藍領風控，如何與人性做鬥爭

*本文版權屬於小飯桌，轉載請聯繫授權

文|買單俠首席風控官 朱君

?近兩年，越來越多的公司開始湧入消費金融這片藍海。但這絕非是一塊低門檻的業務領域，想要做好消費金融，風控這道坎就不好過。

朱君是藍領消費金融領跑者「買單俠」的首席風控官，這家公司成立於2014年3月，現已完成B輪融資。對於藍領人群來說，消費金融如何做好風險防控和反欺詐？朱君將他多年理論與實踐中所獲得的經驗與思考分享給桌友們。

來，給藍領畫個像

『富士康打工的小王，每月15號領完3000元工資，照例會去宿舍周邊的鬧市逛一逛，放鬆一下，並為自己添置點生活用品，他說：「辛苦了一個月，必須拉上好友吃頓好的，我還欠別人人情呢，這次再請他們去唱個K吧。」 差不多到25號左右，他一摸口袋，只剩下了500塊，想想離下個月發工資還有20天，沒辦法，接下去只能節衣縮食了。小王決定天天泡食堂，窩宿舍，看看手機，玩玩遊戲，混到下個月發薪日再說吧。』

這就是一個典型藍領工人的生活狀態，與大都市的白領截然不同。他們很少接觸金融，生活中可能唯一打過交道的金融服務就是那張工資卡。有著強烈的消費衝動，每月可支配收入卻十分有限，愛面子，不到萬不得已一般不會向朋友借錢，通常住集體宿舍，封閉式的生活環境，多為外地人，流動性強，到處打工。這些特徵鑄就了藍領消費金融面臨的特有問題以及獨特的風控手段。

審批模式上：老專家模式已然行不通

老專家模式是我們對傳統依靠人工進行信貸審核的一種簡稱，拿日常生活中的出國申請簽證做個類比：

• 辦過申根和美國簽證的同學應該有這樣一個體會，申根簽證成功與否感覺主要在於面試，面試官很關鍵，答題也很關鍵。

• 美國簽證總體上感覺沒那麼大的壓力，需要填一張很長的申請表（DS160)，但通過與否在面試那一刻似乎已經定了，這背後相信就是評分技術在驅動。

• 去美國的人相對較多，如果每個人需要面試官來深入了解，一對一地審核，第一無法保證高效，第二產生的後果是需要找非常多的面試官，而這種人工審核的評判標準很難做到完全一致，所以用模型來替代人工作業是高效的有意義的。

這點和藍領消費金融很像，筆均金額小，但申請筆數特別多，傳統的專家型決策在這裡就失效了，通常幾百號人的信審團隊很難做到每筆審核的標準整齊一致，人的因素是很難管理的，是波動的，而這些波動的噪音是作為風險管理者非常厭惡的，會大大影響決策，大規模的專家型信審團隊顯然有3個明顯缺點：

1- 審核難度受限，畢竟人的判斷能力有限，在短時間內能處理的內容也是有限的，簡單的審核可以，較為複雜的判斷則不具有實踐性。比如，要通過打電話識別一個聯繫人的關係，人是可以做到的，但是如果聯繫人電話都是深度包裝的，要識別整個關係網，靠人就不可行了。再比如，藍領工人通常在流水線上工作，在他的工作時間段內是不能用手機的，大工廠也不能通過固定電話找到這個工人，傳統人工審核打單位電話驗證工作真實性對藍領工人來說就無效了，甚至他的同事也是聯繫不到的，這就需要通過其他更多的要素去甄別一個人，對人工操作的要求和難度就大大提高了。

2- 還是因為人，政策的調整將非常的不靈活。任何新政策的下達，需要有個培訓、消化吸收的過程，這過程需要時間，而在這過程中，審核質量也難以維持穩定。

3- 審核時長無法保證，服務速度不可靠。藍領在營銷場景中非常沒有耐心，通常要求一個審核在半小時之內就要出結果。

※ 綜上所述，傳統的專家型信審模式在藍領客群身上顯然已經不適用了。

風險防範上要「盯死」反欺詐

這裡指的欺詐風險，主要是指申請欺詐，分為身份冒用，套現，不良中介等情況。和信用卡的風險防控一樣，申請欺詐的防範是重中之重，反欺詐的挑戰永遠是巨大的，一般欺詐份子都是「聰明人」，而且欺詐手法也在不斷演變之中，許多欺詐還是有組織的犯罪團伙行為。

