各位朋友，各位同仁大家好，我是同盾科技汽車金融事業部的馮維文，今天我想借這個時間跟大家分享一下我對汽車金融-融資租賃全生命周期風險管理的一點認識。

我的分享大概分為三個部分，首先我會去說一下，目前汽車金融和融資租賃行業的一個發展的情況，基于同盾的大數據以及我們對行業的認識，從宏觀層面講一下行業的發展；第二部分，我們會梳理一下在實操層面，每一家主機廠金融公司、融資租賃公司、助貸機構所面臨的風險管理的一些現狀以及痛點；最后一部分會花一些時間去講如何應對這些痛點，如何打通營銷和風控從而實現全流程的風險管理。

下面我們進入第一個環節，上面顯示的數據是同盾對過去2018年的前十月份，我們汽車金融、融資租賃場景的調用量的統計，從六月份開始到十月份，每個月的調用量都是穩定在100萬次查詢左右，可看到這個趨勢已經比較平緩了，跟我們目前觀察到的汽車銷售市場以及我們相對已經平穩的滲透率是相當一致的。在這里也介紹一下數據背景，其實同盾介入的汽車金融和融資租賃的客戶，市場占比已經超過了70%，所以這個數據還是非常有說服力的。總體上來說，我們的觀察是這個市場，尤其是新車的融資租賃和汽車金融市場已經趨于穩定。

我們對整個泛汽車金融和融資租賃的大行業做了一個細分，按照客群的特征，我們把它分成四個部分：廠商汽車金融，主要是以主機廠為背景的汽車金融公司；融資租賃公司和助貸機構，助貸機構實際上對接了很多的資金方，包括銀行，也包括一些廠商金融公司和融資租賃公司；最后是發展比較快的互聯網平臺，它主要是像優信、人人、瓜子這樣的為代表的平臺。

從2018年的1月到10月市場的占比來看，有一個趨勢不太明顯，但我們也觀察到了：互聯網平臺的市場占有率從年初的20%到25%之間，現在上升穩定在30%左右，所以我們看到線上流量在汽車金融和融資租賃慢慢變得比較重要了。

同時我們也發現，助貸機構所貢獻的流量占比和市場份額在最近一段時間也會有縮小，可能跟最近的監管、各方面的政策有些關系。相對來說融資租賃是非常穩定的，從年初的7%左右到年末的8%到9%，沒有大的變化。

回顧了整個大市場的情況是趨平緩的，同時我們對底下四個細分領域廠商金融、融資租賃、助貸機構和互聯網平臺的市場占有率進行了追蹤。我們發現，在汽車金融和融資租賃市場里面，客戶有往頭部機構集中的一個趨勢，而且這個趨勢非常的明顯。我們這里說的頭部機構對行業細分里一些比較大的機構的統稱，一般市場占有率在前十位的我們認為是頭部機構，頭部機構所占有的市場比例從18年1月的35%一直保持持續上升，到9月、10月已經接近了50%，從這個比例變化來看，現在整個汽車消費信貸是加速地往頭部機構去靠攏。

其實這樣的一個觀察也給我們一些啟發，我們發現行業的壁壘在慢慢形成了，我們也慢慢看到一些實力很強的機構，他們的實力也會變得越來越強，他們不管是在獲客還是在風險管理、定價、資產管理層面都有著非常強的優勢。

從風險管理層面來說，這四個平臺的客群已經有了非常明顯的區別，上圖是同盾的一個風險評估，分reject——拒絕、review——人工審核、accept——接受三個部分。廠商金融的客戶，我們給到的拒絕比例是在2.79%；融資租賃的客戶，我們給到的拒絕比例是在5.38%；助貸機構是7.04%拒絕比例；互聯網平臺的客戶拒絕比例在6.53%，大家能非常清楚的看到，像主機廠金融公司，他們的客群從風險的角度來說是最低的，當然他的融資成本（借貸成本），利率也是最低的。所以每個細分場景應該有不同的一套風險管理思路，這也是跟風險偏好直接相關的。風險最高的一層實際上是助貸機構，這個其實也不難理解，很多被其他金融公司拒絕掉的申請，最終會落到了助貸機構這一層。

