本文將從數(shù)據(jù)驅(qū)動(dòng)、風(fēng)險(xiǎn)收益平衡、換入換出、實(shí)驗(yàn)、指標(biāo)幾個(gè)角度來(lái)談一談我對(duì)數(shù)據(jù)渠道消費(fèi)金融業(yè)務(wù)的一些看法。
數(shù)據(jù)驅(qū)動(dòng)
隨著移動(dòng)互聯(lián)網(wǎng)深入到人類(lèi)生活的方方面面，大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)不斷發(fā)展，各種簡(jiǎn)單易用的工具（creditmodel?）也層出不窮，使得數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的門(mén)檻也越來(lái)越低，這些技術(shù)在互聯(lián)網(wǎng)和消費(fèi)金融行業(yè)迅速普及，現(xiàn)在各家銀行和消費(fèi)金融機(jī)構(gòu)，或外包或自建團(tuán)隊(duì)，砸重金到數(shù)據(jù)平臺(tái)、決策引擎、模型和算法等新奇玩意上，我覺(jué)得并非是這些機(jī)構(gòu)要引領(lǐng)行業(yè)變革，而是一種由于深怕自己在數(shù)字化改革浪潮中滯后或被同行恥笑的焦慮導(dǎo)致——有哪家銀行或機(jī)構(gòu)敢說(shuō)自己的消費(fèi)金融業(yè)務(wù)沒(méi)有大數(shù)據(jù)風(fēng)控模型？

大數(shù)據(jù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，這些名詞和概念聽(tīng)起來(lái)很有科技感和未來(lái)感，但這些技術(shù)僅僅只是豐富了我們的信息維度，強(qiáng)化了我們收集和處理數(shù)據(jù)的能力，這些都是“術(shù)”的迭代，“道”，即金融的本質(zhì)和基本規(guī)律并沒(méi)有改變。

一些消費(fèi)金融從業(yè)人員，沉迷于大量的統(tǒng)計(jì)技術(shù)和花樣繁多的模型，長(zhǎng)期被從樣本（可能是有偏的）抽離出的表象所“蒙騙”，忽視了業(yè)務(wù)的基礎(chǔ)和本質(zhì)，從而做出錯(cuò)誤的業(yè)務(wù)決策，造成重大損失。我們應(yīng)該利用信息技術(shù)的優(yōu)勢(shì)，高效地從錯(cuò)綜復(fù)雜的信息中，提煉出問(wèn)題的根本原因，我們必須有充足的知識(shí)和經(jīng)驗(yàn)提出正確的問(wèn)題，從而做出正確的決策。我們要透過(guò)表象看到本質(zhì)，從風(fēng)險(xiǎn)、成本、收益等基礎(chǔ)角度去思考消費(fèi)金融每個(gè)環(huán)節(jié)的基本規(guī)律。

說(shuō)了這么多，所謂數(shù)據(jù)驅(qū)動(dòng)消費(fèi)金融業(yè)務(wù)到底是什么呢？其實(shí)就是數(shù)據(jù)科學(xué)和科學(xué)方法論在金融業(yè)務(wù)里面的一個(gè)實(shí)際運(yùn)用。經(jīng)濟(jì)學(xué)、生物、化學(xué)、物理等基礎(chǔ)學(xué)科也是在應(yīng)用這一套方法論。物理學(xué)大牛費(fèi)曼對(duì)這套科學(xué)方法論做了一個(gè)深刻的總結(jié)：
首先你要猜測(cè)，這是最重要的一步。然后計(jì)算結(jié)果。將結(jié)果與經(jīng)驗(yàn)（實(shí)驗(yàn)）進(jìn)行比較。如果與經(jīng)驗(yàn)（實(shí)驗(yàn)）不符，這種猜測(cè)就是錯(cuò)誤的。這句簡(jiǎn)單的話就是科學(xué)的關(guān)鍵。不管你猜得有多漂亮也不管你有多聰明，或者你叫什么名字。如果它與經(jīng)驗(yàn)不符，那它就是錯(cuò)誤的。就是這樣。——理查德·費(fèi)曼(Richard P. Feynman）
社會(huì)學(xué)家華萊士對(duì)科學(xué)研究方法做了更加深入的總結(jié)，提出了著名的“科學(xué)環(huán)”，如下圖所示：

