风控是实现定价差异化的核心 

爱分析：去年和今年飞贷在升级的过程中，核心做了哪些变化？ 

唐侠：主要是风控体系，不停地在升级优化，提高好坏客户的区分能力。 

爱分析：飞贷的定价差异能做到多大区分度？ 

唐侠：我们定价差异幅度非常大，价格差异最大可以做到相差一倍。前提是我们必须很确定，这个客人优质，给他低价不会吃亏；那个客人风险比较高，如果不用高价一定吃亏。这是定价差异的根本原因。 

如果定价保持很低，比如最高年化在18%以内，就意味着根据收益覆盖风险的原则，定价在18%以上客户都不能做，那么这些客户没有融资机会。 

在符合法律法规、监管要求的前提下，对于风险程度较高的客户，通过相对较高的定价来覆盖风险成本。被误判为高风险的好客人，我们可以通过后续的动态定价，把价格降下来，实现共赢。 

飞贷现在的定价策略主要包括两个方面：第一，差异化初始定价；第二，依据客户的还款行为，动态调整价格。 

从定价能力上，就可以看出一家机构信用管理能力的高低。如果做不到有效的差异化定价，定的都是差不多的中高价，就会走入死循环。因为好客人并不能依靠好资质享受优惠，好客人就会流失。 

爱分析：飞贷获客从线下渠道、到兼职渠道、再到线上渠道，风控的变化有传承性吗？还是变化会很大？ 

唐侠：改变了90%以上。没有改变的是风险管理理念，改变的是风险管理手段。 

传统方式只能获取比较有限的信息，而且核实信息的真实性很难。客户需要准备各种纸质资料，我们还要上门察看客户的库存、员工、工资卡、通讯录、办公场所、订单等。而针对线上业务形态，则主要利用大数据做风险判断，风险管理手段有了根本性的改变。 

另外一个方面，风险管理面临的挑战也不一样了。原来传统方式下信用风险是主要风险，身份冒用的欺诈并不严重。但在互联网环境下欺诈风险却是主要风险。我看过一个报告，其中说互联网信贷的欺诈风险占60%，信用风险占40%。 

爱分析：线上和线下的欺诈，会有什么不同？ 

唐侠：线上欺诈表现为集中攻击，攻击批量大、攻击成本较低。往往因为某些信审规则被欺诈团伙了解，风控堤坝被戳了一个洞后，很快就酿成巨额损失；还有一种可能性是来自引流渠道，如果渠道变质、黑化了，会和欺诈团伙勾结起来攻击。 

线下的欺诈，多数体现为包装客户资料，但是不会表现为批量集中攻击，单次攻击的成本也比较高。

欺诈分为第三方欺诈和本人欺诈

爱分析：对于欺诈风险，飞贷做反欺诈有什么比较好的方法？ 

唐侠：欺诈风险可以区分为两种，一种是身份冒用欺诈，一种是本人欺诈。 

身份冒用欺诈指用他人的假身份来申请贷款，是网络环境中需要首先防范的。飞贷是利用刷脸、多方验证、反欺诈侦测等，把身份冒用欺诈防住。 

本人欺诈指的是本人申请贷款，但是提供的信息存在虚假。本人欺诈的破坏性可大可小。某些情况下，用户并没有恶意，只是不想说太多信息，或者在细节上说谎。本人欺诈的破坏性是由于包装导致误判资信状况。 

飞贷对于本人欺诈这块，主要是通过一套反欺诈体系来防范。设置欺诈侦测规则，并根据用户触碰规则的频次、时间点或者连续性等情况进行欺诈评分。比如，一天内换N次手机来登录，这是很奇怪的一种行为，可能是欺诈；又比如刚才的IP是在湖南，五分钟之后IP切换成广州，也可能是欺诈。触碰规则多，欺诈嫌疑就高。如果欺诈评分达到一定分数线以上，我们就不做了。 

爱分析：反欺诈需要人工干预吗？ 

唐侠：需要！即使系统采用各种智能解决方案，对于某些个案，也没办法做到很精确地应对。系统解决方案只能是在一类问题很突出的时候，通过设定规则，让机器去执行。 

开展人工反欺诈调查并不仅仅是为了拦住这一单两单欺诈，而是为了随时观察欺诈行为的变异。以前可能知道有10种欺诈行为，通过人工不断侦测，会发现有第11种、第12种出来了。 

爱分析：国内和国外在风控模型上差异有多大？ 

唐侠：国外的人到国内来做反欺诈，水土不服的问题比较突出。中国的线上欺诈是很独有的，跟发达国家的信用社会相比，根本上是两种信用环境。 

爱分析：所以飞贷基本上都是本土化的团队？ 

唐侠：只能是本土化。我们在2015年时，也觉得线上欺诈这一块很模糊，希望借助外部力量来帮忙，于是我们从欧洲请来了两位大神，但来了就有点发愣，因为我们国内已经全移动化了，他们的主要经验来自PC端，原来的经验用不上。 