之所以跟大家分享這些數據，也是希望大家對自己公司所在的同一層的風險狀況有一個大體認識，在不同的風險區間和層次里面，我們風險管理的套路肯定是不一樣的。

下面我們從地域的視角去分析一下風險分布的情況，這是同盾大數據在1到10月份累計的申請的數據情況，我們從欺詐風險的濃度去判斷，會發現整個風險從中國的南部往北部移的趨勢非常明顯。整個東北是我們欺詐風險最高的三個省，蒙古、寧夏、甘肅、山東，都是一些相對來說比較高危的省份。如果有機構正在做產業，那么渠道怎么去布，每個省份的風險定價是怎么樣，希望這里能對大家有一些啟發，一些思考。

其實我們國家每天都在發生翻天覆地的變化，半年前我們的風險地圖顯示福建和浙江實際也是有高風險的，尤其是福建的欺詐風險是非常明顯的，但現在我們發現福建的欺詐風險明顯降低了，而且大量的轉移到了東北地區。所以反欺詐策略里，我們使用的一些分數是要及時去做更新的。這也是為什么很多的客戶也通過第三方大數據機構去做反欺詐風險的聯防聯控。同時，對風險的宏觀認識是需要結合大數據去做出機制的調整和判斷的。關于反欺詐，會在接下來的解決方案、痛點的解析里面做更具體的講解。

除了從大數據方面對汽車金融-融資租賃做了一些描述，同時我們也跟很多客戶在聊他們怎么樣去認識這個行業的發展，那我們也把大家的一些觀點做了一個梳理。

汽車金融首先是要支持汽車銷售，其次它有非常強的消費金融基因。所以，汽車金融行業有兩個方向：向左走就是純粹的消費金融，一個有抵押場景的消費金融；向右走實際上是資產管理，怎么樣去管理好車，怎么樣做好應收賬款的管理等等。很多的金融機構選擇了其中一個方向去深化，去筑建自己的壁壘，去構建核心競爭力。還有一些機構就走的比較寬，一些實力非常雄厚的企業，比如說主機廠金融公司，他們現在開始投資了分時租賃，還有mobility service，思考怎么樣去服務好客戶，讓它去提供一個出行服務，而不僅僅是賣車。所以現在每家都在布局自己的一些細分的能力。

消費金融核心競爭力是什么？我覺得首先是要對汽車消費場景的控制，有了渠道，有了流量才可能把消費金融做好。然后是對客戶信用風險的評估要有非常強的能力，包括數據的能力、模型的能力，還有就是具備利率定價和調節的能力。做消費金融需要拿到便宜的資金，這也是為什么我覺得將來持牌機構會具有非常非常大的優勢，因為相對來說他們的資金成本，不管是直接融資還是通過銀行間的借貸、ABS等，他們都有更強的優勢。那從盈利的模式來看，消費金融其實很簡單，掙的就是利息差，關鍵的是什么？關鍵是降低運營成本，降低資金成本，提高自己定價的能力來維持利息差。

向右走的話是資產管理。在像滴滴這樣的平臺出現之后，大家發現客戶需要的是出行服務，那就意味著車輛的所有者實際上可以是平臺方，所以有很多的汽車金融和融資租賃公司也在往資產管理方向走。他們的核心競爭力是什么？主要是資產運營的能力，包括單公里成本等幾個核心指標。在我們去運營一輛車時，我們每公里的成本如果低于競爭對手，那就是一個巨大的優勢。同時因為要擁有大量的汽車資產，所以汽車采購能力就要非常強。像一些走的比較前沿的平臺公司，他們已經開始做定制車了，而且定制車的成本也相對會低一些。還有一個核心競爭力就是對于資產的處置和殘值評估的能力，我們有一個客戶是非常典型的，他們一方面做融資租賃，另一方面他們還做分時租賃。那在融資租賃產品里面，一些壞賬對應的車輛回收之后怎么去處理呢？一般走拍賣周期非常的長，他們就可以直接用來去做分時租賃。他們就非常有優勢，他們資產處置的能力明顯是更強一些的。

