小微企业贷产品的风控思路参考手册|电商信贷的风控策略设计，下面是番茄风控大数据宣给大家的分享，一起来看看。
信用贷款 风控
前言：
电商信贷是电商企业利用自身平台优势向平台上的供应商或个人提供借贷的一种金融模式，目前市面上比较知名的产品有淘宝的订单/信用贷款，京东金融的京小贷、京e贷、跨境电商的pingpong金融、豆沙包等，这些产品的共同特点为：
1）目标客群：平台上的卖家，卖家又可细分为个体户，小微企业，中小型企业等，大部分用户都是个体户和小微企业。
2）贷款期限：一般是1个月或3个月的短期贷款，有些会延长至6个月或1年
3）额度利率：利率一般在12-24%之间，额度上限根据目标客群而定，最高可以给到500万以上
另外业务模式常见的有以下3种：
1）电商平台自建小贷公司，用自有资金对外提供贷款，这种模式是平台做风控，资金和数据都是平台自己的。
2）电商平台与银行，保理公司等资方合作，平台把自己的用户和数据推给资方，资方来对用户审核并放款，风控主要由资方来做。
3）资方与第三方数据提供机构（ERP,物流,支付机构）合作，第三方机构上有电商平台用户的经营，交易等数据，第三方机构将数据和用户推给资方，资方来做放款，风控主要由资方来做，这种模式和第2种有点类似。
从电商贷的业务模式和产品特点来看，可以把它归到小微企业贷产品中，只是它带了电商这个场景，同时它跟个人信贷是有很多相似之处的，下面我们在介绍电商贷的策略设计时，也会提到它跟个人信贷的共同之处，
本次整体的内容较多，除了公众号上的内容更会在知识星球上为大家提供本次内容所涉及的实操数据与代码，手把手实操带领大家领略小微中的电商风控信贷与实际案例的内容，本次整体目录如下（文章一共有四个章节）：
Part1.电商信贷的数据信息收集
个人数据与企业数据的区别
1.1.前端信息采集api/sftp的方式采集
1.2.api/sftp的方式采集
1.3.线下数据采集
Part2.授信阶段的策略和额度设计
2.1.授信的主体
2.2.授信的流程
2.3.授信机审和人审的策略规则
①平台准入规则
②内部黑名单规则
③经营风险规则
1）经营统计类
2）经营稳定性类
3）经营增长类
4）客户评价类
5）平台绩效指标类
④内部评分规则
⑤外部黑名单规则
⑥外部多头/信用规则
⑦征信规则
Part3.支用阶段的策略和额度设计
1）额度上下限
2）基础额度
3）额度系数
4）人审额度
5）尽调额度
Part4.实操--用python开发电商贷的规则变量
【本文章，知识星球社区的同学，可以直接前往知识星球平台查询。
Part1.电商信贷的数据信息收集
电商贷风控用到的数据分为个人数据和企业数据，先讲下不同用户群体采集对象的区别：
1）个人数据：对于个体工商户，采集的是个体户注册人，也就是经营者自身的数据，而对于小微企业和中小型企业，是采集法人和实控人的数据，有些企业还存在法人和实控人不一致的情况，这种就需要同时审核法人和实控人，关于实控人的认定，因为不像法人那样直接写在营业执照里，所以要100%做真实认定比较麻烦，一般采取的方法是看股权比例，比如持股50%以上的为实控人，或通过其他关系定位到实际支配公司行为的人。
2）企业数据：若用户在电商平台注册的是个人账号，企业数据就是其经营的店铺数据，若注册的是企业账号，那除了店铺数据，还可以根据统一社会信用代码去采集企业维度的相关数据。
采集数据的方式分为三种，一是前端信息采集，也就是用户自填的信息，二是通过api，sftp的方式采集平台内部或外部数据，三是线下采集，比如在尽调时用户线下提交风控审核的材料。下面我们根据采集的方式和数据类别来罗列下风控需要用到的数据：
一.前端信息采集
用户自填信息在风控中主要用来做数据的一致性校验，关联规则，在贷后环节做催收还款等。
编辑
添加图片注释，不超过 140 字（可选）
二.api/sftp的方式采集
分为内部数据和外部数据，内部数据主要是平台店铺的经营数据，用来判断用户的经营情况，外部数据又分为个人和企业，主要用来判断其信用情况。
编辑
添加图片注释，不超过 140 字（可选）
三.线下数据采集
线下数据主要是企业的财务数据，及法人或实控人的资产，信用记录等信息。主要的用处有两个，一是在授信尽调时审核企业的经营情况和法人实控人的信用情况，二是用户可以提交这些资料作为增信，提升额度的一个依据。
编辑
添加图片注释，不超过 140 字（可选）
Part2.电商贷授信阶段的策略和额度设计
一.授信的主体
个人信贷的主体就是个人，而电商贷会稍微复杂一些，考虑到用户可能会有多家店铺，所以授信主体分为两种：
1）用户作为主体授信，多家店铺共用授信额度
2）店铺作为主体授信，店铺之间额度是独立的
两种授信主体对应的策略框架，额度设计，以及指标计算的维度都会有区别，下面会具体介绍到。
