가이드:
Didi의 독특한 여행 현장 빅 데이터는 금융 분야에서 매우 광범위한 응용 전망을 가지고 있으며 미래에는 은행, 보험, 지불 및 자산 관리 기관과 협력하여 전통적인 금융 기관이 자원 배분 효율성을 향상시키고 고객 확보 및 위험 관리를 줄일 수 있도록 돕습니다. 비용. . 여행 시나리오의 빅 데이터는 거래 사기 식별, 위험 가격 책정, 정밀 마케팅, 전체 수명 주기 위험 관리 및 성장 운영에서 중요한 상업적 가치를 갖습니다. 빅데이터를 적용하고 분석하는 능력은 향후 금융기관 발전을 위한 핵심 경쟁요소로 자리잡고 있습니다. 본 글은 자동차 금융 및 자동차 대출 상품의 관점에서 출발하여 현장 데이터와 전통적인 신용 리스크 관리 개념을 결합하고, 비즈니스 개발 과정에서 신용 리스크 변화를 정확하게 파악하여 비즈니스 모델 개선 및 사용자 재편에 긍정적인 역할을 해왔습니다. 값.
0. 디렉토리
- 오토파이낸스란?
- 디디오토파이낸스(Didi Auto Finance)는 무엇을 하고 있나요?
- 자동차 금융 리스크 관리에 Didi 빅데이터 적용
- 자산 관점에서 본 기존 문제와 해결책
- 전과정 리스크 관리 관점에서 본 기존 문제 및 해결 방안
- 데이터 적용의 세 가지 최적화 포인트
- 자동차 금융 리스크 통제 시나리오에서 디디 빅데이터 활용 전망
- 기업 신용 지능형 위험 제어
- 소매 신용의 지능형 위험 제어
1. 오토금융이란?
자동차금융이란 주로 자동차산업과 관련된 금융서비스를 말하며, 자동차 연구개발, 디자인, 생산, 유통, 소비 등 다양한 연계에 관여하는 금융방식을 말합니다. 주로 자금 조달, 신용 할부, 모기지 할인, 금융 리스 및 관련 보험 및 투자 활동이 포함됩니다.
▍비즈니스 모델
소매사업에서는 시중은행과 금융리스회사가 자본주체, 딜러/4S 매장/리스회사가 판매채널로 자동차 전자상거래 플랫폼이 안내 역할을 하여 금융상품을 필요로 하는 개인 소비자를 위해 공동으로 제공합니다. 할부와 서비스로 자동차를 구입하세요.
경쟁 환경의 관점에서 볼 때 은행과 제조업체 금융은 소매 시장의 주요 플레이어이며 자본 비용 및 채널을 통한 고객 확보 측면에서 절대 우위를 가지고 있습니다. 또한, 자동차 전자상거래 플랫폼은 온라인 전환 서비스 제공자로서 기존 금융기관의 고객 확보 효율성을 향상시키며, 최근에는 자동차 금융 시장에서도 활발히 활동하고 있습니다. 제품 유형의 관점에서 볼 때 판매 후 임대가 시장의 주류이며 직접 임대가 빠르게 발전해야 합니다.
2. 디디오토파이낸스는 어떤 일을 하고 있나요?
1) 현 단계에서 디디의 자동차 금융 사업은 여행 생태계에 서비스를 제공하는 위치에 있으며 모든 것은 사용자 가치에서 시작하여 자동차를 구입해야 하는 운전자에게 저렴한 자동차 구매 금융 솔루션을 제공합니다.
2) 온라인 차량 공유 현장 데이터의 축적 및 적용을 통해 자동 금융 위험 관리 시스템을 내부적으로 구축하고 종합적인 위험 관리 능력을 지속적으로 향상시키며 고품질 온라인 차량 공유 금융 자산을 생성하고 점진적으로 위험 가격 책정 기능을 형성합니다.
