信用卡-信用卡數(shù)字化時代的審批風控管理20220414

信用卡數(shù)字化時代的審批風控管理
張光祿老師
課程背景：
“十四五”規(guī)劃提出，提升傳統(tǒng)消費，培育新型消費，加快線上線下融合發(fā)展，這為金融機構零售業(yè)務轉型發(fā)展指明了方向。對于信用卡業(yè)務，商業(yè)銀行要踐行線上線下客戶一體化經(jīng)營策略，有效提升客戶服務效率和體驗，進一步降低運營成本，最終在“雙循環(huán)”發(fā)展格局下贏得新金融實踐的先機。
為推動信用卡業(yè)務數(shù)字化轉型，銀行在信用卡審批領域的營銷、辦卡、授信、調額環(huán)節(jié)，以及分期業(yè)務場景，深化科技業(yè)務融合創(chuàng)新，積極探索金融科技賦能新模式，引入智能決策引擎，提升風控模型，全流程保障業(yè)務發(fā)展，加速個人授信審批業(yè)務質效提升，推動信用卡營銷精準獲客活客。
課程收益：
讓學員了解銀行信用卡業(yè)務數(shù)字化轉型的新理念、新趨勢
讓學員了解銀行信用卡業(yè)務數(shù)字化轉型的新工具
讓學員了解銀行信用卡業(yè)務數(shù)字化轉型的審批流程
讓學員了解銀行信用卡業(yè)務中的貸前審批風控策略
讓學員了解銀行信用卡業(yè)務中存在的貸前欺詐手段及防控措施
課程對象：
各銀行信用卡中心前中后臺管理者、風控審批人員、數(shù)據(jù)分析人員及一切相關需求者
課程時長：
2天（6小時/天）
課程大綱：銀行信用卡已邁入數(shù)字化運營新時代
加快數(shù)字化發(fā)展,建設數(shù)字中國
從商業(yè)本質看科學進步對經(jīng)濟發(fā)展的重要影響
從《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》看七大產(chǎn)業(yè)數(shù)字經(jīng)濟大發(fā)展
全面分析數(shù)字經(jīng)濟七大重點產(chǎn)業(yè)助力銀行數(shù)字化轉型
云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、區(qū)塊鏈、人工智能、虛擬現(xiàn)實和增強現(xiàn)實
通過布局數(shù)字化轉型，實現(xiàn)銀行整體降本增效
例：從中信銀行發(fā)布的年報數(shù)據(jù)看數(shù)字化轉型賦能信用卡高質量發(fā)展
數(shù)字員工概念助力銀行數(shù)字化建設
例：中國工商銀行運用數(shù)字員工打造客戶精準營銷的“最強大腦”
人工智能技術賦能信用卡的全流程業(yè)務
例：根據(jù)平安銀行中報數(shù)據(jù)顯示，該行優(yōu)化AI智能語音技術滲透到不同服務場景，其中智能語音月外呼規(guī)模已達1200萬通，等同節(jié)約人工坐席約3000人的工作量。
科技全方位賦能信用卡審批全流程
AI智能審批大幅提高
例：平安銀行新增發(fā)卡逾400萬張，近90%是人工智能（AI）智能審批
信用卡背后的“黑科技”：智能風控自動審批
例：平安銀行信用卡從申請、填寫信息到發(fā)卡并即刻使用，只需要不到1分鐘
深度解讀RPA（Robotic Process Automation）
RPA指的是什么
例：Gartner調查數(shù)據(jù)顯示，2020年全球RPA市場達到15.8億美元，比2019年（14億美元）增長11.9%。
RPA技術的起源
RPA技術在銀行的主要應用場景
RPA的優(yōu)勢及對于銀行的意義
銀行布局RPA的實踐
目前RPA的局限及未來展望
信用卡審批全流程分析
信用卡風控貸前審查流程
信息采集、信息驗證、反欺詐、信用評估、授信
信用卡審批智能化體系搭建
