ガイド：
Didi のユニークな旅行シーンのビッグデータは、金融分野で非常に幅広い応用が期待されており、将来的には銀行、保険、決済、資産管理機関と連携して、従来の金融機関がリソース配分効率を向上させ、顧客獲得とリスク管理を軽減できるよう支援することができます。費用がかかります。旅行シナリオにおけるビッグデータは、取引詐欺の特定、リスク価格設定、正確なマーケティング、ライフサイクル全体のリスク管理、成長運営において重要な商業的価値を持っています。ビッグデータを適用および分析する能力は、金融機関の将来の発展にとって中核的な競争要素になりつつあります。この記事は、自動車金融と自動車ローン商品の観点から開始し、現場のデータと従来の信用リスク管理の概念を組み合わせ、ビジネスモデルの改善とユーザーの再構築に積極的な役割を果たしてきた事業開発のプロセスにおける信用リスクの変化を正確に特定します。価値。
0.ディレクトリ
- 自動車金融とは何ですか?
- Didi Auto Finance は何をしているのですか?
- 自動車金融のリスク管理における滴滴ビッグデータの応用
- 資産の観点から見た既存の問題と解決策
- 全プロセスリスク管理の観点から見た既存の問題と解決策
- データ活用における3つの最適化ポイント
- 自動車金融リスク管理シナリオにおける滴滴ビッグデータの応用見通し
- 企業信用のインテリジェントなリスク管理
- 小売信用のインテリジェントなリスク管理
1. 自動車金融とは何ですか?
オートファイナンスとは、主に自動車産業に関わる金融サービスのことを指し、自動車の研究開発、設計、生産、流通、消費などのさまざまなつながりに関わる融資手法です。これには主に、資金調達、クレジット分割払い、住宅ローン割引、ファイナンスリース、および関連する保険および投資活動が含まれます。
▍ビジネスモデル
リテール事業では、都市銀行とファイナンスリース会社が資本者となり、ディーラー・4S店・リース会社が販売チャネルとなり、自動車ECプラットフォームが先導役となり、金融商品の提供を必要とする個人消費者向けに共同で金融商品を提供しています。分割払いとサービスで車を購入します。
競争環境の観点から見ると、銀行とメーカー金融が小売市場の主要プレーヤーであり、資本コストとチャネルを通じた顧客獲得の点で絶対的な優位性を持っています。さらに、自動車電子商取引プラットフォームは、オンライン転用サービスプロバイダーとして、従来の金融機関の顧客獲得の効率を向上させ、近年は自動車金融市場でも活躍しています。商品タイプ別にみると、市場ではアフターリースバックが主流であるのに対し、ダイレクトリースは急速な発展が求められています。
2. Didi Auto Finance は何をしているのですか?
1) 現段階では、Didi の自動車金融事業は旅行エコロジーに貢献する位置付けにあり、すべてはユーザー価値から始まり、車を購入する必要があるドライバーに低コストの車購入金融ソリューションを提供します。
2) オンライン配車シーンのデータの蓄積と適用を通じて、自動車財務リスク管理システムを社内に構築し、包括的なリスク管理能力を継続的に向上させ、高品質のオンライン配車金融資産を生成し、リスク価格設定機能を徐々に形成します。
3) 伝統的な金融機関に対し、質の高い金融資産と体系的なリスク管理能力のアウトプットを提供し、資金と資産の効率的なマッチングを実現し、金融資産管理能力を蓄積する。同時に、資金と資産をつなぐ二国間プラットフォームとして、主流の金融機関と長期的なパートナーシップを確立し、オンライン配車システムへの財政支援を提供し続けています。
将来的には、滴滴オートファイナンスの事業範囲は旅行業界エコロジーの発展に伴い充実し続け、旅行業界チェーン全体に拡大し、自動車ディーラー、4Sストア、代理店、その他の自動車販売業者に自動車を購入するための金融サービスを提供する予定です。産業チェーンの上流と下流の各リンクの財務ニーズを満たし、情報の流れ、資本の流れ、物流を統合する自動車業界の新しい財務フォーマットを徐々に形成します。