二.授信的流程
授信的流程大体的框架分为：
①机审
②人审
③尽调
.....这里更多相关的思路与实操详情与内容我们也已经同步内容到了知识星球，参见详细内容。
在这个详细内容里，我们会跟大家介绍人审核与机审的详细内容与分流策略情况与分流机制。也即在自动化审批的过程中是否还应该加入人审环节，因为这明显增加了人工支出成本。最后是尽调部分，应该针对哪部分客群展开尽调。
在整体的审核流程中，这个部分更会详细展开跟大家介绍其中完整详细的授信流程，这里我们会介绍七大授信模块，分别为这七大授信模块：
①平台准入规则
②内部黑名单规则
③经营风险规则
④内部评分规则 ⑤外部黑名单规则
⑥外部多头/信用规则
⑦征信规则
添加图片注释，不超过 140 字（可选）
如果做过零售风险业务的同学就知道，这流程看上比较熟悉，当然相关的授信流程无论在什么情况的产品，似乎都比较类似。但又会大同小异，就是这个异，不同之处，区分了每家机构或者产品之间的差异化的风险能力与机制。
比如在差异化的风险机制中，在以上的授信流程中，还有这个经验风险规则类，这个也就是小微企业特有的经营模块，这里又包括了五大类的指标体系：
1）经营统计类
2）经营稳定性类
3）经营增长类
4）客户评价类
5）平台绩效指标类
在这些指标体系中，我们更会跟大家详细对应的指标体系中的内容以及详细的风控策略指标，比如命中了哪些指标是必须拒绝，命中了哪些指标可以放过，命中了哪些指标，可以做一下差异化的分流策略。
在文章开篇，我们提到本文讲述了小微企业风控贷款中的电商信贷内容，但其中的风控思路适合所有风控类产品借鉴。从这个部分就可以看出来，这种风控授信流程适合其他类风控产品借鉴。
并且在整体的授信流程中，少不了对额度的探索，在这个部分我们继续给大家讲解了该信贷常见中应该考虑的额度上下限、基础额度与额度系数等相关内容。除此之外还会介绍和人审额度。因为小微企业中（这里定位为电商店铺，其他可以同理衍生）经营状况是在变化的，更需要考虑额度的有效期，所以在这个部分还会重点介绍额度有效期的设计逻辑。
当然全部行文还不止以上内容，在文章中剩余部分，第三/第四/第五部分还会介绍：
PART3.电商贷支用阶段的策略和提额设计
PART 4.实操--电商贷风控策略指标的开发
第三部分（Part3部分），也是我们进一步介绍在相关的风控场景中，支用阶段跟授信阶段风控措施与策略的差异化集中点在哪。支用也提现，指的是在完成授信后，用户是否提款，如何提款，这个也是在授信后最重要的一个环节。
因为大部分个贷产品风控都是轻授信，重支用，这样设计是为了提高留存率，所以在设计相关的差异化的风控策略，有时候更会严格设计支用阶段的风控策略。但并不是所有的客户都适用这种轻授信，重支用的风控策略，所以在这个部分也会跟大家介绍客群之间差异化的支付策略如何设计，在这一部分会详细介绍目前两种常用的支用策略手段。
另外有了支用，就必须配套相关的额度的设计的体系，在这个内容里额度的设计逻辑包括提额设计、提额原理等也会详细谈一谈相关内容。
第四部分，实操干货
（Part5.实操： 实操--电商贷风控策略指标的开发），在这个部分我们在行文实操中，带来小微电商风控中的实操开发过程，与之相关的是电商风控中的的店铺的订单记录数据。通过这个实操，弄懂电商风控中相关的指标衍生内容。
某个店铺历史订单的明细记录，包含订单id(order_id)，下单金额(amt)，下单日期(order_date)等相关字段：
订单的时间跨度为2021/11/15到2022/9/22，说明此经营是从2021/11/15开始经营的，我们用这份明细数据来衍生一些月维度的经营指标：
近1/3/12个月的订单金额
近3/12个月的月均订单金额
近3/6个月的单月最小订单数量/订单金额
近6/12个月单月环比下降>=50%的次数
近3/12个月无下单记录的天数
....等相关的经营类指标
编辑
添加图片注释，不超过 140 字（可选）
以下为部分的实操截图：
编辑
添加图片注释，不超过 140 字（可选）
编辑
添加图片注释，不超过 140 字（可选）
计算近1/3/12个月的订单金额，这个比较简单，直接对amt_list_1m/3m/12m做sum就行
编辑
添加图片注释，不超过 140 字（可选）
编辑
添加图片注释，不超过 140 字（可选）
5.先把当月的数据去掉，再用to_dict方法生成list+dict结构，回溯时间选择2022-09-24，然后调用cal_month_fea计算出指标
编辑
添加图片注释，不超过 140 字（可选）
更多详细内容，有兴趣的童鞋可关注：
课程《风控炼丹炉模型调参课》
编辑切换为居中
添加图片注释，不超过 140 字（可选）
...
