一本财经APP

关注金融科技创新的力量

一本财经微信公众号

金融科技领域最具影响力新媒体。专注金融科技领域调查、深度、原创、独家报道,以及商业案例解析。我们不生产碎片化新闻,只出品深度而专业的报道——关注金融科技创新的力量。

融360|简普科技副总裁,占融数科负责人王明成:后疫情时代的数字化运营

2020-08-25
41287
分享到

融360|简普科技副总裁,占融数科负责人王明成在“风控·命门”第四届数字金融风控大会”上的演讲。

2020年8月23日,“风控·命门”第四届数字金融风控大会”在上海举办。此次论坛的主办方为一本财经,协办方为不良资产催收外包产业联盟。

本次会议,我们邀请到了融360|简普科技副总裁,占融数科负责人王明成,他的演讲内容为《后疫情时代的数字化运营》。

图片12

以下为演讲内容整理。

各位领导,各位专家,大家下午好。融360|占融数科的王明成,今天给大家带来的主题是后疫情时代的数字化运营。

今年的疫情和 2013年非典的疫情,有非常大的不同,不同主要体现在两个方面,第一个国内现在的状况已经比较平稳了,全球仍然处在疫情的发酵期。

第二个方面从整个的金融经济结构来看,在2003年,服务业在整个中国的GDP占的比重在46%左右,今年其实服务业占整个GDP的比重已经达到了65%甚至更高。疫情对于服务业的冲击非常的直接,影响非常深远。从金融服务,比如银行的线下网点的服务,再到各种衣食住行相关的服务,都有着非常深远的影响。那么在这样一个情况下,对整个经济社会,尤其是包括对金融机构也会带来非常大非常普遍的影响。

那么对于银行业为代表的一些金融机构,疫情会带来三个方面的影响和压力。

第一个,不良上升。资产质量承压:小微企业等实体经营下滑,尤其是住宿、旅游、餐饮、娱乐等行业影响,无论小微信贷还是部分个人消费者出现还款能力下降;我们引用了一组官方的数据,预计在2020年整个全年,银行业不良贷款将达到3.4万亿,远远的要高于去年2.3万亿这样的一个数值。而且我们可以预想,明年的第二季度,会成为整个信贷不良资产风险集中爆发的一个爆发期。

未来的一年,包括2021年,金融机构仍然会面临很大的如何去处理逾期不良,面临如何处理这样集中爆发的这样一个局面。这是我们看到的第一个特别大的风险和挑战。

第二个,盈利收窄。因为高不良率本身就会挤压掉很多金融机构的经营性的利润。同时国家对中小微企业的扶持,很多的金融机构对于中小微企业会有这种让利稳定的措施。银行业金融机构响应监管要求,减费让利,反哺实体经济;不良贷款增多,贷款本息不能如期收回,银行利润就会收窄;银行为预防冠状病毒疫情采取了一系列消毒和卫生保健措施,如消毒现钞、柜台、营业厅等,加大了银行管理成本。

所以从总体来说,盈利可以说是今年,包括明年金融机构面临一个非常巨大的挑战。

第三个方面,需求压降。融360维度调查发现,疫情对大众消费支出影响明显,高达82.2%的受访者表示消费支出比平时减少,10.03%的受访者表示比平时增加,仅有7.77%的受访者表示与平时持平;根据财新报道: 2020年2月到5月,中国的城镇调查失业率分别为6.2%、5.9%、6%、5.9%,均远高于2019年末5.2%的水平。对整个金融业信贷资产带来很大的挑战。

同时,后疫情时代,短期内将迎来大众消费热情的高涨,近7成受访者表示有增加消费支出的意愿。此时国内经济开始快速反弹,正是危中有机。

危机当中的一个非常大的这种希望,数字化转型成为未来金融机构去面对危机,或者说获取新一轮增长的一个非常强势的动能,也就是说经济金融和科技之间是相互促进的关系。那么我们认为当前的这样一个状态下,数字化科技成为大势所趋。万物凋零的时候,也是万物复苏的开始。

我们面临现在这种风险和挑战,包括我们看到一个比较可喜的现象就是,金融业机构其实都会形成一个非常强的共识——现代化数字化转型。

同时数字化转型也面临一系列的这种挑战和压力。

在转型的过程当中,金融机构面临很多的风险,这个风险来自于几个方面,从信用风险到技术风险到声誉风险。

所谓的信用风险是什么?未来两三年是开放银行的时代。将银行服务延伸到社会生产生活的各个方面。金融服务变得无处不在,如影随形。风险,衍生到前端,如果出现合作伙伴前端风险,银行也会产生连带风险。监管鼓励和要求,金融机构银行为代表的金融机构能够构建部署的风控和运营的体系,包括数字化运营的平台。

第二个就是技术风险,无论是银行通过开放API的方式,前期到场景当中去,还是说在这个过程当中的一系列大数据相关的一些应用,首先会带来数据安全问题。Api平台是否坚固,可以应对互联网上的各种攻击。对于个人信息安全的保护是否做得稳健扎实。