就拿不良中介來說，這些欺詐份子會在工廠邊上用社交工具結識一些工人，打著免費賺錢的旗號，忽悠他們做消費金融業務，提供全套的聯繫人資料和工作、住宅等個人信息，對這些工人集中式地培訓，教他們如何應對審核電話，安排專人接聽電話，甚至用專車載著這些工人，到各個線下門店分散做單，完事後給這些工人提成，儼然一個分工明確、紀律嚴明的欺詐產業鏈，對於他們來說就是一門「生意」。

反欺詐的工作就是和這門「生意」鬥智斗勇，零風險零欺詐不應是我們追求的，好的風險管理一定是穩定業態下的可控，特別是當業務量增長明顯的時候風險狀況仍是平穩的。

業內對於反欺詐的防範，無外乎幾種方式：

1- 靠行業徵信黑名單，如同盾，前海徵信，百融金融等。屬於行業群防群治，可以迅速補上短板。

2- 基於規則的反欺詐引擎。這是信用卡反欺詐的傳統做法，效果好壞與否取決於對業務和流程的深入了解。

3- 線下營銷人員的親核親訪，屬於個人經驗，主要防範身份冒用類欺詐。

4- 評分模型，包括大數據建模，但對於反欺詐來說，直接拿評分模型做決策的較少，通常做不到十足的精度，常用於輔助其他手段進行管理。

但真正要在藍領消費金融實現欺詐風險的有效管理，甚至脫穎而出，還需要做到如下3點：

一、線上線下聯防是最佳實踐

從反欺詐防控角度，線下業務相比於純線上來說有先天優勢，線上逆向選擇情況嚴重，且一旦被找到漏洞後容易被集中攻擊，無限放大。而線下需要客戶刷臉，集中性地攻擊敞口有限，更重要的，線下有面簽審核這道關，這是面對藍領欺詐非常有效的識別手段。線上線下的聯合防控被證明是最佳實踐。

線下防控的特點：低成本，有地方性的經驗，準確性高。像上述的中介案例，客戶經過了深度包裝，後台傳統的審核可能並不能發現問題，但線下可以通過與客戶的溝通、觀察客戶的言行，以及一些異常點來快速有效識別。如在藍領工廠區，開輛車，帶著名貴皮包，到門店來辦理分期業務的，通常就是欺詐份子。有些客戶雖然申請信息被深度包裝，但畢竟是包裝，對細節並不全然知曉，線下風險審核人員只需簡單地問些本地化問題。「你們工廠幾點放工？」，「你做幾路班車過來的？」就能快速地識別欺詐。一句謊言需要一百句謊言來圓，但戳破它只需要一個邏輯漏洞，線下防控在找這樣的邏輯漏洞上，優勢無比明顯。

線上防控的特點：能處理的數據多，較全面的評價一個人。線上能夠接很多外部數據源，如果客戶出現共債，負面黑名單等信息線下是無法識別的，必須得靠線上，線上可以利用規則觸發一些深度的可疑點，如客戶在填寫一個聯繫人時，有過刪改動作，前後兩次輸了不同的名字，這種行為預示著他的信息可能被包裝過，他可能在照著模板錄信息，但錄錯了，這種情況就需要通過後台技術手段來偵測。

二、與欺詐者賽跑還得靠技術

如果你的流程有漏洞，就一定會被鑽。與欺詐對抗的過程是一個賽跑的過程，但永遠沒有終點，也永遠不能停下來，道高一尺魔高一丈是最好的總結。技術驅動也許是最有效的超越方式。舉兩個例子：

1.技術手段監控申請的全過程，讓傳統申請表「動」起來。欺詐份子一般會通過虛假申請資料來攻擊，對申請信息的每一項進行包裝，確保號碼是新的，有人接聽的，單位信息是全套的，一個完整的故事。這樣的場景應對傳統的紙質申請表是無懈可擊的。可如果申請表是動態的，是基於風險係數隨時調整的，那客戶的資料就無從準備了。更甚者，客戶的每一次輸入行為數據都被記錄下來，他如果展現出一個照單打字的輸入模式，那他可能就露陷了。所以，技術手段可以讓每一個申請都是一個全新的體驗，結合通過生物識別技術，欺詐分子的行為包裝起來就沒那麼容易了。讓欺詐者的成本控不住，「生意」也就維持不下去了。

2.前面提到的不良中介是門「生意」，做生意是要控制成本的，所以往往他們會給雇來的「客戶」準備專門的手機號，欺詐分子拉車把這些雇來的「客戶」1天內送到不同的線下門店去攻擊。通過技術手段我們能把這些看似零散的申請抱成團，製作出這些「欺詐小白」的社交圖譜，通過它能夠讓這些看似不相干的申請結成網，只要這個網路上的某一個點被識別出欺詐，那整個網就被識別出來了。這種實時抱團的社交圖譜技術大大增強了集中性欺詐攻擊的防禦力。