相對來說，跟消費金融相比，資產管理這條路走得更艱難些。目前看，大家盈利的能力還是比較弱的，因為前期需要大規模的燒錢去鋪業務的。將來的盈利點，更多的是租金的收入，通過降低車輛的運營成本，通過提高用戶體驗，獲取服務的溢價，比如說專車、豪華車這樣一個方向等等。

所以這是我們認為的目前行業里面汽車金融公司，融資租賃公司可以選擇的兩條路，大家目前還是偏消費金融的成分多一些，慢慢的有大量的公司去做直租，然后從直租再做分時租賃往資產管理這條路在走。

剛才我們梳理了整個汽車金融和融資租賃行業里的一些大趨勢，以及我們對這個行業的一些理解。下面我們具體聊一下，汽車金融場景所面臨的一些風險痛點。

首先，欺詐風險依然是最大的一個痛點，我們認為欺詐風險是更大于信用風險的。欺詐風險首先有偽冒申請的問題，同時虛假的資料也比比皆是，尤其是在高風險定價，就是利率比較高的產品底下。那另外還有內部欺詐，就是內部銷售人員和外邊的人串通起來，包括有做假資料的，還有更多的是飛單的問題。好的用戶都跑掉了，壞的用戶我們自己還在做。

另外除了欺詐以外，在任何金融場景里面，信用風險是不得不談的。那現在最大的痛點可能是什么？是征信的數據不足。我們有一部分客戶已經有人行征信的接入了，那還有一大部分實際上是沒有數據的，同時人行征信的白戶也沒有覆蓋的那么全，這也是為什么很多企業也在跟大數據機構達成各種各樣的合作，通過打通數據去作更精準的客戶畫像?？偟膩碚f，風險層面面臨的是內部欺詐、外部欺詐、資料造假，以及信用風險很難評估等這些沒有足夠信息去評估的問題。

金融場景傳統的風控手段，不管是貸前、貸后都有成體系化的東西，從填寫申請表、提供相應的資料、電話審核、實地家訪、批準相應的額度、審批權限的設置等等。雖然各家有各家的做法，但是歸納一下其實就是這些東西。那貸后方面也都是從早催、從M（Months）0、M1一直到M3+，都有一個套路。當然我們一旦到了M2+的話，可能好多都是外包催收、實地催收，那外包催收最初的資源怎么管理？傭金怎么設置？也是各家有各家的做法。最后一步就是通過訴訟的法律手段去實現催收，那這里更多的是利用律師的口氣去給客戶做施壓實現催收，但真正很少會有去做訴訟的，因為成本太高了。這是傳統汽車金融場景貸前和貸后所能用到的一些風控手段。

傳統的風控手段實際上有很多問題：

第一是用人成本高，在比較傳統的金融公司和融資租賃公司有非常大的貸前審核的團隊，同時還有非常大的催收團隊，包括早催的團隊和實地催收的團隊。

第二是標準化程度低，每個人有每個人的做法。有可能一個單子你過來審，我們是能通過的，額度能給到20萬，換一個人來審可能就不一樣了。因為中間有很多東西，比如對于月收入的認識，對于可抵押的物品的認識是不一樣的。

第三是效率偏低，一個有經驗的審貸員一天能審的單子是非常有限的。

第四是自我學習能力弱，團隊每天都在執行分工運營的事情，他很難站出來思考這樣做法是不是對的，所以會陷入一個不良的循環。就比如大的團隊一天能處理2000個進件，那他目標很簡單，就是到幾個月之后，每天能處理兩千五百單就是很大的進步了。但實際上中間他沒有從更廣的范圍去審視問題，很難從根本上去做自我提高。

