华乐网
当前位置: 首页 >头条 >财经 >正文

微言科技产品副总王金成:催收机构如何在行业长久发展?

2020-09-22 12:49    

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可客群不断下沉,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、10日两天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:

第一是从甲方角度如何提升回收率,如何使委外管理更加有效;

第二是催收机构如何在行业长久发展,如何赚钱。

附演讲原文:

王金成:我先给大家介绍一下,很多人问我微言科技做什么,微言科技核心创始人两个,一个王聪在小微理财做总裁,还有姚之平,还有一个麦肯锡团队出来的,我们做的业务帮助机构数据风控、利赢等。

首先介绍一下我的背景,之前在建行信用卡中心,之后去了浅海中信搞了催收平台,整合大概200家催收公司,前年一年时间跟大大小小催收公司老板和甲方老板聊一下,贷后市场非常大的市场,也非常看好。今天跟大家分享这一两年对这个行业的理解。

这个市场首先要清楚玩家有哪些,AMC是传统的资产处置机构,分为两大块:一个四大AMC,国务院借鉴国际方法处置商业银行不良贷款设立的,后来每个绅士设立地方的处置不良资产公司,后来我们接受各个催收公司,保守估计大概2000多家,姑且认为体量100人以上、有正规管理的团队一个催收公司,粗略统计全国有2000多家,主要集中东部沿海、以及深圳周边、还有华东地区,基本在这几个地区分布比较明显。那机构大概分为几种类型,最普遍是电话催收,小规模大概几十人、几百人,大规模可能几千人到上万人,其次汽车催收、房产、诉讼,这些对专业技能要求高一些。

我们讲新兴金融,我觉得贷后资产处置有四个问题,第一个数据利用率低,包括消费金融、现金贷也好数据使用率非常低,特别是很多催收公司大多数数据仅仅停留报表层次;第二个贷后这一块招核心数据分析人员非常难,因为很多人才不愿意往这里去,信息保护,数据限制越来越大,缺乏精细化管理,你有系统、有报表就算比较健全的寄给,但是很多机构停留基本数据粗加工的层次,模型在贷后运用非常低,就算模型和策略也很难匹配,当时我在信用卡中心做一个模型花了1500万,由于那个系统无法支持模型,过一年之后这个模型不了了之。最后一块是贷后无法反馈贷前,其实贷后有很多关键的数据出来,包括以前的风控欺诈、还有地域偏好等会有很多问题反馈出来,如贷后数据反馈贷前对你风控有很好的指导作用。第三块委外机构管理,大的公司委外机构可能一百到两百家,小的可能几家,委外机构管理非常辛苦的活,包括对业绩跟踪、报表跟踪非常不便捷,大的公司我开发系统所有委外机构用我的系统,保证合规性,但是很多系统初的阶段很多问题没有办法解决。我催收实在催不回来要处置资产包,资产包交易怎么交易?定价怎么定价?新系统下金额比较小、欺诈行为特别多,通过各种方式手段判断资产包里边多少东西能触达、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,如何赚钱。

我们看看贷后市场如果做好的话未来有几块布局:第一数据模型和策略,首先数据,数据对贷后有非常重要的作用,比如信息修复、比如做催收策略、催收模型没有数据积累完全没有办法进行的,不管你是小公司也好、大公司也好,一开始都要搭建一套非常完整的数据储存和架构体系,第二个要有人支持你把这些数据,包括贷前审批的数据,贷后其他数据做成模型指导你前端政策。第三块催收策略和模型匹配的,模型做出来一定和策略匹配;第二块系统和运营,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,成本如何找到平衡点;第三个资产包这一块,资产包怎么定价、这个过程中怎么撮合交易,交易怎么完成?资产包收购和处置,我收购回来资产包怎么处置?贷后是非常稳定的现金流,贷后很多数据包括灰名单、黑名单非常有价值的数据,不管用于贷前还是贷后非常有价值的数据,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你回收率。

我们看看数据,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?因为你数据体系不够完善,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销售体系,这个人就失踪了,实联修复第一找到这个人,第二个找到这个人地址,第三个找到钱。还看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的人?欺诈绝对不会还款,另外看这个人历史当前信用状况,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、算法这些都是扯淡。

我们看一看搭建一个平台可能包含哪些数据?第一个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,第二个通过第三方渠道介入的信息,第三个你自身业务的运营数据,包括贷前运营数据、贷后运营数据。

策略和模型这一块给大家介绍通用的策略和模型的方法,催收的话其实是信用卡策略制度标准流程,你在做催生模型、催生策略的时候肯定设立一个目标,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,早期阶段降低滚动率与损失,为了降低成本,增加利润,客户很大收入来自于逾期滞纳金,找到平衡点让客户既一定范围内,又不变成不良客户,那是增加你的利润,对于经营利润非常棒的措施,还有增加满意度和减少投诉。

90天以后看重什么?增加回收金额,回来越多越好减少我损失,到保全阶段可能是什么?增加我的债务保全金额,不是我核销这个东西完全化掉,它可以回款,但是优化服务商的表现,包括你的律所、催收机构优化他的表现,增加净限值,你投入和产出,我找一个催收机构催收1万,我花的成本2万没有必要做这个事情。