3. 自動車金融のリスク管理における滴滴ビッグデータの活用
従来の信用枠組みでは、貸し手の中央銀行の信用調査に基づいて返済能力を判断するリスク管理モデルは、もはやオンライン配車金融のリスク管理ニーズを満たしていません。オンライン配車シナリオでは、自動車金融のリスク管理において、ローン資産の信頼性と安定性、リスク警告の適時性についてより高い要件が求められており、インテリジェントなマーケティングとインテリジェントなリスク管理の意思決定を確立することが特に重要です。ビッグデータを活用したシステム。
▍資産の観点から:
自動車ローンのCエンドの問題点：融資前、未使用シーンのデータが個人信用調査の補足として使用されている、ローン内のデータが欠落している、マッチングリスク警告プランがない、回収効率が低いローン残高が少なくなった後は、オンラインの配車金融業者に対して動的な信用スコアを作成する必要があります。
解決策: Didi ビッグデータを使用して従来の小売スコアカード モデルを補完し、現場の個人信用リスクの特性を反映できるデータを自動車金融分野に適用し、リスク管理ポリシーとアクセス基準を策定します。同時に、システム内で自動車所有者向けのPD（デフォルトの確率）スコアリングモデルを確立し、PDパラメータの重大な変化に注意を払い、ビッグデータの下でリスク警告ソリューションを提供します。オンライン配車シナリオの下で包括的なリスク管理システムを段階的に構築し、プロセス全体のリスク管理能力を向上させます。
自動車ローンのBエンド問題：従来の金融機関はCP（自動車パートナー）の信用データが不足しているため、チャネルリスクを効果的に特定できず、特に中小規模のCPの場合、従来の金融機関から信用を得ることが困難です。
解決策: Didi プラットフォームのビッグデータを利用して、雇用主による CP の与信承認をサポートします。具体的には、チャネルの基本情報と、その資産規模、資産利用効率、ドライバー管理能力を反映できるデータ次元を体系的に整理して入力変数を形成するとともに、システム内に不良サンプルを継続的に蓄積してCP準を確立します。監修モデル。モデルの出力は CP 信用格付けの総合スコアであり、CP のリスク レベルを直感的に反映します。現在、自動車金融の CP 格付けは月次出力であり、CP リスク レベルの変化を動的に反映することができます。
▍プロセス全体のリスク管理の観点から:
実際の運用過程において、自動車割賦ローンの融資前、融資中、融資後の3段階において以下のような問題点が見つかりました。
ローン前のアクセスリスク: ローン申請者は、ローンが付与された後、実際に車両を操作するドライバーではありません。つまり、A が借りて B が返済します。この種の問題は通常、チャネルの受信リンクで発生します。自動車金融商品の販売プロセスには一定の業務上のリスクがあり、注文完了率を高めるため、オフラインチャネルの営業担当者は、融資前の審査に合格する可能性が高い信用資格のある人を運転手の代わりに見つけて融資を申し込みます。しかし、実際に滴滴出行を運営するドライバーは信用があり、資産が乏しく、月々の支払いを支えるほどの返済能力がなく、PDの債務不履行の確率が高い。そして、この自動車割賦ローンの信用リスクは、ローン後の資産パフォーマンス期間中に徐々に解放されます。
▍最初の注文では、貸し手とドライバーの情報が一致しませんでした。
ローン期間中の運営リスク：ローン会社は期間内に車を返却し、リース会社が車両を補償し、リース会社が新しいドライバーを見つけた後は、新しいドライバーが運行し、ローンの返済を継続します。この場合、融資前の最初の貸し手に対する従来のリスク管理の判断や、車両の GPS 測位は、融資後の運行車両のリスク変化を効果的に反映できなくなります。リース会社は、貸出期間中に複数のDidiドライバーと連続して車両のマッチングを行った場合、車両の運行管理、キャッシュフロー管理、ドライバー管理の面で大きな課題に直面し、場合によっては複数のドライバーがまとめて車両を返却することになり、チャネル集中リスクが発生します。