第五個問題，也是最大的一個問題還是風險的盲區太多了，因為風險是在不停變化的。我們操作規程里面有各種各樣的檢查，有些是針對信用風險的，有些是針對欺詐風險的。尤其是欺詐風險，它每天的變種特別多，每天有各種各樣的套路過來，如果不能及時得去更新流程，那風險盲區是非常多的。針對這些問題，后面我們在第三部分會去講一下應對方法。

整個市場競爭非常激烈，給風險管理工作提出了更高的要求。首先是我們對用戶體驗的極度關注，從產品設計來說，現在有大量的零首付和一成首付的金融產品，同時提交的資料是越來越少，大家都在做兩證一卡，快速審批。這的確是市場對于汽車金融、融資租賃公司的要求，我們競爭對手這么做，那我們也必須要這么做。這就要求我們在僅有的這些資料情況下，依然能夠獲得這個客戶的信息，減少對客戶的打擾。

第二方面是下沉的客群引入了很多增量的欺詐風險，現在整個汽車金融市場的滲透率已經做到30%多、40%多，甚至有些公司在豪華車這一塊超過50%了。那怎么樣才能更高得去占有這個市場？就是渠道要多樣化，下沉到三四線去。在這種情況下，欺詐風險也會隨之上升，因為越是下沉到底下，我們對于下沉區域的把控力度就會越低，催收的能力、渠道的滲透能力都會差一些，欺詐風險會新增。

從貸前來說，下沉渠道的同時，我們降低了對客戶的一些要求，我們把產品設計得越來越接近。另一方面，監管卻給我們提出了更苛刻的要求，催收受到了很多的限制，所以抵押物本身的風險緩釋能力也得到了一定的限制。

這三方面是激烈的市場競爭對于各家機構的風險管理要求。那下面我們就分享一下具體的案例事件，在這個快速變化的市場里面，我們的客戶會遇到什么樣的問題？舉一些簡單的例子：

第一個是非常典型的中介欺詐的案例：客戶只需要支付車貸首付款，然后再車身貼廣告，便可以不用自己還月供，而是通過廣告公司“幫你還月供”。一輛10萬元左右的車，騙子收取客戶3萬首付，選擇金融公司首付一兩萬的產品，扣除各種稅費差額就是騙子的收入。而客戶可能是會不仔細看車貸合同的，尤其是一些三四線城市會出現這種情況。接下來出現糾紛之后，真正受到損失的是買車人和車輛背后的資金方（汽車金融公司或者融資租賃公司）。這是在一兩年前比較常見的一個套路。

第二個是一個騙貸團伙的案例，也是非常典型的套路，多發生于三四線以下城市甚至農村地區，由專業騙貸團伙將當地無征信記錄的白戶集體通過包裝工作證明、銀行流水、社保記錄等方式，集體申請車貸。這些被包裝過的借款人通常呈現高度標準化特質。例如借款申請表格填寫特別規范、各項證明材料特別完整等。

第三個案例實際上是一車多貸，在汽車金融、融資租賃場景，車輛大部分是要求抵押的，那抵押實際上是風險控制非常強的一個手段，但現在很多欺詐分子會在這上面做文章，例如去做假綠本，由于現在作假水平越來越高，所以綠本本身完全看不出任何問題來，需要通過去車管所辦理抵押登記手續才能看得出來。但往往因為我們考慮到要給這個用戶提供更好的服務，所以有時會先把車交出去再去做抵押，那中間實際上給欺詐分子提供了很多的機會可以去利用。

實際上我們也是要慢慢通過一些防偽的手段，包括跟大數據的合作等等，去解決這樣的一些問題和困難。

剛才我們梳理了汽車金融、融資租賃行業的痛點，接下來說一下如何去解決這些問題以及怎么樣通過科技的手段去實現全流程的風險管理。從上面這個圖可以看到，全流程的風險管理實際上是從營銷層面開始的，不管是從三方引流過來的，還是通過銷售管理進來的申請進件。