~原创文章
征信风控怎么贷款
本报记者 杨井鑫 北京报道
伴随着国家对经济新动能的重视，一大批“专精特新”企业逐渐成为银行信贷投放的香饽饽。而这类科创企业属于轻资产企业，专利等无形资产在当前难以抵押，甚至大部分企业处于投入大、亏损严重的境地，与传统信贷模式格格不入。银行在服务“专精特新”企业上需要更换视角，多维度地对企业信贷风险进行评判，以创新的服务模式更好地为“专精特新”企业服务。
据《中国经营报》记者了解，针对“专精特新”企业融资需求多样化的特点，光大银行制定了《关于优化专精特新、科创企业全流程金融服务的方案》，结合企业所处的发展阶段、企业资质、经营特点、行业特点，创新服务机制，提供专业化、差异化、全周期的综合金融服务。在风控方面，光大银行不仅设立了“专精特新”专营支行，还推出打分卡制度对科创企业风险进行评判，为银行加大这类企业信贷投放提供了保障。
金融支持科创
作为北京“专精特新”企业——北京鼎创环保集团的创始人，越艳在20年的创业历程中对融资“难”感触颇深。
“早在2008年以前，去银行贷款都是用个人房产做抵押。由于房产的评估价格只有市值的一半，拿着一叠房本抵押都不够。银行不仅要求增加担保公司做担保，还需要企业的实际控制人和配偶签订承担连带责任。”越艳表示。
凭借着对环保赛道的执着，越艳在企业研发上不断加大投入，技术逐渐成熟并落地到产业上。随着国家环保政策红利期的到来，企业发展也进入了“快车道”。
“在国内各城市加大建设的背景下，建筑垃圾的产生也越来越多，这让建筑垃圾再生利用的市场空间越来越大。”越艳表示。
越艳介绍，国内建筑垃圾的成分非常复杂，需要比较高的分类技术和处置技术，目前北京鼎创环保集团能将所有的建筑垃圾直接处置转换成产品，不仅成本低，也实现了废物的再利用。“建筑垃圾中的白色塑料和橡胶能做成环保油，替代柴油直接使用；建筑垃圾中的木材、棉絮等物质则能做成燃烧棒，可供电厂燃烧发电；建筑垃圾中的红砖水泥则直接还原成砂石原料，可用于路基材料等工程。”
“技术是企业的价值所在，也决定了企业的命运。”越艳称，建设一个传统产能200万吨的水泥厂，大概的资金投入需要12亿元，同等产能的一个建筑垃圾处置厂仅需要4亿元左右就足够了。
很难想象，依靠自动化设备的分类和处置，北京鼎创环保集团一家15人编制的企业，目前年处置的建筑垃圾已经能达到400多万吨，营业收入超过1.4亿元。
“2022年下半年，光大银行北京西客站支行在了解到企业的情况后，主动与我们开展了合作，批复了综合授信500万元，用于企业的日常经营和项目采购，缓解了企业的压力。”越艳表示，光大银行对“专精特新”企业的贷款利率在市场上很有竞争力，并且是信用贷款不需要任何抵押。“这在十年前是几乎不可能的。”
按照越艳的说法，银行贷款支持是对企业的认可，也少了烦琐且复杂的抵押手续。一旦企业有进一步扩产的计划，也会相应有融资需求，而银行的认可会让越艳在企业未来发展上更有信心。
“公司每年研发投入和人力成本大概是6000万元到7000万元，公司在发展中会一直有贷款的需求。但是，企业并没有相应的抵押资产，这要求银行的贷款模式要不断创新。”深圳微言科技有限责任公司（以下简称“微言科技”）董事长黄聪表示。
成立于2017年的微言科技是一家立足数据要素安全流通领域的数据服务商，提供从数据源价值挖掘、数据处理工具到场景解决方案的全链路服务，自研拥有微语·We-Flow隐私计算平台、微智∙智能决策平台、天玑∙智能化营销平台等核心产品，通过“数据+产品+客户”的连接，为各行业各场景提供合规高效的数据应用方案。该公司于2023年3月被列入深圳市“专精特新”中小企业名单，是深圳数据交易所首批数据商，在深圳数据交易所发布的《2022年十大数据商榜单》中位居第二位。
