微言科技产品副总王金成:贷后处置新模式探讨

观点 零壹财经 零壹财经 2017-11-10
微言科技产品副总王金成:贷后处置新模式探讨
从2016年起,中国整体经济下行压力仍较大,经济发展进入新常态。随着"三去一降一补"战略的深入推进,经济结构调整取得一定成效,国民经济持续平稳发展。受国际国内经济金融形势的影响,中国贷后处置行业出现了新的变化和特点。

此外,由于互联网金融、消费金融等新型金融模式的快速发展,导致相关风险不断积累。据专家分析,2017年下半年由于政策不断收紧及客群不断下沉,贷款质量会进一步恶化,贷后处置市场将迎来爆发式的增长。

基于此,零壹财经和览雨信息于11月9日-10日联合举办了“中国贷后风险管理及资产处置”峰会。本次会议意在整合贷后处置相关的各方机构,为行业搭建合作沟通平台,探索贷后处置的新模式,包括贷后处置市场及政策解读、金融科技及大数据对于不良资产处置的助力、不良资产包定价及交易、细分领域(汽车金融、融资租赁、小微企业贷、信用贷)贷后处置模式、行业投资机会等。

此次论坛邀请了微言科技产品副总王金成出席,他以“消费金融及现金贷催收新思路”为题发表演讲。他主要谈论了两个问题:
 

一,从甲方角度应该如何提升回收率,如何使委外管理更加有效;

二,催收机构如何在行业长久发展,如何盈利。



附演讲原文:

王金成:下午好!各位来宾、先生们、女士们大家下午好!

我是微言科技的王金成,很多人问我微言科技是做什么的?首先,微言科技有两位核心创始人,一位是微言的总裁黄聪,曾任小赢理财总裁,另一位是微言的董事长姚志平。而微言是一家“金融效率”企业,以“最低成本、最快速度、最小试错”为 客户实现金融业务落地。

我继建行信用卡中心之后去了前海征信,主要负责搭建催收平台,整合大概200家催收公司。用了基本一年时间跟大大小小的催收公司老板和甲方公司老板保持深度沟通,我们一致认为贷后市场是一个非常大的市场,并且非常看好。今天我要跟大家分享这两年对该行业的理解。

进入这个市场首先要清楚玩家有哪些?目前贷后市场处置机构主要分为两大类:一类是AMC(资产管理公司),包括四大AMC(是国务院借鉴国际方法为处置商业银行不良贷款而设立的)以及后面各个省市设立地方AMC;另一类是我们接触比较频繁的催收公司,保守估计大概2000多家(体量100人以上、有正规管理团队的催收公司),主要集中在东部沿海、深圳周边、华东地区。催收机构大概分为几种类型,最普遍的是电话催收,小规模的大概几十人、几百人,大规模可能几千人到上万人;其次是汽车催收、房产、诉讼,这些对专业技能要求高一些。

我们讲新兴金融,贷后资产处置主要有四个问题:第一个,数据利用率低,包括消费金融、现金贷,数据使用率非常低,特别是很多催收公司数据仅仅停留在报表层次;另外,贷后市场想要招核心数据分析人员非常难,因为很多人才不愿意来;其次信息保护、数据限制越来越大,导致数据使用存在很大困难。

第二,缺乏精细化管理,目前有系统、有报表就算比较健全的机构了,很多机构还停留在数据粗加工的层次,模型在贷后运用非常低,就算有模型和策略的匹配也很难。例如当时我在信用卡中心做一个模型花了近千万,由于当时系统无法支持模型,一年之后这个模型不了了之。此外,大多数机构贷后数据无法反馈贷前,其实贷后有很多关键的数据出来,包括风控欺诈、地域偏好等会有很多问题反馈出来,如果贷后数据能够反馈贷前对风控会有很好的指导作用。

第三,委外机构管理,大的公司委外机构可能有100-200家,小的可能有十几家,委外机构管理非常辛苦,包括对业绩跟踪、报表跟踪,非常不便捷。大的公司开发的系统所有委外机构需要用,这是为了保证合规性,但是很多系统在初始阶段有很多问题没有办法解决。

第四,资产包处置。实在催不回来要处置资产包,应该怎么交易?如何定价?新金融下资产单笔金额比较小、欺诈行为特别多,通过各种方式手段判断资产包里边多少笔能触达、收回,这是非常困难的事情。

今天我会从四个方面跟大家着重分享两个问题,第一个问题从甲方角度如何提升回收率,如何使委外管理更加有效;第二个问题催收机构如何在行业长久发展,如何盈利。

贷后市场如果做好的话未来有几块布局:第一,数据。首先数据对贷后有非常重要的作用,比如信息修复、催收策略、催收模型,没有数据积累完全没有办法进行的,不管是小公司还是大公司,一开始都要搭建一套非常完整的数据储存和架构体系。