爱分析：就反欺诈这个事情，飞贷会借助外部供应商去做部分工作吗，比如用他们一些反欺诈工具、模型或者数据？ 

唐侠：只能在数据方面有所借力。线上反欺诈对外依赖的主要是数据，别人做的模型不能太迷信，模型最好自己做。 

爱分析：数据运用上有什么心得可以分享？ 

唐侠：所谓的大数据，并不在于数据量大小，而在于可以利用数据从多个角度对一件事情进行交叉验证。数据能够形成锁链，只有维度足够，才有机会形成有效的屏障。

风控模型必须自建，能借鉴的只有工具

爱分析：要做好大数据风控，需要具备哪些核心能力？

唐侠：我区分为三个能力。 

第一是数据来源，数据量大不一定是绝对好事，有时候噪音大反而是件坏事，会对准确判断造成干扰。比如一个客户可以有100个数据维度，但做出准确判断只需挑选20个维度，这个就是很大的考验。先要做好数据源的判断、筛选，这是第一个能力。 

第二个能力是工具运用，像FICO这种顶级的咨询公司有不少好的工具。另外，很多风控系统模块需要自己开发。 

第三个能力是策略运用。比如这个客户是三个风险标签就否决掉，还是五个标签才能否决，每一个标签权重是多少，这种策略运用需要不断调试、不断修正，这需要公司自己做，没有人能替代。 

爱分析：做出一套可适用的模型，对数据量有何要求？ 

唐侠：我们的经验是越多越好。如果达到百万级客户数据，对数据进行不同维度的、不断的分析，在各种模型之间不断比较，做大量A-B test的测试，才能摸索出一个比较精准可行的模型。 

爱分析：风控策略团队规模多大？ 

唐侠：目前有二三十人。风控策略要出好活，需要几个因素齐备，第一，人员技术水平高；第二，好工具；第三，足够量的数据，其中成本最高的，是坏客人的数据。做模型是为了区分出好坏，没有坏的，就没参照，所以一定要积累一定量的坏客人数据。坏客人的数据怎么来，用钱烧出来。所以风控策略建设过程中是有隐形成本在后面的，外人看不到。这是一个不断试错的过程，非一朝一夕之功。 

爱分析：飞贷现在每年积累的坏数据，以什么样的速度增长？ 

唐侠：我们从2010年开始积累，原来做线下，坏账数据比较高。2015年10月开始做移动互联网，我们胆子很大，做好了三年亏损的准备。亏损主要是来自于负面数据引进，锻炼我们的风控能力。去年开始，坏数据占比越来越低，这一项成本持续下降。 

现在的做法是用A-B test，设置多个不同规则，都测试一下效果进行比较。原来测试期是按一年看，现在用三个月来看。

已实现盈利

爱分析：做线下贷款，每一笔的周期会比较长，单个客户全生命周期贡献的收入会更高，做线上贷款的期限更短，利润空间被压缩，飞贷如何看待这个问题？

唐侠：线上期限是短了，但有另一个好处，能够很快地甄别出客户特征，区分出好客户和坏客户，数据可以很快跑出来，这对做好风控策略的快速迭代非常有帮助。风控效果好，这是最重要的盈利来源。 

目前，我们线上业务已经实现盈利。 

爱分析：飞贷关注哪些运营指标？ 

唐侠：我们算几个大账，第一是营销来的客户，从申请到最后批额度过程中的衰减度；第二个是产生的生息资产，即我们为金融机构管理的资产有多少。这些数据出来后，能算出我们的盈亏平衡点，后面关注的一个指标是我们的利润率。 

利润率并非越高越好，我觉得过分追逐利润会动作变形。我们的利润率预算控制在2-3%，即使理论上利润率可以做到5%也不能要，而要让利给客户，这是口碑和业务可持续发展的关键。 

我们希望在几个方面树立竞争力，第一，更多样的人群都可以通过飞贷获得金融机构贷款，提高覆盖率；第二，随借随还、客户利益至上。把产品的便利性和价值做到极致，“你的贷款你做主”，贷款想用长用短、想何时提前还，客户说了算；第三，定价不断降低，服务好客户。 

爱分析：飞贷有一些城市没有开通业务，为什么会去限定城市？ 

唐侠：飞贷虽然是线上业务，但不意味着线下什么都不需要做，因为贷后管理需要一定程度的本地化。比如说客户逾期超过90天，要不要在本地跟进？因此，线下配套资源要配合。开通一个城市之前，我们还会研究人口结构、经济总量、活跃度，还有很重要的就是线下贷后管理资源，我们需要有本地的服务商来做贷后的配合。

中国首席商业资讯门户；更多内容请关注中国商业网各频道、栏目资讯。

免责声明：凡本站注明 “来自：XXX（非中国商业网）”的新闻稿件和图片作品，系本站转载自其它媒体，转载目的在于信息传递，并不代表本站赞同其观点和对其真实性负责。