Guia:
O big data exclusivo do cenário de viagens de Didi tem uma perspectiva de aplicação muito ampla no campo financeiro.No futuro, ele pode cooperar com bancos, seguradoras, instituições de pagamento e gestão de patrimônio para ajudar as instituições financeiras tradicionais a melhorar a eficiência da alocação de recursos e reduzir a aquisição de clientes e o gerenciamento de riscos. custos. . O big data em cenários de viagens tem um valor comercial importante na identificação de fraudes em transações, na precificação de riscos, no marketing de precisão, na gestão de riscos do ciclo de vida completo e nas operações de crescimento. A capacidade de aplicar e analisar big data está a tornar-se um elemento competitivo fundamental para o desenvolvimento futuro das instituições financeiras. Este artigo parte da perspectiva dos produtos de financiamento e empréstimo de automóveis, combina dados de cenário com conceitos tradicionais de controle de risco de crédito e identifica com precisão as mudanças no risco de crédito no processo de desenvolvimento de negócios, o que desempenhou um papel positivo na melhoria dos modelos de negócios e na remodelação do usuário. valor.
0. diretório
- O que é financiamento de automóveis?
- O que a Didi Auto Finance está fazendo?
- Aplicação de Didi Big Data no controle de risco de financiamento automotivo
- Problemas e soluções existentes na perspectiva dos ativos
- Problemas e soluções existentes na perspectiva do gerenciamento de riscos de todo o processo
- Três pontos de otimização na aplicação de dados
- A perspectiva de aplicação do big data Didi no cenário de controle de risco de financiamento automotivo
- Controle inteligente de risco de crédito empresarial
- Controle inteligente de risco do crédito de varejo
1. O que é financiamento de automóveis?
O financiamento automóvel refere-se principalmente a serviços financeiros relacionados com a indústria automóvel e é um método de financiamento envolvido em vários elos, tais como I&D automóvel, design, produção, circulação e consumo. Inclui principalmente captação de recursos, parcelamento de crédito, desconto hipotecário, arrendamento financeiro e atividades relacionadas de seguros e investimentos.
▍Modelo de negócios
No negócio de varejo, os bancos comerciais e as empresas de leasing financeiro são os financiadores, os revendedores/lojas 4S/empresas de leasing são os canais de vendas, e a plataforma de comércio eletrônico automotivo desempenha um papel de diversão, fornecendo em conjunto produtos financeiros para consumidores individuais que precisam comprar carros por parcelamento e serviço.
Do ponto de vista do cenário competitivo, os bancos e o financiamento ao fabricante são os principais intervenientes no mercado retalhista e têm vantagens absolutas em termos de custos de capital e aquisição de clientes através de canais. Além disso, a plataforma de comércio eletrônico automotivo, como prestadora de serviços de desvio on-line, melhora a eficiência da aquisição de clientes para instituições financeiras tradicionais, e também tem atuado no mercado de financiamento de automóveis nos últimos anos. Do ponto de vista dos tipos de produtos, o arrendamento pós-venda é a tendência dominante no mercado, enquanto o arrendamento direto precisa se desenvolver rapidamente.
2. O que a Didi Auto Finance está fazendo?
1) Nesta fase, o negócio de financiamento de automóveis da Didi está posicionado para servir a ecologia das viagens.Tudo começa no valor do usuário e fornece soluções financeiras de compra de automóveis de baixo custo para motoristas que precisam comprar carros.
2) Construir internamente um sistema de controle de risco financeiro automotivo, por meio do acúmulo e aplicação de dados de cena de chamada de carro on-line, melhorar continuamente as capacidades abrangentes de gerenciamento de risco, gerar ativos financeiros de chamada de carro on-line de alta qualidade e formar gradualmente capacidades de precificação de risco.
3) Fornecer activos financeiros de alta qualidade e resultados sistemáticos de capacidade de controlo de risco às instituições financeiras tradicionais, realizar uma correspondência eficiente de fundos e activos e acumular capacidades de gestão de activos financeiros. Ao mesmo tempo, como plataforma bilateral que liga fundos e activos, estabeleceu parcerias de longo prazo com as principais instituições financeiras e continuou a fornecer apoio financeiro ao sistema de chamada de automóveis online.
No futuro, o escopo de negócios da Didi Auto Finance continuará a enriquecer com o desenvolvimento da ecologia da indústria de viagens, estendendo-se a toda a cadeia da indústria de viagens, fornecendo serviços financeiros para revendedores de automóveis, lojas 4S, agentes e outros vendedores de automóveis para compra de carros. e equipamentos operacionais, Para atender às necessidades financeiras de cada elo a montante e a jusante da cadeia industrial, e formar gradativamente um novo formato financeiro para a indústria automotiva que integre fluxo de informações, fluxo de capital e logística.