第二,策略及模型。需要有人力支持,把包括贷前审批的数据、贷后数据做成模型指导前端政策。催收策略和模型必须是匹配的,策略一定要根据模型结果制定。

第三,系统和运营。系统包括两种模式,本地化部署和云端部署,配套包括短信、外呼、律师函、智能语音系统等,现在很多甲方自建催收团队或者委外管理,哪种方式最有效需要综合成本和收益,找到平衡点。

第四,资产包处置。包括怎么定价、定价过程中怎么撮合交易、交易怎么完成、交易完成后如何处置。贷后是非常稳定的现金流,贷后很多数据包括灰名单、黑名单是非常有价值的数据,不管用于贷前还是贷后,贷后很多数据可以直接影响风控模型,最后它可以显著提升回收率。

下面从四个方面分析如何进行精细化运营:

1.数据篇。贷后这一块数据有什么价值?很显然的价值是信息修复,很多人说逾期M4阶段找不到这个人,为什么找不到?因为数据体系不够完善,前期做各种营销活动、审批活动、做风控的时候没有想到从前到后建立数据体系,然后这个人就失踪了,失联修复作用第一要找到这个人,第二要找到这个人地址,第三要找到钱。

另外数据可以帮助判断还款能力和意愿,主要包含这个人当前资产和负债情况、这个人本身是不是欺诈(欺诈绝对不会还款)、历史及当前信用状况,最后数据对于可视化以及数据化运营提升,抛开数据谈策略、算法这些都是没有用的。

搭建一个平台可能包含哪些数据?第一,贷前通过用户授权一些数据,比如通信录详单、微信、网银等信息;第二,通过第三方渠道接入的信息;第三,自身业务的运营数据,包括贷前运营数据、贷后运营数据。

2.策略和模型篇。这块我给大家介绍一个通用的策略和模型方法,是信用卡策略制度标准流程。在做催收模型、催收策略的时候肯定会设立一个目标,这个目标在不同阶段不一样,通常分为早期阶段、后期阶段、保全阶段。早期阶段催收目标主要是:一是降低滚动率与损失;二是降低成本、增加利润,客户很大收入来自于逾期滞纳金,找到平衡点把客户控制在一定逾期范围内,同时又不变成不良客户,这是提高客户收益的有效措施;三是是增加满意度和减少投诉。

90天以后看重什么?主要目标是增加回收金额,回款越多越好这样可以减少损失。

到了保全阶段目标是什么?增加我的债务保全金额,核销不意味着终止,它还是可以回款,但是要优化服务商的表现,包括律所、催收机构;同时增加净限值,需要平衡投入和产出,比如找一个催收机构催收1万元本息,花的成本是2万,那完全没有必要做这个事情。

我们看一看不同阶段关键决策,早期我需要决定联系哪些客户、怎么联络、何时联络?到后期阶段要决定如何处置这些账户,是不是分期还款计划等?哪些特殊账户需要及早关闭或者特殊处置,在保全阶段需要决定通过什么方式去回款,是通过诉讼、上门催收还是通过核销、哪些账户需要打包出售等等。

下面分两块讲模型和策略。为什么建模?模型通过历史的数据预测未来,具有一定客观、公平、准确性。模型的开发会有几个时间点,开发的时候用历史的信息和当前的信息,模型应用时运用当前信息推测未来信息,这两个时间窗口不一样的。

那我们做模型的时候,要注意什么呢?例如:风控时建立的客户行为模型,对于早期催收有用;催收模型时间窗口通常较短,风控模型表现窗口到6个月到1年时间,催收模型是3-6个月;早期催收定义能回来还是不能回来,到后期定义目标变量变成回来5%还是20%。

我们看模型哪些数据?基本刚才讲的那些,自身数据、征信数据、打电话客户给你的反馈数据、还有获取其他外部数据。这个是模型的决策流程,我通过一二三四各个方向搜集数据,生成决策文件,这个决策文件用于做决策引擎、评分策略,这些指引下一步动作,动作获得的数据又会反馈到模型中从而优化我们的模型。

通过模型如何制定策略,策略是永远需要不断调整的,策略要回答什么?就是什么时候由谁、对哪些账户采取什么催收方法、采取什么行动?通过短信、邮件电话、还是委外的方式进行?先催大金额还是先催逾期时间长、风险高的?何时跟进?这是策略决定的。

做策略的时候,通常对账户先做分类,不同账户策略不一样,通过产品、客户情况,还有之前催收信息等把账户分成不同类型,对不同账户做策略,这里我要强调风险余额BAR(余额*坏账概率)概念,单纯通过呆帐和余额风险表现不完美,通过风险余额作为主要变量的模型远远优于其他两个。