3) 전통 금융기관에 고품질의 금융자산과 체계적 위험관리 역량을 제공하고, 자금과 자산의 효율적인 매칭을 실현하며 금융자산 관리 역량을 축적한다. 동시에 자금과 자산을 연결하는 양자간 플랫폼으로서 주류 금융기관과 장기적인 파트너십을 구축하고 온라인 카헤일링 시스템에 대한 금융 지원을 지속적으로 제공했습니다.
앞으로 Didi Auto Finance의 사업 범위는 여행 산업 생태계의 발전을 통해 계속해서 풍요로워질 것이며 전체 여행 산업 체인으로 확장되어 자동차 딜러, 4S 매장, 대리점 및 기타 자동차 판매자에게 자동차 구매를 위한 금융 서비스를 제공할 것입니다. 산업 체인의 업스트림과 다운스트림에 있는 각 링크의 재정적 요구를 충족하고 점차적으로 정보 흐름, 자본 흐름 및 물류를 통합하는 자동차 산업의 새로운 금융 형식을 형성합니다.
3. 자동차 금융 리스크 관리에 Didi 빅데이터 적용
전통적인 신용 프레임워크에서 대출 기관의 중앙은행 신용 조사를 기반으로 상환 능력을 판단하는 위험 관리 모델은 더 이상 온라인 차량 공유 금융의 위험 관리 요구를 충족하지 못합니다. 온라인 자동차 호출 시나리오에서 자동차 금융의 위험 통제는 대출 자산의 신뢰성과 안정성, 위험 경고의 적시성에 대한 더 높은 요구 사항을 제시합니다. 지능적인 마케팅과 지능적인 위험 통제 의사 결정을 확립하는 것이 특히 중요합니다. 빅데이터 기반 시스템.
▍자산 측면에서:
자동차대출 C-end 문제점 : 대출 전 미사용 현장의 데이터를 개인신용조사 보완자료로 활용, 대출 내 데이터 누락, 매칭 위험 경고 계획 부재, 회수 효율성 저하 대출 금액이 낮은 후 온라인 자동차 공유 대출 기관에 대한 동적 신용 점수를 형성하는 것이 필요합니다.
해결책: Didi 빅데이터를 활용하여 전통적인 소매 스코어카드 모델을 보완하고, 현장의 개인 신용 리스크 특성을 반영할 수 있는 데이터를 자동차 금융 분야에 적용하고, 리스크 통제 정책 및 접근 표준을 수립합니다. 동시에 시스템 내 자동차 소유자를 위한 PD(부도 가능성) 점수 모델을 구축하고, PD 매개변수의 중요한 변화에 주의를 기울이고, 빅데이터 기반 위험 경고 솔루션을 제공합니다. 온라인 차량 호출 시나리오에 따라 포괄적인 위험 관리 시스템을 점진적으로 구축하고 전체 프로세스의 위험 관리 능력을 향상시킵니다.
자동차대출 B엔드 문제: 전통적인 금융기관은 CP(Car Partners) 신용 데이터가 부족하여 채널 리스크를 효과적으로 식별할 수 없으며, 특히 중소형 CP의 경우 전통적인 금융기관으로부터 신용을 확보하기가 어렵습니다.
솔루션: Didi 플랫폼의 빅데이터를 활용하여 고용주의 CP 신용 승인을 지원합니다. 구체적으로 채널의 기본 정보와 채널의 자산 규모, 자산 활용 효율성, 운전자 관리 능력 등을 반영할 수 있는 데이터 차원을 체계적으로 분류해 입력변수를 형성하고, 시스템 내 불량 샘플을 지속적으로 축적해 CP 준결승을 구축한다. 감독 모델 . 모델의 출력은 CP의 위험 수준을 직관적으로 반영하는 CP 신용 등급의 종합 점수입니다. 현재 자동차 금융의 CP 등급은 월별 산출물로 CP 위험 수준의 변화를 동적으로 반영할 수 있습니다.