3. Aplicação do big data Didi no controle de risco do financiamento de automóveis
No âmbito do quadro de crédito tradicional, o modelo de controlo de risco que avalia a capacidade de reembolso com base na investigação de crédito do banco central do mutuante já não satisfaz as necessidades de gestão de risco do financiamento de transporte automóvel online. No cenário de aluguer de automóveis online, o controlo de Risco do financiamento automóvel impõe requisitos Mais elevados sobre a autenticidade e estabilidade DOS activos de empréstimo, e a oportunidade do aviso de risco.É particularmente importante estabelecer um marketing inteligente e uma tomada de decisões de controlo de risco inteligente. sistema baseado em big data.
▍Do ponto de vista dos ativos:
Problemas na extremidade C dos empréstimos para automóveis: Antes do empréstimo, os dados na cena não utilizada são usados como complemento para a investigação de crédito pessoal, os dados do empréstimo estão faltando, não há plano de alerta de risco correspondente e a eficiência de cobrança depois que o empréstimo estiver baixo, é necessário formar uma pontuação de crédito dinâmica para o credor on-line.
Solução: usar o big data Didi para complementar o modelo tradicional de scorecard de varejo, aplicar os dados que podem refletir as características do risco de crédito pessoal no cenário ao campo de financiamento de automóveis e formular políticas de controle de risco e padrões de acesso. Ao mesmo tempo, estabelecer um modelo de pontuação PD (probabilidade de inadimplência) para proprietários de automóveis no sistema, prestar atenção a mudanças significativas nos parâmetros PD e fornecer soluções de alerta de risco sob big data. Construir gradualmente um sistema abrangente de gestão de riscos no cenário de transporte de automóveis on-line e melhorar a capacidade de gestão de riscos de todo o processo.
Problema de empréstimo de carro B-end: As instituições financeiras tradicionais carecem de dados de crédito de CP (parceiros de carro), o que as torna incapazes de identificar efetivamente os riscos do canal, especialmente para CPs de pequeno e médio porte, é difícil obter crédito de instituições financeiras tradicionais.
Solução: Com a ajuda do big data da plataforma Didi, apoiar a aprovação de crédito do empregador para CP. Especificamente, as informações básicas do canal e as dimensões dos dados que podem refletir sua escala de ativos, eficiência de utilização de ativos e capacidade de gerenciamento de drivers são sistematicamente classificadas para formar variáveis de entrada, enquanto acumulam continuamente amostras ruins no sistema para estabelecer um CP semi- modelo supervisionado. O resultado do modelo é a pontuação abrangente da classificação de crédito do CP, que reflete intuitivamente o nível de risco do CP. Actualmente, a classificação CP do financiamento automóvel é UMA produção mensal, que Pode reflectir dinamicamente alterações no nível de Risco CP.
▍Da perspectiva da gestão de riscos de todo o processo:
No processo de operação real, encontramos os seguintes problemas nas três etapas do empréstimo parcelado de automóveis no varejo, antes, durante e depois do empréstimo.
Risco de acesso pré-empréstimo: O requerente do empréstimo não é o condutor que efectivamente opera o veículo após a concessão do empréstimo, ou seja, A pede emprestado e B paga. Esse tipo de problema geralmente ocorre no link de entrada do canal. Existem certos riscos operacionais no processo de vendas de produtos de financiamento de automóveis.Para aumentar a taxa de conclusão de pedidos, os vendedores do canal off-line encontram pessoas com boas qualificações de crédito que têm maior probabilidade de passar na revisão pré-empréstimo para solicitar empréstimos, em vez de motoristas. No entanto, os motoristas que realmente dirigem o Didi têm crédito Os ativos são pobres, a capacidade de reembolso não é suficiente para sustentar o pagamento mensal e a probabilidade de inadimplência do PD é alta. Então, o risco de crédito deste empréstimo parcelado do carro será gradualmente liberado durante o período de desempenho do ativo após o empréstimo.
▍No primeiro pedido, as informações do credor e do motorista não coincidiam:
Riscos operacionais durante o empréstimo: O credor devolve o carro dentro do prazo, e o veículo será compensado pela empresa de leasing.Depois que a empresa de leasing encontrar um novo condutor, o novo condutor irá operar e continuar a reembolsar o empréstimo. Neste caso, o julgamento do controlo de risco tradicional sobre o credor inicial antes do empréstimo e o posicionamento GPS do veículo já não podem reflectir eficazmente as alterações de risco do veículo operacional após o empréstimo. Quando o veículo emprestado é combinado com vários motoristas Didi sucessivamente durante a duração, a empresa de leasing enfrenta grandes desafios na gestão da operação do veículo, na gestão do fluxo de caixa e na gestão do motorista.Às vezes, vários motoristas devolvem coletivamente o carro, o que causará risco de concentração de canal.