具體來(lái)說(shuō)，就是我們會(huì)在業(yè)務(wù)實(shí)踐中總結(jié)出一系列的假設(shè)出來(lái)，我們會(huì)根據(jù)這些假設(shè)對(duì)業(yè)務(wù)做一些判斷和預(yù)測(cè)，據(jù)此做出一些業(yè)務(wù)決策。我們的業(yè)務(wù)決策是不是正確的，是不是能夠拓展，這在假設(shè)的基礎(chǔ)上并不是很清楚的，必須通過(guò)實(shí)踐：要么驗(yàn)證這些假設(shè)，要么推翻這些假設(shè)，我們?cè)隍?yàn)證假設(shè)過(guò)程中，又會(huì)根據(jù)現(xiàn)實(shí)提出一些新的假設(shè)，在這個(gè)基礎(chǔ)上我們不斷循環(huán)、反復(fù)，不斷的提高我們的業(yè)務(wù)水平，這就是所謂數(shù)據(jù)驅(qū)動(dòng)的方法。
它并不是說(shuō)你建套模型，然后根據(jù)這個(gè)模型，你就可以把這個(gè)模型運(yùn)用到各個(gè)業(yè)務(wù)的方方面面。實(shí)際上數(shù)據(jù)驅(qū)動(dòng)是這么一套方法論，這套方法論讓我們對(duì)我們所開(kāi)展的業(yè)務(wù)的每個(gè)環(huán)節(jié)都有正確的認(rèn)識(shí)，然后在正確的認(rèn)識(shí)的基礎(chǔ)上指導(dǎo)我們把業(yè)務(wù)做得更好。
風(fēng)險(xiǎn)與收益平衡
很多傳統(tǒng)金融銀行的風(fēng)險(xiǎn)管理人員通過(guò)貸前、貸中、貸后一系列復(fù)雜的流程，希望盡可能杜絕壞賬，他們認(rèn)為沒(méi)有壞賬就沒(méi)有風(fēng)險(xiǎn)。你要辦理一張信用卡，可能會(huì)去你單位進(jìn)行調(diào)查，看你的社保公積金，看你的銀行流水，然后再?zèng)Q定是否發(fā)卡給你。這一套流程已經(jīng)將很多人拒之門(mén)外，而實(shí)際上沒(méi)有一家銀行的壞賬為0，他們?cè)诒M力避免壞賬的同時(shí)，也損失了利潤(rùn)。在這里，我要吐槽一下，很久之前，我在宇宙行申請(qǐng)了人生第一張信用卡，只有1萬(wàn)額度，8年了，還是1萬(wàn)額度。
消費(fèi)信貸的目標(biāo)不應(yīng)只是減低壞賬，而應(yīng)該是在利潤(rùn)最大化的前提下盡力避免損失或壞賬風(fēng)險(xiǎn)，利潤(rùn)最大化是比減少損失更合理的業(yè)務(wù)目標(biāo)，要堅(jiān)持風(fēng)險(xiǎn)和收益平衡的原則。

基于客戶生命周期的P&L分析（Profit & Loss analysis）分析，它是整個(gè)數(shù)據(jù)驅(qū)動(dòng)的一個(gè)核心的工具。它告訴我們，在不同的情況之下，我們的盈利損失的表現(xiàn)是什么，我們的決策最終會(huì)怎么樣影響利潤(rùn)和損失。（后面，我會(huì)詳細(xì)介紹這個(gè)P&L 分析工具，請(qǐng)大家關(guān)注漢森定理公眾號(hào)。）
換入換出
前一篇文章已經(jīng)介紹了換出換出分析：

熟練掌握風(fēng)控策略的換入換出（Swap Out & Swap In）分析
?
mp.weixin.qq.com
圖標(biāo)
，有興趣的同學(xué)可以參考。

換入換出分析本來(lái)叫做：swap set analysis。換入換出在做一件什么事情呢？簡(jiǎn)單來(lái)說(shuō)，如你有A、B、C、D四類(lèi)人，你當(dāng)前的準(zhǔn)入策略，通過(guò)A、B客群，拒絕C、D客群，當(dāng)你迭代了策略之后，變成了通過(guò)B、C客群，拒絕A、D客群。這個(gè)時(shí)候C就是換入客群（ swap out set ），A就是換出客群（swap out set），這個(gè)時(shí)候你需要知道A和C的實(shí)際表現(xiàn)是什么樣子，對(duì)于A你有歷史數(shù)據(jù)，可以估算，對(duì)于C你可能沒(méi)有歷史表現(xiàn)數(shù)據(jù)，無(wú)法準(zhǔn)確估算。將來(lái)新的策略運(yùn)用到實(shí)際業(yè)務(wù)當(dāng)中去的時(shí)候，你要對(duì)A和C做好監(jiān)控。因?yàn)槟阃ㄟ^(guò)歷史樣本的分析，知道客群是什么樣子，過(guò)去的表現(xiàn)是什么樣子，從而證明采用新策略是不是正確，對(duì)于業(yè)務(wù)有什么影響，但是你不知道將來(lái)在你實(shí)施新策略之后，這樣的事情還會(huì)不會(huì)發(fā)生。如果不做換入換出分析的話，你不知道會(huì)得到什么樣的結(jié)果。
你的策略過(guò)去拒絕掉的客戶，現(xiàn)在要通過(guò)他，這是一個(gè)非常重要的決策。換入換出分析所做的事情，就是讓你知道這一決策會(huì)對(duì)業(yè)務(wù)產(chǎn)生什么樣的影響。不做換入換出分析，模型迭代之后，直接就上線決策了，結(jié)果最后發(fā)現(xiàn)實(shí)際結(jié)果和預(yù)測(cè)很不一致，這種情況在國(guó)內(nèi)非常常見(jiàn)。我覺(jué)得從從業(yè)務(wù)的角度來(lái)說(shuō)，這是一項(xiàng)不管采取什么樣的策略，上線新產(chǎn)品也好，開(kāi)放新客群也好，都一定要做的非常重要的事情。
實(shí)驗(yàn)
實(shí)驗(yàn)是我們開(kāi)展業(yè)務(wù)過(guò)程中檢驗(yàn)假設(shè)、因果推斷和獲得正確結(jié)論，支持正確決策的重要的工具和方法。