▍전 과정의 리스크 관리 관점에서 보면:
실제 운영과정에서 소매자동차 할부대출의 3단계 대출 전, 대출 중, 대출 후에서 다음과 같은 문제점을 발견하였습니다.
대출 전 접근 위험: 대출 신청자는 대출이 승인된 후, 즉 A가 빌리고 B가 상환한 후 실제로 차량을 운전하는 운전자가 아닙니다. 이런 종류의 문제는 일반적으로 채널 수신 링크에서 발생합니다. 오토금융 상품의 판매과정에는 일정한 운영리스크가 존재하며, 주문완료율을 높이기 위해 오프라인 채널 영업사원은 대출전심사를 통과할 확률이 높은 신용도가 높은 사람을 기사 대신 찾아 대출을 신청합니다. 그러나 실제로 디디를 운영하는 운전자들은 신용도가 낮고 자산이 열악하며, 월납금을 뒷받침할 만큼 상환능력이 부족하고 PD 채무 불이행 가능성이 높다. 그러면 본 자동차할부대출의 신용위험은 대출 후 자산실적기간 동안 점진적으로 해제됩니다.
▍첫 번째 주문에서 대출기관과 운전자 정보가 일치하지 않았습니다.
대출 중 운영 위험: 대출 기관은 기간 내에 자동차를 반납하고 리스 회사는 차량에 대한 보상을 하며, 리스 회사가 새 운전자를 찾은 후 새 운전자가 운전하고 계속해서 대출금을 상환합니다. 이 경우, 대출 전 초기 대출 기관에 대한 전통적인 위험 통제 판단과 차량의 GPS 위치 확인은 대출 후 운영 차량의 위험 변화를 더 이상 효과적으로 반영할 수 없습니다. 임대 차량이 해당 기간 동안 여러 명의 Didi 운전자와 연속적으로 연결되면 리스 회사는 차량 운영 관리, 현금 흐름 관리 및 운전자 관리에 큰 어려움을 겪게 되며, 때로는 여러 명의 운전자가 공동으로 차량을 반납하는 경우가 있어 채널 집중 위험이 발생할 수 있습니다.
▍자동차는 운행 중 서로 다른 시점에 여러 운전자와 연결됩니다.
대출 후 연체 추심: 전통적인 신용 위험 관리에는 온라인 차량 호출 차량에 대한 대출 후 데이터가 부족하며, 대출 기관의 수입 및 운영 행위 데이터에 접근하지 않으면 각 연체 부채에 대한 대출 기관의 상환 능력과 상환 의지를 판단하는 것이 불가능하므로 소득상환률과 상환능력이 높은 대출기관에 대해서는 채권추심을 우선적으로 할 수 없다. 이 경우, 렌더 플랫폼의 주문 데이터와 대여 차량의 운행 데이터를 기반으로 회수 스코어카드를 작성하고, 회수를 분류하여 관리할 필요가 있다.
▍DiDi 빅데이터로 해결할 수 있는 문제:
온라인 카헤일링 금융 종합 리스크 관리 시스템 구축
소매 데이터 준비 및 모델 변수 개발 과정에서 대출 기관 신용의 기본 차원부터 도시, 채널 및 차량의 4대 주요 위험 요소에 이르기까지 긴 모델 목록이 형성되어 전체 대출 수명 주기를 포괄하는 동적 모니터링을 실현합니다. 자산. 동시에, 투자기업의 자산성과를 통한 모델 종속변수(불량샘플)의 지속적인 축적을 통해 리스크 수준의 변화를 효과적으로 파악하고, 조기경보 및 대응 메커니즘을 구축하여 손실률을 감소시킬 수 있습니다.
각 위험 요소는 드릴다운하여 여러 위험 지표를 형성하며, 이는 위험 제어 전략을 형성하기 위해 결합됩니다. 단일전략과 다중전략의 종합적 적용을 통해 대출위험의 조기경보와 적시 예방을 실현합니다.
구체적으로 최적화 방향에는 다음과 같은 점이 있습니다.