▍Um carro é combinado com vários motoristas em diferentes momentos durante a operação:
Cobrança vencida pós-empréstimo: O controle de risco de crédito tradicional carece de dados pós-empréstimo para carros on-line.Sem acesso à receita do credor e aos dados de comportamento operacional, é impossível determinar a capacidade de reembolso do credor e a disposição de reembolso por trás de cada dívida vencida, então é impossível dar prioridade à cobrança de dívidas para credores com elevada relação rendimento-reembolso e capacidade de reembolso. Neste caso, é necessário formular um scorecard de cobrança com base nos dados do pedido da plataforma credora e nos dados de operação do veículo emprestado, e realizar a gestão classificada da cobrança.
▍DiDi big data pode resolver:
O estabelecimento de um sistema abrangente de gestão de risco para financiamento de transporte automóvel online.
Durante a preparação dos dados de varejo e o desenvolvimento das variáveis do modelo, uma longa lista de modelos é formada desde a dimensão básica do crédito do credor até os quatro principais fatores de risco da cidade, canal e veículo para realizar o monitoramento dinâmico cobrindo todo o ciclo de vida do empréstimo. ativos. Ao mesmo tempo, através da acumulação contínua de variáveis dependentes do modelo (amostras más) através do desempenho dos activos das empresas investidas, podemos compreender eficazmente as mudanças nos níveis de risco, estabelecer um mecanismo de alerta e resposta precoce e reduzir a taxa de perdas.
Cada fator de risco é detalhado para formar vários indicadores de risco, que são combinados para formar uma estratégia de controle de risco. Através da aplicação abrangente de uma estratégia única e de estratégias múltiplas, são concretizados o alerta precoce e a prevenção atempada de riscos nos empréstimos.
Especificamente, a direção de otimização possui os seguintes pontos:
Ponto de otimização 1: Da tradicional avaliação de risco do credor no momento do empréstimo, ela é otimizada para o monitoramento dinâmico de risco multidimensional ao longo de todo o processo.
O controle de risco de crédito tradicional concentra-se apenas na medição unidimensional do risco de crédito do credor, mas no cenário de chamada de carro on-line, o cumprimento da política municipal, o status de operação do veículo e as capacidades de gerenciamento de canal desempenharão um papel decisivo na mudança de crédito risco durante todo o processo de crédito. A este respeito, utilizamos a acumulação contínua de dados de cena de chamada de carro Didi e amostras ruins para complementar a dimensão tradicional de dados de crédito e otimizar o cartão A e o cartão B.
Análise das necessidades de alerta precoce:
Prazo de desembolso:
Verificação de informações antifraude, dimensões de dados incluem, mas não estão limitadas à verificação de motoristas, veículos, correspondência entre veículos de passageiros e informações básicas do canal no lado da plataforma e, ao mesmo tempo, verificam o risco de entrada do canal.
Após o desembolso, as alterações em tempo real no risco de crédito do mutuante são refletidas através da monitorização durante o empréstimo, e é estabelecido um sistema de alerta precoce de risco de big data.
Estabeleça uma estrutura de governança de verificação de avaliação interna de big data, métodos de processo de verificação de avaliação interna e forneça diferentes níveis de estratégias de otimização e processos em tempo real. No modelo de alerta antecipado, a estratégia típica de alerta antecipado no meio do empréstimo é a seguinte:
Estratégia da dimensão do condutor: estabilidade do fluxo, capacidade de ganho, se foi emitida uma testemunha, etc.
Estratégia de dimensão do veículo: o estado de operação do veículo na plataforma, o estado de correspondência do veículo e do condutor, a quilometragem do veículo, se a licença do veículo foi obtida, etc.
Estratégia de canal CP: varredura de informações negativas do canal, eventos de risco de concentração de canal, índice de conformidade, concentração de canal vencida, etc.
Estratégia de conformidade da cidade: se o certificado da plataforma de chamada de carro on-line foi obtido, o progresso do certificado de conformidade da cidade, se deve classificar gestão, etc.
Com o enriquecimento contínuo das dimensões dos dados, as dimensões de detalhamento dos quatro principais fatores de risco aumentarão gradualmente. Ao mesmo tempo, também estamos verificando um por um no negócio real e realizando a iteração da estratégia por meio dos resultados do modelo de cartão driver A cartão B.
Cobrança pós-empréstimo:
otimizar o modelo de pontuação de cobrança. Análise e monitoramento em tempo real dos dias de atraso, comportamento de faturamento e renda média mensal dos motoristas em atraso, e uma lista de pontuação abrangente de capacidade de reembolso e disposição de reembolso correspondente a cada dívida vencida, ajudando a melhorar a eficiência da cobrança pós-empréstimo.
Ponto de otimização 2: Aumentar a largura de tempo e a profundidade de observação de dados no tempo e introduzir a previsão futura com base nisso.
