相互金融業務 | ビッグデータリスク管理システムを0から1に構築する方法

リスク管理は金融の心臓部であり、データはリスク管理の血液です。以前は、主に経験とマクロ経済の形式に頼ってリスク管理を実施していました。その後、データとスコアリングを通じてリスク管理を実施し、現在はビッグデータを使用してリスク管理を行っています。

2014年以降、インターネット金融業界では大規模なリスク事象が頻発し始め、多くの金融機関が従来のリスク管理モデルに疑問を抱き始めました。現在、ビッグデータ技術は急速に発展しており、その信頼性の高いリスク管理技術によりインターネット金融業界で支持を集めています。 「2018年中国ビッグデータリスク管理研究報告」によると、中国のビッグデータリスク管理市場規模は2017年に140億元に達した。

現在、大手インターネット金融会社はビッグデータリスク管理の技術的手段を採用しており、Ant Financial、Rong360、Paipaidai、Dianrong.comなどは独自のビッグデータリスク管理システムを開発しています。ビッグデータはインターネット金融、さらには伝統的な金融リスク管理の必然的な流れであり、その発展は金融分野に大きな利益をもたらすでしょう。

では、ビッグデータのリスク管理とは具体的に何でしょうか?ビッグデータのリスク管理を構築するには？以下、Box Fungus が一つずつ回答します。

1. ビッグデータリスク管理とは何ですか?

ビッグデータリスク管理とは、ビッグデータコアアルゴリズムを通じてリスクモデルを確立することを指します。さまざまな次元のデータ収集に基づいて、インターネットベースのスコアリングと信用管理モデルを組み合わせて、企業に有用なデータを抽出し、分析と判断を行って、最終的にリスク管理とリスク警告の目的を達成します。

ビッグデータによるリスク管理は、インターネット金融プラットフォームが信用管理とリスク管理を革新するための新しいアイデアです。従来のリスク管理と比較すると、ビッグデータリスク管理はモデリングの原理や方法論に本質的な違いはなく、インターネット時代の特性を活用しているだけです。現在、主流のビッグデータによるリスク管理は依然としてスモールデータを使用しており、顧客情報に焦点を当て、財産、安全性、契約遵守、消費、社会的交流など、さまざまな側面から顧客の信用レベルを評価し、顧客の信用データを確立することで、リスク源を減らしています。

2. ビッグデータリスク管理を使用する理由

統計によると、銀行の従来のリスク管理モデルは市場の顧客の 70% に対しては有効ですが、残りの 30% の顧客に対しては、リスク管理モデルの有効性は大幅に低下します。ビッグデータ時代の到来により、従来のリスク管理のデータ次元が豊かになり、多次元データを使用して、社会的、信用、消費、関心などを含む借り手のリスクを特定できるようになりました。顧客データが増えれば増えるほど、信用リスクがより詳細に明らかになり、信用スコアがより客観的になります。ビッグデータによるリスク管理におけるデータ次元は、顧客リスク管理の残りの30%を効果的に補完する役割を果たすことができる。

ビッグデータリスク管理の役割は、当初拒否された顧客の中から適格な顧客を見つけ出し、審査を通過した高リスクの顧客や不正な顧客を特定することです。これにより、インターネット金融業界の効率とリスク管理能力が大幅に向上し、不良債権率を効果的に制御し、企業の収益性を高めることができます。ビッグデータによるリスク管理は、金融業界の発展に統合する必要がある技術的手段です。

3. ビッグデータリスク管理の応用シナリオ

ビッグデータリスク管理モデルの応用シナリオは非常に広範囲にわたります。インターネット金融に関わる業界であれば、ビッグデータリスク管理は不可欠です。財務の観点から見ると、リスク管理モデルは、顧客の返済能力と返済意欲を評価し、詐欺や不正行為に対処し、顧客によるプラットフォームの不正利用を防ぎ、プラットフォームのセキュリティを確保するように設計されています。

業界の観点から見ると、主に消費者金融、サプライチェーンファイナンス、信用貸付、P2P、ビッグデータ信用報告、第三者決済（第四者総合決済）などのサブセクターが含まれます。また、電子商取引、ゲーム、ソーシャルネットワーキングなどの「伝統的な」インターネット企業でも使用できます。あらゆるインターネット企業にはリスク管理が必要だと言えます。

4. ビッグデータリスク管理モデルを構築するための3つのステップ

ビッグデータリスク管理は、顧客獲得、承認、融資プロセス中の維持、顧客価値の向上、再利用、詳細な調査、顧客の維持、回収、退出まですべてをカバーします。金融リスク管理は、もはや単にお金を貸して回収するだけではなく、顧客のライフサイクルを完全に維持することです。

