信用卡業(yè)務(wù)已成為獲客和活客的主要工具，同時隨著發(fā)卡量的增加，不良率也在急升。由于區(qū)域性銀行劣勢比較明顯，因此培養(yǎng)自身團(tuán)隊，搭建自己的信用卡申請全流程風(fēng)控體系，對于區(qū)域性銀行核心競爭力的提升非常必要。
信用卡申請的風(fēng)控流程
1.申請進(jìn)件。申請進(jìn)件渠道主要指線上渠道進(jìn)件，即通過掃碼或微信小程序進(jìn)件。客戶進(jìn)件后，通過聯(lián)網(wǎng)核查對客戶填寫的身份證件完成認(rèn)證。
2.風(fēng)控準(zhǔn)入。由于區(qū)域性銀行的特殊區(qū)域政策監(jiān)管要求，信用卡申請的常住地址只能在區(qū)域性銀行有分支機(jī)構(gòu)的地區(qū)。根據(jù)信用卡申請者年齡政策，申請者須滿足18~60歲的年齡要求。
3.風(fēng)控策略。信用卡申請常用風(fēng)控策略有身份驗證、黑名單、多頭檢測、反欺詐等。身份驗證策略主要是針對申請者的身份信息進(jìn)行驗證。多頭檢測策略主要是查詢征信系統(tǒng)持有3家銀行以上的信用卡或者貸款業(yè)務(wù)。反欺詐策略主要是申請欺詐。通過引入通信公司的大數(shù)據(jù)，可以檢測客戶填寫的信息是否存在詐騙行為。
4.信用評分卡。信用評分卡分申請評分卡、行為評分卡、催收評分卡三類。申請評分卡將信用卡申請者分為三類，高分類可以自動通過，低分類自動拒絕，介于二者之間的客戶，需要人工審核。
5.授信額度。信用卡授信額度的確定基于信用評分卡的基礎(chǔ)之上，結(jié)合行內(nèi)客戶畫像系統(tǒng)中的存貸款和理財產(chǎn)品，以及第三方的固定資產(chǎn)，如房產(chǎn)、車輛、公司任職、納稅情況等確定。額度確定標(biāo)準(zhǔn)并非全行統(tǒng)一，采用差異化授信，例如考慮地區(qū)差異、行業(yè)差異等因素。
信用卡申請的風(fēng)控策略規(guī)則
1.反欺詐策略規(guī)則。反欺詐數(shù)據(jù)源獲取渠道主要有APP埋點(diǎn)采集的行為數(shù)據(jù)及第三方機(jī)構(gòu)數(shù)據(jù)。反欺詐策略規(guī)則主要有基礎(chǔ)信息核查、用戶行為規(guī)則、聯(lián)系人信息校驗、中介協(xié)同識別、組團(tuán)騙貸識別、第三方名單掃描、反欺詐模型等。
2.黑名單策略規(guī)則。黑名單是反欺詐的重要手段，其有效性和覆蓋度是關(guān)鍵。主要包括內(nèi)部黑名單、外部黑名單、共享黑名單、其他行業(yè)黑名單等。
3.多頭策略規(guī)則。多頭策略是反欺詐的常用手段，主要有多頭注冊、多頭申請、多頭借貸、多頭負(fù)債等。
信用卡評分卡的應(yīng)用策略
1.評分的數(shù)據(jù)源。以多類弱相關(guān)數(shù)據(jù)源構(gòu)建強(qiáng)預(yù)測能力的信用評分模型。評分的主要數(shù)據(jù)源有信用歷史、多頭借貸、多頭負(fù)債、資產(chǎn)情況、社交關(guān)系、線上線下消費(fèi)能力、互聯(lián)網(wǎng)行為數(shù)據(jù)和收支數(shù)據(jù)等。
2.構(gòu)建評分模型。構(gòu)建信用評分模型主要有模型變量、信息價值和模型驗證組成。(1)模型變量。模型變量反映的是在自變量每個分組下的違約客戶對正?？蛻粽急群涂傮w中違約客戶對正?？蛻粽急戎g的差異。(2)信息價值。在用邏輯回歸、決策樹等模型方法構(gòu)建分類模型時，我們經(jīng)常需要對自變量進(jìn)行篩選。信息價值就是衡量自變量預(yù)測能力的指標(biāo)。(3)模型驗證。申請評分模型的模型檢驗主要指標(biāo)包括K-S值、ROC等指標(biāo)。K-S值指標(biāo)越大，模型風(fēng)險區(qū)分能力越強(qiáng)。利用ROC曲線和AUC值，評價優(yōu)劣。
信用卡額度模型管理
信用卡額度模型根據(jù)區(qū)隔變量，對申請客戶進(jìn)行額度細(xì)分。申請信用卡常用的區(qū)隔變量有營銷策略、合規(guī)因素、風(fēng)險政策等。營銷策略方面，根據(jù)客戶畫像，模型針對高價值客戶提升額度。合規(guī)因素方面，限制無收入、無擔(dān)保債務(wù)占月收入比例高群體的額度。風(fēng)險政策方面，申請不同種類的信用卡產(chǎn)品，其額度上限也要有所區(qū)別，例如學(xué)生卡和公務(wù)員卡。
第三方風(fēng)控借鑒
大數(shù)據(jù)時代，阿里和騰訊為代表的第三方風(fēng)控值得借鑒。在移動端，阿里芝麻信用聚焦在客戶移動端行為檢測，通過客戶所持的移動端設(shè)備、環(huán)境、情報、身份、行為及網(wǎng)絡(luò)關(guān)系，輸出風(fēng)險標(biāo)簽及分值。在社交端，騰訊信用通過QQ、微信、財付通等社交網(wǎng)絡(luò)上的大量信息，利用現(xiàn)代數(shù)理統(tǒng)計模型技術(shù)，為客戶建立個人征信報告。綜上，區(qū)域性銀行一方面可以借鑒第三方的經(jīng)驗，學(xué)習(xí)其模型，提升自己風(fēng)險防控能力。