▍車両は、運転中のさまざまな時点で複数のドライバーとマッチングされます。
ローン延滞後の回収: 従来の信用リスク管理には、オンライン配車車のローン後のデータが欠如しており、貸し手の収入や営業行動データにアクセスできなければ、各延滞債務の裏にある貸し手の返済能力や返済意欲を判断することは不可能です。収入返済比率や返済能力が高い金融機関を優先して債権回収を行うことは不可能です。この場合、レンダープラットフォームの受注データや貸与車両の運行データに基づいて回収スコアカードを作成し、回収の機密管理を行う必要がある。
▍DiDiビッグデータは以下を解決できます：
オンライン配車金融における包括的なリスク管理システムの確立。
小売データの準備とモデル変数の開発中に、ローンのライフサイクル全体をカバーする動的なモニタリングを実現するために、貸し手の信用の基本的な側面から都市、チャネル、車両の 4 つの主要なリスク要因に至るモデルの長いリストが形成されます。資産。同時に、投資先企業の資産パフォーマンスを通じてモデル従属変数（不良サンプル）を継続的に蓄積することで、リスクレベルの変化を効果的に把握し、早期警告・対応メカニズムを確立し、損失率を低減することができます。
各リスク要因をドリルダウンして複数のリスク指標を形成し、それらを組み合わせてリスク管理戦略を形成します。単一の戦略と複数の戦略を包括的に適用することで、融資リスクの早期警告とタイムリーな予防が実現されます。
具体的には、最適化の方向性には以下のようなポイントがあります。
最適化ポイント 1: 従来の融資時の貸し手リスク評価から、プロセス全体にわたる動的な多次元リスク監視に最適化されています。
従来の信用リスク管理は、貸し手の単一次元の信用リスク測定のみに焦点を当てていますが、オンライン配車シナリオでは、市の政策遵守、車両の運行状況、チャネル管理能力のすべてが信用の変化において決定的な役割を果たすことになります。信用プロセス全体にわたるリスク。この点に関して、当社では、Didi の配車現場データと不良サンプルの継続的な蓄積を利用して、従来のクレジット データの側面を補完し、A カードと B カードを最適化しています。
早期警告には分析が必要です。
支払いのタイミング:
不正防止情報の検証。データの次元には、ドライバー、車両、乗用車の照合、プラットフォーム側のチャネル基本情報の検証が含まれますが、これらに限定されず、同時にチャネルの流入リスクもチェックします。
実行後は、融資中のモニタリングを通じて貸し手の信用リスクの変化をリアルタイムに反映し、ビッグデータによるリスク早期警告システムを構築します。
ビッグデータの内部評価検証ガバナンス構造、内部評価検証プロセス方法を確立し、さまざまなレベルの最適化戦略とリアルタイムプロセスを提供します。早期警戒モデルにおける典型的な中融資早期警戒戦略は次のとおりです。
ドライバーの次元戦略: フローの安定性、収益力、証人が発行されているかどうかなど。
車両次元戦略：プラットフォーム上での車両の稼働状況、車両とドライバーのマッチング状況、車両の走行距離、車両免許の取得の有無など。
CPチャネル戦略：チャネルネガティブ情報スキャン、チャネル集中リスクイベント、コンプライアンス率、チャネル集中期限超過など
都市コンプライアンス戦略：オンライン配車プラットフォーム証明書を取得したかどうか、都市コンプライアンス証明書の進捗状況、分類するかどうか管理等。
データのディメンションが継続的に強化されることで、4 つの主要なリスク要因のドリルダウンのディメンションが徐々に増加します。同時に、実際のビジネスでも一つ一つ検証し、ドライバーAカードBカードモデルの結果を通じて戦略を反復していきます。
融資後の回収:
回収スコアリング モデルを最適化します。延滞ドライバーの延滞日数や請求行動、平均月収などをリアルタイムに分析・監視し、延滞債務ごとに返済能力や返済意欲を総合的にスコアリスト化することで、融資後の回収の効率化に貢献します。
最適化ポイント2：データ観測の時間幅と時点観測深度を増やし、これに基づいて将来予測を導入します。