三、反欺詐是基於生態環境的量身定製

跟信用風險管理不同，反欺詐是在和人鬥爭。欺詐分子永遠會找流程的漏洞，系統的漏洞，人性的漏洞。所以反欺詐也註定沒有太好的經驗可循。在消費金融不同領域有著不同的行業經驗。如：

1- 信用卡：目標客戶是白領，而且信用卡額度較大，反欺詐的重點是放在防範身份冒用和虛假僱傭關係，通過銷售親核親訪來防範前者，通過審核電話加上特定的規則來防範後者，當然，內部人員的管理和信息不落地也是整個鏈條的關鍵，所以銀行直銷體系都有十分嚴格的做單控制流程，這是行業的標準做法。

2- 線上模式：目標客戶隨機，反欺詐的重點是放在身份的真實性上。通過個人信息的一致性校驗（如身份信息，IP信息，聯繫人信息等），外部徵信黑名單，以及一些反欺詐規則來進行管理，整體上逆向選擇問題比較嚴重，所以共債客戶的借新還舊問題是個防控難點。

3- 線下藍領消費金融：通過前端風險督查員和後台反欺詐引擎聯合防範，用APP實現雙方的信息及時交互，實時配合做風險防護。這種模式，既需要結合新信用卡的線下防控要素，又需要發揮線上防控的特點，而且要成本可控，對管理和技術的要求很高，難度較大。

4- 學生分期：反欺詐主要聚焦在是否真實學生身份，通過線下宿舍實地走訪，可以較為容易地驗證。

藍領信貸風險管理：強變數已然不在

傳統金融機構對一個白領的識別，一般依賴於這個客戶的人行徵信報告、高教學歷、社保紀錄等信息，這些信息有個公共特點，就是可驗證，你的歷史借貸和逾期情況，你的學習經歷，你的參保紀錄都是可以通過一些徵信提供商獲得，這些可以被稱之為強變數。在信用卡風險管理中，這些強變數幾乎成為了各家行管理風控的最強抓手。

但對於中國的藍領，照搬這個套路顯然不太適用。大多數人是信用「白戶」，很少或幾乎沒有金融借貸歷史，學歷一般大專以下，工作流動性高，他們也不一定會按期交社保，所有上述針對信用卡的強變數幾乎在這裡都失效了。

行為數據，也許是下一個強變數

基於行為數據的挖掘在互聯網行業內並不是什麼新鮮事，但如何與金融做結合，如何巧妙地融入你的審核流程，是需要深度設計和考慮的。此處舉3個例子說明在不同的場景中都能發揮其重要作用：

1- 線下場景：客戶拿手機在線下當面申請消費金融業務時，在手機上的拖拉拽取動作全部記錄了下來。對產品價格拖動條的猶豫程度，通常會反應不同客戶的心理，十分猶豫謹慎，反覆拖拉不同金額的客戶通常對價格敏感，同時也可能是信用好用戶，因為它是真實意願的一種體現，相反，動作迅速，毫無停頓地把拖動條拖到指定金額，並且翻頁迅速的客戶則極有可能是信貸饑渴者，風險上可能就相對高危。

2- 線上業務：客戶在網上申請時，如果之前填了一個公司名字後又刪改了，前後公司名明顯不一致，那說明客戶工作信息可能存在作假，雖然之前刪除的信息沒有提交上來，但作為行為數據準確捕捉後，還是會對整個好壞客戶識別起到非常大的作用。

3- 貸後管理：通過對客戶手機的IP／GPS／設備／APP等軌跡的追蹤，能有效地管理一個客戶的貸後情況，是否還在原來廠區工作，是否經常性地用APP查看賬單，瀏覽網頁情況等對貸後的交叉營銷、催收都有非常顯著的指導意義。

※ 綜上，行為數據通常是客戶真實意願的展現，相比於申請信息比較難於包裝，給藍領這群薄文件客群提供了強大的信息來源，也為決策提供了更強的變數。

朱君簡介：

歷任中國交通銀行信用卡中心風險部經理、攜程計算機技術有限公司信息安全部數據分析高級經理等職位超過10年銀行信貸資產組合和反欺詐風險管理經驗，對風險管理技術應用於不同人群有獨到的理解。

--END--

小飯桌新媒體，志在發現和報道未來商業領袖，已融資的項目，如果自認夠酷夠炫，歡迎加微信zuoriyishan聯繫報道。