催收模型或者策略本质是催收资源最有效的配置,使用的时候由什么人催什么账户回款率最高、对利润提升最大,它是资源最有效配置的问题。目前市场上各个大银行做催收策略做模型大多数用决策树模型,每个树下边有违约率的大概值,通过这个值判断账户高风险、中风险、低风险,然后再采取不同的策略。

3.系统和运营篇。第一,要判断是云系统还是本地化系统,还要不要开发系统?如果作为甲方要尽可能自己开发系统,因为云系统所有数据表现都会给别人看。现在很多催收平台或者系统服务商走的是免费路线,通过这个方式获取数据积累,所以如果是甲方要尽可能开发自有本地化系统。

现在甲方给业务一般有两种模式,大的甲方通常说我提供系统,你直接在系统做催收,对于小的甲方还是通过excel方式或者系统传输。如果催收公司规模比较大,有两个系统要建,一是催收管理系统会显著提升你效率,二是一定要有好的数据管理系统,你会发现数据对你的价值可能会超过催收产生的价值。

目前科技对于贷后提升还是比较低,我们用人工语音和传统的短信举例,传统短信回款20%,人工语音30-50%之间,但是问题在哪里?人工语音可以降低人工成本,但是错过了最佳介入时机。为什么说大的机构成为行业变革者?因为一是有大量的数据训练这个模型,二是科技投入很高,产出遥遥无期,你可能投入一个亿然后需要一年才能看到价值,如果机构实力不强,可能就玩不转。再比如我现在有1万催收员,效率提升10%,相当于节省1000人,1人10万,相当于节省小1亿资金,所以对于大的机构有动力做这个事、也有能力做,等大的机构做完了,小机构基本被瓜分的差不多,这个市场小机构将会越来越难。

下面分析目前市场几个创新点:

(1)催收平台,很多机构介绍自己是催收平台,核心本质用互联网思维把甲乙双方打通,但是平台模式很难玩。如果做一个平台,用互联网化运营的话,核心目标提高这个行业的效率,但目前对于效率提升并不明显。首先是数据安全,这个过程中涉及数据传输、资产转包等非常关键的问题;第二,通过系统方式或者平台方式去提升上下游效率,一定要有很大量的数据支持,目前催收平台都是起步阶段没有大量数据支撑。

(2)科技运用,科技在贷后使用比较低。我觉得催收作为标准化行业,科技一定在这个行业发挥越来越强的作用,所有重人力的行业最后一定会被科技颠覆,所以这一块投资越来越有价值。

(3)相关配套。由于这个行业不规范,大机构也有、小机构也有,导致市场很乱,监管不太明朗,导致很多运营商短信通知没法用,随着监管出台慢慢规范,告诉什么机构用短信、发短信频次怎么样,这个行业正处于趋于规范的过程。

最后,委外还是自建,这是很多甲方面临的问题,比如每个月放贷30亿左右,可能需要1000到1500名催收员,自建涉及有人专门管理团队,包括选址、招人,但员工达到你的要求没有那么容易。如果委外涉及到要找什么样的合作伙伴?这个合作伙伴是不是可信赖?包括安全、速度是不是达到你的要求?如果机构有这几方面能力,可以迅速成为行业的垄断者,小的机构将越来越受挤压。并且要形成业务闭环,为什么很多机构在催收这一块有布局?因为要做好数据闭环,贷后对任何机构都非常重要的。

4.资产处置篇。我和团队于2016年10月在前海征信开发了一套零售资产包定价模型,当时问很多机构是否要卖资产包,没人搭理,而今年五六月份市场有很多售卖资产包的,需求比较大,M3+阶段定价基本两到三个点。现金贷资产包为什么不好定价?因为现金贷资产包单笔金额很小、笔数很多,传统对公资产有抵押物可以对抵押物估值。我们当时怎么评估?筛选核心的变量建立模型,当时在前海有大量的数据,所以能用于判断资产包价值的数据是很多的,包括多头信贷、历史逾期、信用风险、欺诈等,可以比较精准的刻画资产包价值。

这就是我今天分享的内容,谢谢大家!
 

0

相关文章

我来评论

评论“微言科技产品副总王金成:贷后处置新模式探讨”

取消 提交 请输入内容!

评论

  • 解码金融科技上市潮

    解码金融科技上市潮

  • 消费金融:鏖战、竞合与出路

    消费金融:鏖战、竞合与出路

  • 中国贷后风险管理及资产处置峰会

    中国贷后风险管理及资产处置峰会

耗时 151ms