データの長期的な観察、単一リスク戦略の反復、および複数戦略の適用の継続的な検証を通じて、ドライバーの信用リスクの過去の平均レベルと変化の法則を取得し、現在の段階に基づいて将来を見据えた調整を行います。 PD（デフォルト確率）後、信用リスクの重大な変化を定量的および定性的に評価します。
最適化ポイント3：ビッグデータの分析機能を活用し、ビジネス全体のリスクとリターンの変化を総合的に判断します。
Cエンドにおけるファイナンスリースビークルのプロセス全体のリスク管理を通じて、ファイナンスリース商品の形でのドライバーの信用状況とCPチャネルの状況が徐々に概説され、ビジネスモデルと商品における自動車金融のオペレーショナルリスクが明らかになります。ファイナンスリースパッケージ、エコノミックリース、CP補償、集中デフォルトリスクなどを迅速に特定します。さらに、資産側と資本側のリスクとリターンのバランスを達成するために、自動車金融資産の品質が明確かつ正確に測定されます。
4. 自動車金融シナリオにおける滴滴ビッグデータの幅広い応用の見通し
▍企業信用のインテリジェントなリスク管理
方向性: 旅行業界全体の生態系には、多数の中小規模のサービスプロバイダー/チャネルプロバイダーが点在しており、滴滴プラットフォーム上のこれら中小企業の日々の営業データは、その営業能力、資本流動性を反映しています。管理機能とドライバー管理機能。多次元ビジネスデータは、資金獲得のためのデータリスク管理を完全にサポートし、異常な顧客行動の特定、差別化された与信承認、プロセス全体のリスク管理と早期警告、制限設定などを含む、ビジネスの意思決定革新ソリューションを提供します。
進捗状況：現在、滴滴出行プラットフォームパートナーと取引関係にある一部の認可自動車金融機関は、データリスク管理の信用供与方法について当社と綿密な協議を行っており、多次元データによりリスク管理モデルを確立し、金融支援を提供している。高品質のレンタカー会社が大衆に信用を与える。
▍小売クレジットのインテリジェントなリスク管理
Didi プラットフォームには明らかな双方向効果があります。つまり、供給側と需要側の両方がプラットフォームを通じて取引を完了するため、大量の取引データと運用データがプラットフォームに保存されます。自動車金融サービスのターゲットがシステム内の自動車を所有する人々である場合、滴滴ビッグデータを使用して従来の小売スコアカードの欠陥を補うことができ、システム内の非信用データを自動車金融ビジネスシナリオに適用できます。たとえば、製品レベルのリスク管理ポリシーを策定し、標準にアクセスし、自動信用スコアリング、不正行為防止、リスクエクスポージャー管理、リスク価格設定などを出力します。
オンライン配車シナリオにおけるリスク管理システムを段階的に確立し、データ、意思決定、アルゴリズムレベルでの内部評価モデルの革新を実現します。
これには、顧客グループの事前スクリーニング、機能モデルの確立とトレーニング、不正防止ルールの設計、オンライン戦略の検証、パートナーとの共同モデリング、オンラインでの融資後の延滞管理などが含まれます。
ビッグデータによるリスク管理機能の蓄積により、商品形態が新車ファイナンスリースや自動車住宅ローンであっても、業態に合わせたインテリジェントなリスク管理システムを構築できます。これに基づいて、プラットフォーム データの動的なモニタリングは、資産パフォーマンスが良好な個人信用ユーザーを選別し、ホワイト リストを作成し、ローン承認を自動化し、資産照合効率を向上させるのに役立ちます。
この記事の著者:
タン・ペイ
・ディディ | 自動車金融ビジネスアナリスト
金融業界で経営コンサルティングの経歴を持つ工学部の学生は、人生の意味は価値ある仕事と密接に関係していると信じており、賢明で機知に富み、深い思考習慣、ビジネスに対する感度が高く、視野の広い人材を求めています。チームに参加するパートナー。
同時に、Didi Technology 公式アカウントにも注目してください。最新のオープンソース情報と技術関連商品をお届けします。