我们看一看不同阶段关键决策,早期我需要哪些客户、怎么联络、何时联络?到后期阶段第一个如何处置这些账户,是不是做防范计划等?哪些特殊账户需要及早关闭或者特殊处置,在早期阶段通过什么方式,通过诉讼还是通过上门催收,还是通过核销,那些账户需要打包出售的,肯定回不来。

下面分两块讲模型和策略。模型其客观对于数据分析,为什么建模?模型通过历史的数据告诉现在情况,具有一定客观、公平、准确的东西,模型的开发会有几个时间点,开发的时候用历史的信息看待当前的信息,模型运用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?你账户管理的时候,你在信用卡早期做评分卡的时候,对于早期催收也是有用,评分适用有相应的模型适应,模型和风控模型不一样,风控模型表现窗口一年到六个月时间,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,生成我决策文件,这个决策文件用于我做决策引擎、评分打策略,这些指引下一步动作,动作获得的数据反馈模型中优化我们模型。

我们看一下通过模型如何制定策略,策略是永远需要不断调整的,策略做什么?就是什么时候由谁、对哪些账户采取什么催收方法?这是策略要回答的问题,采取什么行动,通过短信、邮件还是电话的方式、还是委外的方式,分给谁,先催大金额还是先催逾期时间长、还是催风险高的,何时跟进?这是我策略告诉我的。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,我强调一个概念是风险余额BAR策略,单纯通过呆帐和余额风险表现不完美,红色通过单一变量做的模型、上面用风险余额变量做的模型,通过风险余额变量作为主要的变量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,我使用的时候由什么人催什么账户回款率最高、对我利润提升最大,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树模型,每个树下边有违约率或者大概值,通过这个值判断账户高风险、中风险、低风险,采取不同的策略。这个是根据信用卡第几天发短信、第几天发邮件等,这大概是策略和模型东西。

下面是系统和运营,我只做一张PPT,我想跟大家分享,第一是我云系统还是本地化系统,自己要不要开发系统?如果你作为甲方尽可能自己开发系统,因为你云系统所有数据表现都会给别人看,像催收平台也好、或者系统服务商都走免费路线,通过这个方式获取数据积累,如果你是甲方尽可能开发自有本地化系统,催收公司现在有两种模式,大的甲方通常说我给你系统,你直接在系统做催收,对于小的甲方还是通过exact方式或者系统传输的方式催收,这个模式没有必要自建系统,如果你是催收公司规模比较大,有两个系统要建,第一个催收管理系统显著提升你效率,第二个一定有好的数据管理系统,会发现后边对你价值超过催收产生的价值。比如我们用人工语音和传统的短信,传统短信回款20%,人工语音20-30%之间,但是问题在哪里?第一错过最佳的催收时间,可以降低人工成本,为什么大的机构成为行业变革者,第一有大量的数据训练这个模型,第二科技东西投入很高,产出是遥遥无期,你可能投入一个亿可能一年以后才能看到价值,如果你这个机构不是大的机构,根本没有资金支撑这个玩法。比如我现在有1万催收员,效率提升10%,相当于节省1000人,一人十万,相当于节省小一个亿资金,对于大的机构有动力做这个事、也有能力做这个事,大的机构全部做完了,小的机构基本被瓜分差不多,这个市场小机构越来越难。

催收平台,很多人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,核心点如果你做一个平台,用互联网化运营的话,核心目标提高这个行业的效率,你提高效率对于催收公司和甲方数据安全,过程中涉及数据传输、案子转包非常关键的点,通过系统方式或者平台是,要提升上下游效率,一定有很大的数据支持,目前平台都是起步阶段没有大量数据,第三个科技运用,科技在贷后这一块使用比较低,对于提升不大。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,所有重人力的东西最后一定被科技颠覆。这一块投资越来越有价值,第三个科技配套,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,监管对这一块一直采取不明朗的做法,导致很多运营商也好、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,我觉得这个行业趋于规范。

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3000亿左右,可能需要一千到五百催收员,自建涉及有人专门管理团队,包括选址、招人、茂盛员工达到你的要求没有那么容易,如果委外涉及到你找什么合作伙伴,这个合作伙伴是不是可信赖,包括安全、上人速度是不是达到你要求?如果机构有这几方面能力,迅速成为行业的垄断者,小的机构越来越受挤压。最后一块业务闭环,为什么很多机构在催收这一块有布局,你要做好数据闭环,贷后对任何机构都非常重要的。

我们再看资产处置篇,我当时在浅海征信2016年10月开发资产定价模式,当时问很多机构有没有想买?没有人搭理我,今年五六月份市场出了很多卖资产模型,基本两到三个点,资产包东西为什么不赚钱?因为现金贷资产包单笔金额很小、笔数很多,没有传统有抵押评估。我们当时怎么评估?筛选核心的变量有几个模型,这是真实的案例,当时在浅海有大量的数据,所以能用于判断资产包价值数据很多的。包括多头信贷、历史逾期、信用风险、社会欺诈的分析等,我这边只是列了几个指标。

品牌、内容合作请点这里: 寻求合作 ››

榜单

今日推荐