第二步是反欺詐的環節，我們有相應的數據支持、模型支持、技術支持來實現把欺詐擋在貸前之外。

第三步是貸前準入環節，貸前準入更多得是去確認需求的真實性和有效性，所以背后有一些身份核驗、手機實名核驗的數據支持，同時我們會去判斷申請的手機號的在網時長，因為很多新的手機號是存在高風險的，還有教育信息的核驗、地址存在的核驗、銀行卡的核驗以及工商信息的核驗等，工商信息主要是針對小企業的信息核驗。在這個環節里，我們通過一些策略，逐步做完驗證之后來確認申請是否有效，是不是一個真實存在的人，對汽車消費是不是有真實的需求。

第四步是客戶授信環節，我們的客戶授信是非常經典的信用評估模型，一方面通過互聯網大數據搜集到客戶部分的畫像，有人行征信接入的這部分客戶，也可以直接用人行征信的數據，也能很好得評價客戶的信息。當然如果這兩方面數據都有欠缺，就可能需要走人工審核的流程，包括電話審核，大額審批的可能還要做簡單的家訪等售端去解決這些問題。也有會要求客戶把相關的一些資質證明提交過來，通過客戶提交的資料去解決風控的問題。在集中所有數據之后，不管這個數據是從大數據公司過來的，還是從人行征信過來的，或是客戶提交過來的，我們都希望能夠有一個標準化的東西，把這些數據集中起來跑一個模型。

跑一個利率管理模型或是額度管理模型解決的是什么？額度管理模型解決的是我們總共能夠貸出去多少錢的問題，利率管理模型解決的是客戶這個人是怎么樣的問題。信用好的，我們可以考慮利率低一些；信用不太確定的，我們可以把利率調整的稍微高一些，通過這樣市場化的手段把好客戶留下，把壞客戶分流出去。最終我們會在信用風險客戶授信這個環節去做放款的確認，如果放款的話，會進入貸后管理環節。

現在有特別多的客戶用非常高科技的手段去做貸后管理，包括還款的提醒、語音合成的逾期催收等等。剛才說了催收容易產生一些糾紛，尤其是在監管管理非常嚴的情況下，通過一些工具去做催收反而效果會好一些。在放款之后，逾期之前，同盾這邊還提供一個貸后監控的產品，放完款之后可以定期對身份證號和手機號進行掃描，我們如果發現這個手機號、身份證號所對應的人在其他的平臺有新增的借款，再或者是最近有涉案等一些高風險信息的時候，我們會第一時間反饋給我們的客戶，讓我們的客戶有時間能夠在早期進行介入，不管是從客服還是早催，去跟客戶做一個更細的了解。

這個就是我們同盾的全生命周期的風險管理體系，現在整個風險也都是越來越前置了。之前我們說的最多的風險是信用風險，就是通過對于客戶的理解，我們去回答兩個問題，借多少錢給這個客戶？用什么樣的利率去借？現在我們逐步把這個重心往前移了，慢慢移到了營銷的階段，我們在營銷階段就會需要對客戶有非常精確的一個認識，一方面是方便我們做風險管理，還有一個很重要的原因是方便我們去做營銷。現在大量的公司在做白名單的機制，他們希望能夠維護出來一些資質非常好的，有很好還款歷史的客戶。比如說你今年買了輛卡羅拉，那下一次你可能要升級到凱美瑞的時候，你還是要去使用我的服務，在這樣的流程底下風險是最低的，這個客戶也是我們最了解的客戶，用最低的利率來做更長期的合作。我相信白名單一旦成了規模，它對整個生態的促進作用，一定是優于黑名單的。

信用風險是風險管理最重要的一環，那怎么樣通過數據和模型去支撐整個信用風險和欺詐風險的管理？同盾會提供聯合建模的服務，能夠把客戶自有的數據和外部第三方平臺提供的數據做一個充分的融合，把最多的數據融合在一起后，會去評價每個變量的有效性，當然前提是說客戶有一定的數據積累，尤其是壞客戶歷史上的一些特征這個數據有一定的存留，那我們做一個結合之后，會找到一個模式去發現有這樣特征的一些客戶，我們覺得他的違約概率是更高的，這就是這個數據和模型背后本質的東西。