Por meio da observação de dados de longo prazo, da iteração de uma estratégia de risco única e da verificação contínua de aplicações multiestratégicas, obteremos o nível médio histórico e a lei das mudanças no risco de crédito do driver e faremos ajustes prospectivos com base no estágio atual do negócio e tendências de desenvolvimento futuro.Após a PD (probabilidade de incumprimento), as alterações significativas no risco de crédito são avaliadas quantitativa e qualitativamente.
Ponto de otimização 3: Baseando-se nos recursos de análise de big data, forme um julgamento abrangente sobre as mudanças gerais de risco e retorno do negócio.
Através de todo o processo de gestão de risco de veículos de leasing financeiro na extremidade C, o retrato de crédito do condutor e o retrato do canal CP na forma de produtos de leasing financeiro são gradualmente delineados, e os riscos operacionais do financiamento automóvel em modelos de negócios e produtos podem ser rapidamente identificados, como pacotes de leasing financeiro, leasing económico, compensação de CP, risco de incumprimento concentrado, etc. Além disso, existe uma medição clara e precisa da qualidade dos activos de financiamento automóvel, de modo a alcançar um equilíbrio entre risco e retorno do lado dos activos e do lado do capital.
4. A perspectiva de ampla aplicação do big data Didi em cenários de financiamento automotivo
▍Controle inteligente de risco de crédito empresarial
Direção: Em toda a ecologia da indústria de viagens, há um grande número de pequenos e médios prestadores de serviços/provedores de canais dispersos.Os dados operacionais diários dessas pequenas e médias empresas na plataforma Didi refletem suas capacidades operacionais, liquidez de capital gerenciamento e recursos de gerenciamento de driver. Os dados comerciais multidimensionais podem apoiar totalmente o controle de risco de dados para obter fundos e fornecer soluções de inovação na tomada de decisões para os negócios, incluindo identificação de comportamento anormal do cliente, aprovação de crédito diferenciada, controle de risco de todo o processo e alerta precoce, estabelecimento de limites, etc.
Progresso: Actualmente, algumas instituições de financiamento automóvel licenciadas que têm relações comerciais com parceiros da plataforma Didi conduziram discussões aprofundadas connosco sobre o método de concessão de crédito de controlo de risco de dados.Os dados multidimensionais estabelecem um modelo de controlo de risco para fornecer apoio financeiro para locadoras de automóveis de alta qualidade para conceder crédito ao público.
▍ Controle Inteligente de Risco de Crédito de Varejo
A plataforma Didi tem efeitos bilaterais óbvios, ou seja, tanto o lado da oferta como o lado da procura completam transacções através da plataforma, pelo que uma grande quantidade de dados de transacções e operações será depositada na plataforma. Quando o alvo dos serviços de financiamento de automóveis são as pessoas que possuem carros no sistema, o big data Didi pode ser usado para complementar a deficiência dos scorecards de varejo tradicionais, e os dados não relacionados a crédito no sistema podem ser aplicados a cenários de negócios de financiamento de automóveis, por exemplo, para formular políticas de controle de risco e padrões de acesso em nível de produto, produzir pontuação de crédito automatizada, antifraude, gerenciamento de exposição ao risco, precificação de risco, etc.
Estabelecer gradualmente um sistema de gestão de risco no cenário de transporte de automóveis online e concretizar a inovação do modelo de avaliação interna nos níveis de dados, tomada de decisão e algoritmo.
Incluindo: pré-seleção de grupos de clientes, estabelecimento e treinamento de modelos de recursos, design de regras antifraude, verificação de estratégia on-line, modelagem conjunta com parceiros, gerenciamento on-line de atrasos pós-empréstimo, etc.
Com o acúmulo de recursos de controle de risco de big data, não importa se a forma do produto é um arrendamento de financiamento de carro novo ou um empréstimo hipotecário de veículo, um sistema inteligente de controle de risco pode ser estabelecido para diferentes tipos de negócios. Nesta base, o monitoramento dinâmico dos dados da plataforma pode ajudar a selecionar usuários de crédito pessoal com bom desempenho de ativos, formar uma lista branca, automatizar a aprovação de empréstimos e melhorar a eficiência da correspondência de ativos.
Autor deste artigo:
Tang Pei
Didi | Analista de negócios de financiamento automotivo
Um estudante de engenharia com experiência em consultoria de gestão no setor financeiro acredita que o sentido da vida está intimamente relacionado ao trabalho valioso. Ele tem procurado hábitos de pensamento inteligentes, espirituosos e aprofundados, altamente sensível aos negócios e uma mente aberta. parceiro para se juntar à equipe.
Ao mesmo tempo, você também pode prestar atenção à conta oficial da Didi Technology, traremos a você as informações mais recentes de código aberto e produtos secos técnicos!