完全なクローズドループを形成したい場合は、ローン前、ローン中、ローン後の 3 つのステップに分割する必要があります。

1. ローン前：ローンの面を見て形を描く

事前融資には、主にアクセス信用ルールの策定と分割が含まれます。

（１）アクセス

融資前の段階では、顧客データを収集、整理、分析、適用する必要があります。これは非常に長いチェーンであり、従来のリスク管理を使用すると、時間と労力がかかります。しかし、現在では、人口統計情報、社会情報、過去の消費記録、消費パターン、興味や趣味、社会的嗜好、その他の関連する次元情報など、応募者に関する多次元情報を正確に抽出できるビッグデータ技術があります。これらの情報を組み合わせてユーザーポートレートを作成し、顧客のローン資格、返済意思、返済能力を判断し、検討と意思決定を支援します。この段階で不適格な顧客は直接ブロックされるため、後の段階での「偶発的な殺害」を防ぐだけでなく、プラットフォームの顧客品質を確保し、半分の労力で2倍の結果を達成できます。

（２）クレジット

信用はプラットフォームの消費者需要に基づいて付与されます。消費者需要を基盤として、効果的な信用モデルとスコアリングルールを確立できます。柔軟でオープンなデータインポート技術、多次元の信用の強弱関係スコアリング項目、専門的な評価モデルを活用して、顧客の返済能力と返済意欲をより詳細かつ包括的に「分析」し、プラットフォームの信用決定の総合評価を行います。格付けが異なる顧客:まず、リスク係数は別々に調整されます。次に、各格付けの各顧客グループに対して、信用限度額の上限と下限を設定する必要があります。

2. ローン：外から内へ、正しい薬を処方する

ローンには2つの部分があり、1つは不正防止、もう1つは信用限度額調整です。

（１）不正行為防止

詐欺防止機能は、ローンを借りる前に多くの人が頻繁に利用する可能性があります。しかし実際には、不正防止は顧客のライフサイクル全体にわたって行われます。不正防止保護は、クレジットリンクだけでなく、アカウントログインや登録リンクにも必要です。現在の詐欺の手口としては、主に他人名義での詐欺、個人による意図的な詐欺、悪質な仲介者が他人を騙して間接的に信用詐欺を行うといったものが挙げられます。

不正行為防止には、情報の検証と行動分析の 2 つが必要です。ビッグデータリスク管理システムには、それをサポートする高度なテクノロジーが多数存在するため、この点についてはあまり心配する必要はありません。行動分析のプロセスでは、リスク管理の経験、顧客情報の検証、部分的な行動データに基づいて予測分析を行います。顧客の行動に基づいて、ラベル付けを通じてさまざまな顧客グループのリスクレベルを識別します。

（２）与信限度額の調整

この段階では、ほとんどの顧客が少なくとも 1 回の返済を行っているため、プラットフォームは、高品質の顧客には低い金利と高い信用限度額が与えられ、データパフォーマンスの悪い顧客はリスクをカバーするために高い金利を使用する必要があることを保証するために、顧客の信用限度額レベルと金利を調整する方法を検討する必要があります。

しかし、リスクを考えずにただ盲目的に高いリターンを追い求めたり、リターンを求めずに低いリスクを追い求めても意味がありません。与信限度額調整の焦点は、顧客のニーズとリスクの合理的な見積もりにあります。実際、これはさまざまなリスクリターン間で資金を配分し、特定のリスク下で全体的なリスクリターンを最大化できるものと見ることができます。

3. ポストクレジット: 5つの音を聞いて病気を特定する

融資後の業務は主に請求書の回収と融資後の監視です。

（１）請求書の回収

プラットフォームが資金をリリースする場合、資金が回収可能であることを確認する必要があるため、資金を追跡する必要があります。支払い遅延が発生すると、回収チームが起動され、支払い遅延処理と資産回収作業の完了を支援します。債権回収にも一定の戦略があります。まず第一に、顧客グループのさまざまなリスクセグメントに応じて差別化された債権回収対策を策定する必要があります。第二に、債権回収のタイミングを把握します。債権回収のためのリソースは限られているため、一定の配分ルールに従って債権回収リソースを割り当てる必要があります。

（２）融資後のモニタリング

最後に、融資後のモニタリング段階に入ります。与信プロセスにおいては、初期段階や中期段階でリスク管理が適切に行われていても、与信取引が万全であるとは限りません。借り手の環境変化、返済能力の変化、返済意欲の変化などが頻繁に発生します。ビッグデータ技術を活用することで、借り手の多次元的な動態イベントや市場情報を追跡・監視し、融資後の借り手の異常データを迅速に検出・発見し、融資後の警告をタイムリーに発行することで、貸し手の逃亡や信用機関の不良債権や不履行債権の発生を効果的に防止することができます。