例：中國工商銀行建設全新信用卡審批智能監(jiān)督系統(tǒng)，實現(xiàn)智能時代“人機協(xié)同”管家式服務，持續(xù)優(yōu)化客戶用卡環(huán)境
銀行信用卡貸前審批的風控知識及管控策略
信用卡申請時申請人的三大數(shù)據(jù)分析
不變數(shù)據(jù)
限制性變化數(shù)據(jù)
變化數(shù)據(jù)
信用卡審批時的多維度客戶信用評估
性別、年齡、學歷、婚姻狀況
手機在網(wǎng)時長、常聯(lián)系人
資產(chǎn)水平、收支水平
消費水平、消費時間、地域、行業(yè)特征
逾期記錄、黑名單
信用報告的引入
內部信用報告
外部信用報告
人行信用報告、第三方信用報告、其他類信用報告
一張看似簡單的申請表并不簡單
例：浦發(fā)銷冠從申請表內的申請信息進行深度分析潛在風險
風控策略優(yōu)化的思路和常用工具
優(yōu)化思路
依賴貸后表現(xiàn)數(shù)據(jù)，服務于貸前貸中環(huán)節(jié)
提升盈利是最終目的
提升通過率，同時保持目標壞賬率 or 保持目標通過率，同時降低壞賬率
常用工具：K-S曲線、Lift Chart、ROC曲線
S曲線
依據(jù)模型評分將客戶排序，劃分成若干個區(qū)間（區(qū)間劃分越小、曲線越平滑）
依次計算每個區(qū)間內好、壞客戶的比例
根據(jù)評分從低到高/從高到低，計算每個區(qū)間好、壞客戶的累計占比
每個區(qū)間上好、壞客戶累計占比的差值形成K-S曲線
K-S曲線最高點的縱坐標值即為K-S統(tǒng)計量（K-S值），對應的橫坐標位置即為cutoff點
Lift Chart
依據(jù)模型評分將客戶排序，劃分成若干個區(qū)間
依次計算每個區(qū)間客戶的響應率、累計響應率
區(qū)間提升指數(shù) = 區(qū)間響應率 / 平均響應率
累計提升指數(shù) = 累計響應率 / 平均響應率（ or 累計提升指數(shù) = 累計響應率 / 平均響應率 - 1）
ROC曲線
設置一個閾值，作為區(qū)分好人、壞人的界限
先將閾值設置為評分的最大值，再依次減小，直至評分的最小值
基于不同的閾值設置，產(chǎn)生一系列不同的混淆矩陣和相應的sensitivity、specificity組合
以1-specificity為橫坐標、sensitivity為縱坐標繪圖，畫出ROC曲線
ROC曲線下方的面積，即為AUC值
ROC曲線上，離左上角最近的點
大數(shù)據(jù)智能風控,護航高質量發(fā)展
例：中信銀行信用卡中心通過大數(shù)據(jù)、機器學習、云計算等智能技術,引入多維新型數(shù)據(jù)豐富客戶風險畫像,全年共迭代優(yōu)化全流程信貸風險評分卡26張,有效提升風控精準施策能力;通過機器學習算法實現(xiàn)了更加高效、精準的風險決策能力新突破,實現(xiàn)交易金額挽損提升20%
銀行信用卡貸前欺詐手段與防控措施
信用卡能給客戶帶來的九個主要功能和兩大核心功能
客戶申請信用卡的核心訴求
客戶為什么要進行虛假信息進件申請
常見的虛假信息進件申請項
客戶身份造假
例：某房地產(chǎn)中介從業(yè)人員冒用多個身份進行多家銀行信用卡申請操作
客戶工作信息造假
工作單位、工作崗位、工作職位、工作年限、單位座機、年收入（含提供虛假銀行流水）
例：某客戶在申請信用卡時提供提前制作好的假銀行流水和機動車行駛證作為財力證明
有效識別客戶常見的的虛假申請
通過內外部征信報告進行基礎信息比對
通過互聯(lián)網(wǎng)公開信息比對進行核驗
通過三大電信運營商的電話分布規(guī)律進行側面核實
例：浦發(fā)銷冠團隊運用核查申請人提供的工作單位座機號段，識別虛假申請信息，提前降低風險發(fā)生率
課程總結

張光祿老師的其它課程