聯合開發、聯合建模的好處是什么？聯合建模能夠充分的去挖掘數據背后的一些規律，能夠最大范圍的去使用數據的價值。當然我們還有一些客戶，尤其是規模比較大的客戶，他們有自研的模型，我們也可以通過聯合建模的方式對這個客戶輸出一些標簽的信息，客戶畫像的信息，最終可以把這個模型放在客戶這邊。當然我們也希望客戶能夠把數據給我們做一個分享，把這個數據也放在同盾這邊，我們可以提供更高頻的監控，當模型出了問題的時候，或是模型需要調優的時候，同盾可以更專業得去發起模型的調優。

最后說一下我們模型的效果，客戶如果有自己的模型的話，一般在同盾介入之后，整個模型的K-S普遍能夠提升10%以上，這應該是非常好的一個效果了，尤其是對于那些風險比較大的客群，就是欺詐風險比較高的，我們K-S提升的比例可能還要超過10%。

當我們的模型和策略都已經制定之后，如何通過軟件，通過基礎設施去實現它？同盾可以提供一個企業級的私有云服務，主體實際上是風險決策系統。風險決策系統包括兩大部分，規則引擎和模型引擎。我們反欺詐的策略、一些業務的準入規則都可以放在規則引擎里面，比如說關于“年齡”，可能低于18歲，高于70歲的，我們就不做了；接待超過多少次的我們不做了；黑名單上網也不做了......這些是放在規則引擎的。在我們綜合的評價一個客戶好壞的時候，我們也可以很好得將模型部署在我們模型引擎上，在入參經過計算之后，我們最終給一個反饋出來說這一單申請是直接通過，是人工審核，還是拒絕。響應速度也是非?？斓?，能夠在200毫秒以內給到客戶一個反饋。

整個圖的下面還有個數據集市，數據集市實際上是我們對歷史數據的一個沉淀，剛才說了做模型的基礎設施是歷史數據，尤其是歷史上曾經出現問題的這些客戶申請的信息是越多越好，越多的話，我們模型就越有月準、月統計的意義。數據集市也是分主題的，風險實際上是其中一個主題，我們可能狹義上講的數據集市是風險管理的數據集市?，F在有特別多的公司在大范圍的去做數據倉庫的建設，包括營銷主題的數據集市、進銷存的數據集市、風險定價的數據集市都在這一塊，這是一個方向。同盾也能提供這樣的一些咨詢服務給到我們的客戶。

在后臺管理環節更多的是一些通用的功能，包括交易管理、統計報表、規則管理，還有權限管理、系統管理都在這塊。整個圖的上面有一個數據前置的系統，實際上數據前置給我們的客戶提供非常寬的一個數據接口，所有的數據都可以通過數據前置對接到我們的核心業務系統，然后傳入我們的這個風險決策平臺。這也是能夠讓我們的客戶很快的、可擴展的去管理所有的數據源，像數據前置對接的有業務渠道系統，其實還可以對接外部數據，比如人行的數據、法院的數據、公安的數據、運營商的數據等等，當然同盾的數據也是其中的一個部分。

所以有這樣的一個系統架構之后你會發現是非常方便的，不論你今天想擴展兩個數據源，還是你明天想斷掉這個數據源，還是想建立自己的數據路由，或是怎么樣更有效率去使用這個數據等等，從成本和效果考慮，都可以在外部數據上做很多很多這樣的調整，這是我們能夠提供落地的全生命周期風險管理的一個系統架構。

我們花了很多的時間講貸前怎么樣去管理，剛才那個大的系統架構實際也是集中在貸前?，F在隨著汽車金融融資租賃這個行業逐步在成熟，大量的資源也在往貸后風控的建設去投入。在貸前，我們主要是去確認這個客戶能不能做，貸中和貸后是說放款之后如何管理好這個資產，包括車在什么地方，貸款人最近的情況是什么樣子的，所以我們要打通貸前和貸后，實現全面的風險管理。