“光大银行对公司的授信额度为1000万元，这笔贷款不仅仅是银行对‘专精特新’企业的支持，也是银行基于数据要素市场化增信业务的首次试验。”黄聪表示。
黄聪向记者透露，目前微言科技的营业收入年增在100%～200%之间，公司的发展正处于高速增长期，而银行的贷款对公司业务的扩张起到了重要支持作用。“光大银行的贷款在一周内就到账了，效率在行业中最高。部分银行流程相对会更加繁琐，甚至有一家银行的贷款流程走了将近半年。”
多维度“把脉”风险
在国家推进金融支持实体经济政策落地的同时，“专精特新”企业成为银行信贷投放的一个重要领域。作为商业银行的“国家队”，光大银行更是在该领域积极布局。
据了解，光大银行持续加大对“专精特新”企业金融支持力度，在客群建设、优惠政策、全流程服务、产品创新、风险管控、集团协同等方面持续发力。
统计数据显示，截至2023年3月末，8997户国家级“专精特新”小巨人企业中，光大银行已为近2000户开立存款账户，为近1000户提供授信支持。
“自去年年初以来，光大银行为了加大对‘专精特新’企业的金融支持力度，深圳分行成立了‘专精特新’工作小组，全面系统地推进对‘专精特新’企业的服务工作。”光大银行深圳分行党委委员、副行长王磊表示。
他认为，银行加大对这类企业信贷投放的前提是做好风险管理，提升银行的风险识别能力。“‘专精特新’企业并不是所有企业都能成功，要考虑到企业的科技含量有多高、科技是否前沿可替代、科技应用领域有多少，甚至竞争对手情况等方面，因此银行在支持这类企业时要能够对风险精准把脉。”
王磊认为，根据传统信贷模式，“专精特新”企业投入大、盈利能力弱等特征很难达到授信条件，这需要银行多维度对企业的风险进行判断。“光大银行深圳分行成功推出了打分卡试运行线上版本，在传统评价企业偿债能力和偿债意愿的风险评级体系基础上，优化财务指标的设计，由偏重风险性指标向偏重成长性指标调整，由偏向经营性指标向偏重技术性指标调整。”
王磊介绍，银行打分卡是将对企业的研判从“定性”转化为“定量”，涉及到“专精特新”企业风险评判的14个维度，包括企业资质、成长性评价、科研实力和科研投入、企业团队情况、筹融资能力、IPO进度、刚性负债等方面。目前银行在推广打分卡过程中，对于“专精特新”企业累计打分156户，有效样本132户，样本有效率84.62%。
数据显示，截至4月30日，目前与光大银行深圳分行已有授信合作的“专精特新”企业有418户，较年初新增34户，已开户“专精特新”企业686户，较年初新增8户，“专精特新”企业授信余额合计68.78亿元。
王磊表示，在支持“专精特新”企业过程中，银行需要加强对行业和客户的研究，尤其是对芯片、医疗等重点领域中一些比较前期的企业加大支持。“深圳有一家芯片企业曾经持续亏损十多年。该企业从事的研发领域是中国芯片一直以来最薄弱的环节，光大银行是商业银行中唯一一家坚持扶持该企业至今的银行，当时给予了近1亿元的授信，如今企业受到重视程度越来越高，商业银行也纷纷争抢与这家企业合作，这成为了光大银行深圳分行支持‘专精特新’企业中的一个经典案例。”
“银行给头部‘专精特新’企业给予支持是正常的，但更要对一些发展前景的客户进行扶持，在市场竞争中有比较优势，这需要银行拥有‘慧眼识珠’的能力。”王磊表示。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信，我们会及时处理和回复。
原文地址"信用贷款 风控（征信风控怎么贷款）"：http://www.ljycsb.cn/dkzs/116237.html。
微信扫描二维码投放广告
▲长按图片识别二维码