如果你建了一個(gè)分?jǐn)?shù)在0-1之間的信用評(píng)分模型，你根據(jù)模型的壞賬分布，增加了一條策略，即信用評(píng)分模型在0.4以上的人全部拒絕。這意味著，在策略實(shí)際上線后，不會(huì)有模型分大于0.4的人。下一次建模或者策略迭代的時(shí)候，你只能從0-0.4之間通過(guò)的客戶做樣本，這是一個(gè)非常糟糕的事情，這樣一來(lái)，你的客群會(huì)越做越窄。

從另外一個(gè)角度來(lái)看，大于0.4的客戶，并非沒(méi)有好客戶。模型評(píng)分大于0.4的人，如果壞賬率是30%，還有70%的人是好客戶，這這70%的人不是說(shuō)不是說(shuō)我們就永遠(yuǎn)不要他們了，而是通過(guò)現(xiàn)在我們掌握的數(shù)據(jù)和信息、模型和工具、策略和手段，不能把這70%的好人與這30%的壞客戶區(qū)分開(kāi)來(lái)，我們只好把他們拒絕了，但是將來(lái)如果我們有新的數(shù)據(jù)、新的模型和新的策略，很有可能把這70%的人當(dāng)中一些好客戶給找出來(lái)。如果你不做實(shí)驗(yàn)，不預(yù)留樣本，在你下一次的模型和策略迭代時(shí)，就沒(méi)有辦法把就70%的好好人給挑出來(lái)，所以一定要想辦法保留一個(gè)樣本，這會(huì)讓你將來(lái)在做新的模型或策略的時(shí)候，能夠有合適的樣本，支撐你的模型和策略迭代。
業(yè)務(wù)指標(biāo)
設(shè)計(jì)、開(kāi)發(fā)并使用可以準(zhǔn)確報(bào)告當(dāng)前業(yè)務(wù)實(shí)際現(xiàn)狀和預(yù)測(cè)業(yè)務(wù)發(fā)展趨勢(shì)的業(yè)務(wù)管理指標(biāo)體系是管控消費(fèi)信貸業(yè)務(wù)的關(guān)鍵。為什么這么說(shuō)呢？首先業(yè)務(wù)管理指標(biāo)會(huì)告訴我們決策系統(tǒng)是否有效，其次，能夠讓迅速獲取關(guān)鍵信息對(duì)業(yè)務(wù)的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，并對(duì)問(wèn)題進(jìn)行迅速定位。最后，我們掌握信息后，可以迅速?zèng)Q策且采取行動(dòng)。大家可以參考一下這篇文章：

全面了解消費(fèi)金融業(yè)務(wù)指標(biāo)體系—（一）資產(chǎn)質(zhì)量分析
全面了解消費(fèi)金融業(yè)務(wù)指標(biāo)體系—（二）模型監(jiān)控
?

后記
credtimodel 是漢森老師開(kāi)發(fā)的一個(gè)R語(yǔ)言數(shù)據(jù)科學(xué)工具包，有數(shù)據(jù)預(yù)處理、變量衍生、數(shù)據(jù)分析、數(shù)據(jù)可視化、自動(dòng)化建模五大功能模塊，已經(jīng)發(fā)布接近兩年時(shí)間。

漢森定理（ hansenmode ）公眾號(hào)是我的個(gè)人公眾號(hào)，會(huì)定期分享風(fēng)控策略、數(shù)據(jù)分析、風(fēng)控建模的相關(guān)知識(shí)，歡迎關(guān)注。有問(wèn)題需要交流的，可以在關(guān)注本公眾后之后，加我的個(gè)人微信，拉你入群。

總結(jié)

以上是生活随笔為你收集整理的关于数据驱动消费金融业务的几点看法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。