【新浪支付内部资料】现金贷平台整体项目解决方案.pptVIP

现金贷 云服务平台策略 市场热度 一、主要客群： 三线以下城市人群为主（多元化职业） 二线以上城市进城务工人员（基础服务业：餐饮从业\快递从业\制造从业等） 毕业三年内的学生（低收入白领/蓝领等） 二、人群特点 80%的客户在生活中平均2个月借一次钱 70%的客户一年中超过3次迟发工资 44%的客户会提前主动还款 70%的客户连续两个月有借款需求 收入水平：80%=5000元， 职业表现：多元职业化、蓝领群体、服务员 三、市场潜力： 美国市场：6千万中低端人群——1000家现金贷机构 中国市场：1、金字塔型收入结构，底层群体基数庞大，市场潜力巨大； 2、互联网发展，互联网金融市场被初步教育，存在基础用户群体； 3、P2P\消费金融业务转型，对资产端需求强烈（资产荒）； 4、经济业务周期调整，经济下行，转业/失业人群增多，容易产生短期资金压力； 怎么赚钱？ 利润=收入-成本 收入 新贷客户通过借贷关系建立信用变成续贷客户 续贷客户平均同机构年均借款6.5次 成本 新贷客户获取成本高、数据成本高、信贷成本高 续贷客户建立信用后仅有信贷成本 利润 在特定条件下，上述达到平衡后产生正向收入 下一页附图：业务风险曲线 业务风险 新贷客户逾期水平高，续贷客户逾期水平低 续贷客户成本变低但是收入不减 自主上线的成本 以上工序需要串行时间，这仅仅是一个开始 面临什么样的问题 团队搭建、系统建设、业务启动、财务平衡 1、时间成本 3-6个月 2、人力成本 产品、研发、风险专家、业务运营、财务、催收模块人力成本 3、试错成本 风控规则、模型调整、商业盈亏平衡 风控模型支持、业务经营支持、其他软性支持 解决方案—咨询：全程实施支持 单客经营 模型 业务经营 模型 模型 定制化特征 启动规则 集支持 白名单及 流量支持 催收管理 服务 全程实施支持+软性服务 从明白“如何做”到“冷启动”的全程支持 业务经营支持 风险管理支持 流量/贷后管理支持 我们的服务目标：急速上线 从咨询到实施的全程服务支撑，最大化压缩时间成本 实施：IOS及安卓客户端 申请借款 信息采集 贷后还款 提供APP整合设计及实施 实施：适应业务需要的整合支付 绑卡还款 银联还款 线下还款 服务由新浪支付独家定制支持 实施：决策数据采集 活体检测 公安核验 运营商 设备信息 外部征信 四要素 实施：信贷管理平台 全套信贷管理平台、涵盖进件、风控、催收、反欺诈、账务、结算、支付、报表、经营决策支持等模块 实施：反欺诈及风险规则引擎 近千风险数据点 数百条规则集【反欺诈、高风险、准入等…】 选择建议及应用建议 可支持规则定制【非标准服务】 350万数据维度欺诈风险库 150万数据维度高期逾期风险库 9000万数据节点，4亿关系网络数据沉淀 实施：多维风险可视化示例（一） 客户在一段时间内的作息时间及工作日的作息时间 深度风险数据可视化：让风险变得可见、打通风控专家与数据专家交流障碍 实施：多维风险可视化示例（二） 客户在一定时间内的社交连续性及通话异常 实施：多维风险可视化示例（三） 客户在一定时间内发生的金融咨询、业务申请、疑似催收 实施：多维风险可视化示例（四） 客户在一定时间内的移动位置迁徙情况 实施：多维风险可视化示例（五） 客户的社交对象及行为信息在空间和行为上的分布 实施：基于多维风险数据的机器学习模型超市 模型超市：基于应用中的申请模型快速启动 数据工程及多维模型特征工程：2000特征变量 定制一线专家机器学习模型：最快一周上线、周周迭代 在这个人群里，传统风控中强相关的变量都变成弱相关，同时他们几乎没有征信数据 实施：复杂关系网络及风险传播动力学【非标】 用户共用手机号关联 用户共用设备关联 团贷欺诈申请 欺诈个体及团伙的快速查验以及基于图数据库的图算法，欺诈团伙能被数据团队找到更能被风险专家捕获 实施：催收管理及贷后反欺诈工程平台 整合催收服务、支持自建队伍的同时亦提供无缝催收坐席外包、解决业务增长得快而人力跟不上的尴尬 实施：系统深度整合现金贷业务报表 基于成熟稳定的资产质量分析平台 对业务质量的监测及定价能力的监测 对业务质量的回顾与研判 基于业务表现的定价策略、模型切割、规则调试、成本控制 深度整合现金贷统计及业务质量监测报表，降低早期业务账务及统计分析不成熟导致后期风险账务混乱的尴尬 总结 多维数据可视化—提高风险专家效率，降低团队成本 机器学习模型超市—脱敏建模、数据不外泄、快速启动，最小成本用到最牛的团队 复杂关系网络—既能解决自身平台反欺诈诉求，亦能选择加入联盟共享信息 整合催收服务—快速启动上量，无缝对接外包坐席，降低早期冗余人