,我们用人脸拍照。拍照的背景一定是类同的,人脸的背景,基本上可以判断出这段时间这些人在同一个地点拍照,有类似性,就把它全部关掉。这是我们讲的其中几项专利。

还有,这些人申请时,一定要有样表让他填,我们会设计一些无效的制度,你的公司名称我没法校验,填表的时候他就照抄,所以同一段时间会出现大量的同一个公司的,我们会把它干掉。这是我们在反欺诈方面的努力,当然只是很小的一部分,我们讲的是真实的设备、真实的人、真实的意愿。

判断真实意愿的案例,现在很多人把手机交给别人申请,这时候怎么判断是不是真实的意愿?你拿到手机去申请,他的手机倾角是这样的,如果把手机给别人,倾角是这样的。自拍的时候,女生一般45度角,男生一般下面,不管怎么样,一定长度。如果交给别人的时候,他是不一样的,有许多非常细微的区分。

通过所有的技术,我们判断这些东西。陀螺仪样本是孤立的样本,发完贷款客户达到2500万时,我们用这个2500万的客户去做,准确性就会非常高。这是我们做的数据方面的具体案例,让大家理解我们到底在做什么。

全实时,43秒之间,30多秒是调动银行征信,我们做两项评估:反欺诈评估、信用风险评估,贷不贷、贷多少、贷多贵(利率)。这中间最难评估的不是贷款额度和利率,也不是贷不贷,而真的是叫反欺诈风险。如果做的是中间利率,还款没有那么大的问题,而是遭受职业黑产的套。

现在客户来贷款,只需要用身份证。你上网到一定程度上,我只需要证明你是你就可以了,其它东西通过你的授权去解决。我们到底是怎么做的呢?今天所有人在这里跟我讲你算法技术多么牛、多么狠,有多么强势、多么多的历史数据,我承认有差距。但本质上这不构成评分必然,不就是挖人吗?中国顶尖的算法工程师和人才就是一个圈子,彼此之间有联系。挖人之后,几年就赶上了。真正的是大数据,阿里和腾讯有它的算法优势、能源优势,但真正起到作用的是因为它的数据你没有,所以你的风控、技术、控制力没有它们强。

大量和合作伙伴把这套东西开发出去,和合作伙伴深度合作。比如今天你没听过新网银行,但是你的手机上无处不在,打开手机,腾讯、阿里、头条、抖音、云闪付、中国移动、滴滴、美团都是新网银行的合作伙伴,这是没看到,我们自己设计好产品,做好风控服务就可以了,这些客户申请贷款时必须授权,比如美团要授权,我要知道你每天的午餐吃什么,送外卖的地址准确率,你送到吃饭的地方,一定是你办公点和家里的地点。滴滴每天晚上回去的地方,大部分是到家。我也会知道你坐什么车,还有携程可以看到你坐什么出去玩,数据越来越多的时候,我们就掌握了客户画像。所以,新网银行不会拿这些原始数据,我们只会拿这些结果。数据越来越多,形成了我们的特色数据。所以,我们要建立一个没有生态的生态圈。而这些生态、巨头之间,数据互相隔离,我们通过信贷服务串联起来。中国网贷风险多大,这些都有道理,但我可以准确说出哪个客户预期,我们建立的行业叫网贷存款,有100多家,占了1/3以上的存款,我完全知道客户投资了多少钱,他赚了多少钱。我们可以大量地推算出一半的人他坏没坏,这块数据是我们的特色数据,只有在新网银行能拿到。所以做网络存款不是为了存款,而是为了特色数据,这个数据非常重要,这是新网银行做的事情。

我们连接银行,这么大客流量进来,我们没办法一家一家的银行服务好。现在新网银行每天的放款在10亿左右,一家银行怎么扛得住。我们把这些流量分流之后进行合作,我们从大行,大到工商银行建设银行,还有股份银行、农商行、上海农商行,我们拿出50%的资金,风险共担,帮助这些银行介入到消费端去,使得我们行,我们上半年收入11亿多,利润4亿多,今年纯利润10亿,利润率很高,利润率不是贷款存款的利率差,我来自于技术股份,这是我们的商业模式。这种模式,所有银行,如果有志于这块,都可以学习,这是一条可以走通的零售银行道路。

现在放款客户数2700万,放款金额2900亿左右。70%是男性,30%是女性,大专以上以及研究生占一半以上。人群上非常符合曾老师的概念,我们基本上做三四线城市,一二线城市诟病这个不好、那个不好,银行比厕所还多,一二线城市不缺金融资源,各种大行服务得相当不错。反而是三四线城市,它的银行金融建设非常薄弱,它有消费需求,它有信贷需求,但是服务得并不好。所以,80%的客源来自于三四线城市,甚至有283多万客户来自于农村。在广袤的三四线城市去,不良率4.8%,我们行的模式,各家行看到了我们的优势,400多家行都可以看到。我呼吁大家往三四线城市去,不要挤那一小块的客户。

谢谢大家!
 
加关注 消息
文章:197 粉丝:21 总阅读数:4624.3k


零壹智库推出“金融毛细血管系列策划”,通过系列文章、系列视频、系列报告、系列研讨会和专著,系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。
 

上一篇>京东数科金融数字化应用业务总经理程雁宾:零售银行创新有5个关键点

下一篇>零壹研究院院长于百程:发布数字金融反欺诈、金融科技兵器谱两大报告


所属专题


相关文章


用户评论

游客

自律公约

所有评论

点击阅读更多内容

主编精选

more

专题推荐

more

第四届中国零售金融发展峰会(共15篇)


资讯排行

  • 48h
  • 7天



耗时 184ms