從數據層面來說，貸前的風控已經說了很多了，我們最終把數據落下來之后，主要是控制貸前風險，提升貸前審核的效率。從全流程層面來看，我們還要非常有目的性得去沉淀貸后的數據，形成貸后數據的集中，要能夠把業務指標體系化。舉個例子，我們關心比較多的是審核通過率和放款比例，那放款之后我們M0到M6之間的分布是多少，逾期1到30天的占比是多少，30到60天的是多少，30到60天又能回滾到M0、M1的有多少......這些指標也非常非常有價值的，我們要能夠通過系統去把它沉淀下來，同時能夠跟貸前做一個連接。我們再舉個例子，例如我們在三個月之前新設立一個審批規則，這規則好不好，可能要到半年之后我們通過貸后的表現，去做一個確認和認定。好的話，可以擴大、加強；不好的話，可能要做優化調整。

這是一個全套的風險管理體系，在這個體系做好之后，我們可以做基于內部數據的風險定價。就是說一個客戶來了之后，我們先去判斷一下，當發現風險高的時候，你可以把風險定價提高一些；對于好的客戶，我們可以提供低于市場平均的利率，希望他能和我們去做這筆交易。希望好的客戶越來越多，這樣整個生態才能得到一個很好的優化。在這里我想說，我們做風控的主要目的并不是為了控制風險，本質上還是要去最大化我們的利潤，所以風險定價很好的平衡了這兩個要求。

最后我想講一下，新生態下風險管理的思維。汽車金融是一個重資產的行業，投入是非常大的，所以對成熟的汽車金融公司來說，應該有一個風險管理思維。一個成熟的風險管理思維是什么？首先是要設定公司的戰略和風險偏好，基于這個戰略和風險偏好，我們去設定我們產品的定價和其他的一些市場競爭力的設計。舉個例子，我們是要做利率在年化20%以上還是10%左右的產品？我們是要去新疆、西藏展業？還是去東北，或是只做一線城市？這些實際上都是跟我們的風險偏好，公司的戰略直接相關的。

當這些東西都定下來之后，就會有個逆向選擇，當你選擇風險偏好比較低的設計，那好的客戶就會過來，因為我們的利率比較低，我們面對的客群都是一些白領、工薪階層這些比較好的客戶，風險是比較低的。那當然如果選擇定價比較高的，選擇高風險這一層的話，那相應來說整個風險的情況會不太一樣。這兩種選擇都是可以的，而且市場也很廣闊，目前看每一層都有很豐厚的利潤。你怎么樣去選擇風險偏好，你的客群特征就會是你的選擇。

到了貸前和貸后的運營層面，更多的是去執行我們的戰略，執行我們戰略背后所需要去做的規則。在貸前和貸后運營層面，我們能夠沉淀大量的數據，我們貸前審核是怎么批的，我們的貸后是怎么樣管理的，最終是損失了還是盈利了......這些數據沉淀下來之后，進入我們最終的成本核算。

我們風險成本、資金成本、運營成本是什么樣子的？跟我們當時制定的計劃是不是一致？我們去重新review一下之前的戰略和風險偏好是不是一致的？如果有偏差的話，是不是要做一個調整？所以在這樣的思路下有兩方面特別重要，一方面是我們風險體系的建設，我們一定要有戰略層面的討論，以及基于這個戰略的規則和產品設計要有非常明確的一個方向；那另一方面我們要有一個非常好的數據體系建設，我們貸前、貸后運營的數據是不是能夠非常規準的、能夠被人理解的沉淀在我們的數據庫里面，我們有沒有定期去觀察這些數據，然后去核算我們的成本是不是跟之前的預期是一致的?？赡軐τ谛鹿緛碚f是面臨挑戰的，但有了這樣一個循環，最多一年他對市場的理解、對客群的理解、對業務的理解就會不一樣。

總的來說，我們要牽引數據，要設計規則，最終構建一個健康的生態，這樣才可以讓這個企業更持續的、更穩定的往前發展。

今天我講的內容主要就是這些，謝謝大家！

來源：中國汽車流通協會汽車金融分會   作者：馮維文