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。