최적화 포인트 1: 대출 당시의 전통적인 대출 기관 위험 평가에서 프로세스 전반에 걸쳐 동적 다차원 위험 모니터링에 최적화되었습니다.
전통적인 신용리스크 관리는 대출기관의 1차원적인 신용리스크 측정에만 초점을 맞추지만, 온라인 차량호출 시나리오에서는 도시 정책 준수, 차량 운행 상태, 채널 관리 능력 등이 모두 신용 변화에 결정적인 역할을 합니다. 신용 프로세스 전반에 걸쳐 위험이 발생합니다. 이에 우리는 지속적으로 축적되는 Didi 차량 호출 장면 데이터와 불량 샘플을 활용하여 전통적인 신용 데이터 차원을 보완하고 A 카드와 B 카드를 최적화합니다.
조기 경보 요구 분석:
대출 지급 시기:
사기 방지 정보 검증, 데이터 차원에는 운전자, 차량, 승용차 매칭 검증, 플랫폼 측 채널 기본 정보 등이 포함되지만 이에 국한되지 않으며 동시에 채널 유입 위험도 확인됩니다.
대금 지급 후, 대출 중 모니터링을 통해 대출자의 신용리스크 실시간 변동을 반영하고, 빅데이터 리스크 조기경보 시스템을 구축합니다.
빅데이터 내부 평가 검증 거버넌스 구조, 내부 평가 검증 프로세스 방법을 구축하고, 다양한 수준의 최적화 전략과 실시간 프로세스를 제공합니다. 조기경보모델에서 전형적인 중대출 조기경보 전략은 다음과 같다.
동인 차원 전략: 흐름 안정성, 수입 능력, 증인 발급 여부 등
차량 차원 전략: 플랫폼 내 차량의 운행 상태, 차량과 운전자의 매칭 상태, 차량의 주행 거리, 차량 면허 취득 여부 등
CP 채널 전략 : 채널 부정적 정보 스캐닝, 채널 집중 위험 이벤트, 준수율, 채널 집중 연체 등
도시 준수 전략 : 온라인 카헤일링 플랫폼 인증서 획득 여부, 도시 준수 인증서 진행 상황, 분류 여부 관리 등등..
데이터 차원이 지속적으로 강화됨에 따라 4가지 주요 위험 요소에 대한 드릴다운 차원이 점차 증가할 것입니다. 동시에 실제 사업에서도 하나씩 검증하고 있으며, 운전자 A카드 B카드 모델의 결과를 통해 전략 반복을 진행하고 있습니다.
대출 후 수금:
수금 채점 모델을 최적화합니다. 연체운전자의 연체일수, 과금행위, 월평균 소득 등을 실시간 분석 및 모니터링하고, 연체채무별 상환능력 및 상환의사 종합점수 목록을 제공하여 사후 대출 추심의 효율성을 높이는 데 도움을 줍니다.
최적화 포인트 2: 데이터 관찰의 시간폭과 시점 관찰 깊이를 높이고, 이를 기반으로 미래지향성을 도입합니다.
장기적인 데이터 관찰, 단일 리스크 전략 반복 및 멀티 전략 적용에 대한 지속적인 검증을 통해 과거 평균 수준 및 동인 신용 리스크 변화 법칙을 파악하고 현재 비즈니스 단계를 기반으로 미래 지향적인 조정을 수행합니다. PD(부도확률) 이후에는 신용위험의 중요한 변화를 정량적, 정성적으로 평가합니다.
최적화 포인트 3: 빅데이터 분석 능력을 바탕으로 비즈니스의 전반적인 위험과 수익 변화에 대한 종합적인 판단을 내립니다.
C-end 금융리스 차량의 전 과정 리스크 관리를 통해 금융리스 상품 형태의 운전자 신용도 및 CP 채널 초상화를 점진적으로 개괄하고, 비즈니스 모델 및 상품에서 자동차 금융의 운영 리스크를 신속하게 파악합니다. 금융 리스 패키지, 경제 리스, CP 보상, 집중 불이행 위험 등이 식별됩니다. 또한 자동차 금융 자산의 품질을 명확하고 정확하게 측정하여 자산 측면과 자본 측면에서 위험과 수익의 균형을 달성합니다.
4. 자동차 금융 시나리오에서 Didi 빅데이터의 폭넓은 적용 전망
▍기업 신용 지능형 리스크 통제
방향: 전체 여행 산업 생태계에는 다수의 중소 서비스 제공업체/채널 제공업체가 분산되어 있으며, Didi 플랫폼에서 이러한 중소기업의 일일 운영 데이터는 운영 능력, 자본 유동성을 반영합니다. 관리 및 운전자 관리 기능. 다차원적인 비즈니스 데이터는 자금 확보를 위한 데이터 리스크 통제를 완벽하게 지원하고, 비정상적인 고객 행동 식별, 차별화된 신용 승인, 전 과정 리스크 통제 및 조기 경고, 한도 설정 등 비즈니스를 위한 의사결정 혁신 솔루션을 제공합니다.
진행 상황: 현재 Didi 플랫폼 파트너와 비즈니스 관계를 맺고 있는 일부 허가받은 자동차 금융 기관은 데이터 위험 관리의 신용 부여 방법에 대해 우리와 심도 있는 논의를 진행했습니다. 다차원 데이터는 위험 관리 모델을 구축하여 금융 지원을 제공합니다. 고품질의 렌터카 회사가 대중에게 신용을 제공합니다.
▍소매 신용 지능형 위험 제어
Didi 플랫폼은 분명한 쌍방향 효과를 가지고 있습니다. 즉 공급측과 수요측 모두 플랫폼을 통해 거래를 완료하므로 대량의 거래 및 운영 데이터가 플랫폼에 저장됩니다. 자동차 금융 서비스의 대상이 시스템 내 자동차를 소유한 사람인 경우 Didi 빅데이터를 활용하여 기존 소매 스코어카드의 부족한 부분을 보완할 수 있으며, 시스템 내 비신용 데이터를 자동차 금융 비즈니스 시나리오에 적용할 수 있으며, 예를 들어 제품 수준의 위험 제어 정책 및 액세스 표준을 공식화하고 자동화된 신용 점수, 사기 방지, 위험 노출 관리, 위험 가격 책정 등을 출력합니다.
온라인 차량 호출 시나리오에서 위험 관리 시스템을 점진적으로 구축하고 데이터, 의사 결정 및 알고리즘 수준에서 내부 평가 모델의 혁신을 실현합니다.
포함사항: 고객그룹 사전심사, 기능모델 수립 및 교육, 사기방지규칙 설계, 온라인 전략검증, 파트너와의 공동모델링, 온라인 대출 후 연체관리 등
빅데이터 리스크 관리 역량이 축적되면 상품 형태가 신차금융 리스든 차량 담보대출이든 상관없이 업종별 지능형 리스크 관리 시스템을 구축할 수 있다. 이를 바탕으로 플랫폼 데이터의 동적 모니터링을 통해 자산 실적이 우수한 개인 신용 사용자를 선별하고 화이트리스트를 구성하며 대출 승인을 자동화하고 자산 매칭 효율성을 향상시킬 수 있습니다.
이 기사의 작성자:
Tang Pei
Didi | 자동차 금융 비즈니스 분석가
금융업계에서 경영컨설팅을 전공한 공과대학생은 삶의 의미는 가치 있는 일과 밀접하게 연관되어 있다고 믿으며, 똑똑하고 재치있고 깊이 있는 사고습관, 사업에 대한 민감성, 넓은 마음을 갖춘 인재를 찾고 있습니다. 팀에 합류할 파트너.
동시에 Didi Technology 공식 계정에 관심을 가져주시길 바랍니다. 최신 오픈 소스 정보와 기술 건조품을 전해 드리겠습니다!