第三个是声誉风险,无论是信用风险还是技术风险,最后都会影响到银行的声誉,影响到银行的公众形象。

所以这是我们看到说在这个过程当中我们面临的可以说巨大的风险。那么同时在数字化转型过程当中,又会遇到一系列这种所谓的难题或者说是挑战。

有3个方面,第一个,体制机制的挑战,第二是人才不足,第三个是数据治理。

第一个来自于银行,来自于金融机构的内部。都要内部体制,营销,运营和风控,以客户为中心来做快速协同响应,会和当前的部门体系会有碰撞。原有的制度流程方面对整个这样一个过程可能是非常大的一个挑战。

第二方面是人才不足。无论是大数据,AI也好,包括整个的一些技术的应用,核心的载体是要有足够强的人才。很多金融机构受制于地域,比如说当地的宏观环境发展和相关的一些信托等金融机构,人才吸引力不足,导致人才不足,技术创新的源动力不足。金融科技公司能够帮助技术不足的银行做赋能和提升。

第三个是数据治理的挑战,超过五成的银行表示体系存在问题,数据质量,数据治理维度,数据可用性,数据挖掘能力,数据标准化等方面,面临很大挑战。

那么其实面对这些挑战,从数字化科技的角度,如何助力金融机构平稳过渡。我们总结出来的模式,从两个层面来看,一个是说业务的数据化,一个是说数据的业务化,所谓的业务数据化是说通过业务中台,链接银行业务侧,把业务形成的数据,以业务视角挖掘。抽象成对业务人员有直接用途的数据,来直接获客。那么同时反过来说,数据中台是基于对这些数据的有效的分析,对数据有效分析,反哺业务。把数据业务化。形成这样的一个双中台体系。

基于银行的业务,包括用户经营的过程当中,其实我们会发现很多的行为都是能够抽象成比较标准的一个规律和一些流程。概括起来就是一个从活动策划,到模型圈人,再到活动发布,最后效果评估的一个流程。

在这个过程当中,很多金融机构面临的一个共性的挑战,就是说因为能够以客户为中心,形成整个一个闭环,不能够对客户的里程,形成整个的一个从业务平台到数据平台这个数据配合,那么会导致中间的很多环节中断,还不能够形成一个完整生命周期的方向。所以那么在这个过程当中,完成业务数据化和数据业务化完成这样一个闭环,对用户进行一个精准化的运营,就变得非常的重要。

我们整个的体系架构里面,业务中台其实最核心的就是促进多渠道的获客。客户和客户之间,用户和用户之间,人和人之间的这种基于关系网络的信任所形成的一个拉动,拉动的这样一个新业务,是一个非常有效的方式。通过这样一个模型,响应模型来去做有效的延展。那么一个好的客户往往拉来的人群,它的质量也会比较好,至少是一个正相关的关系。

从整个数据中台来看,有我们几方面,包括从基于AI的这种自动建模平台,或者我们叫 A.I.化的模型工厂,来帮助我们说大数据数字化转型,其实很多业务都要模型化,那么模型化需要大量的人才,而我们如果人才不够的话,我们怎么样能够通过AI这种半监督学习的方式,来去快速的构建模型体系,来去赋能业务,会变成一个非常重要的课题。这种数字化的决策形成整个理论,从营销到运营到风险管理意识到探索到整个的表现,这样一个闭环,才能够实现整个的一个客户旅程来说全生命期的管理,然后再到整个基于用户行为分析。

线上化已经成为一个更进一步的规划,其实线上化本身就已经成为不可逆转的,而疫情又加速了这样一个过程。

不同的获客渠道从一开始就决定了渠道本身风险表现的上限和下限。

甄选渠道需要做精细化运营。在开放银行时代,会有越来越多渗透到生活的场景信贷资产。与机构之间建立定制化模型,才能把前端积累的流量、画像、大数据沉淀成为全生命周期的穿透。这也是金融机构信贷业务与常规大零售业务的不同,不仅是做到CPI就结束了,还要关注风险表现如何,并对渠道质量、渠道适配客群有更深入的理解。在渠道投放策略上,技术可以解决很多问题,但还不够,还需要许多运营工作,如投放的策略,素材的设计,效果优化等等。

开放银行联合建模如何保障数据安全?我们做了大量的实践,一种典型的应用是基于联邦学习、多方安全计算的应用,以保证多个数据集在不交换数据的情况下,实现与交换数据几乎相同的建模效果。

在投放策略上,我们和很多主流媒体渠道合作,在后台数据上实现了基于联邦模型的深度融合、对接,以实现灵活、快速地穿透,包括渠道管理、投放管理、效果管理、账号权限管理、接口对接等。我们可以实时监测这些信贷风控的最终表现状况,为决策者提供效果分析,为渠道选择提供依据。

在存量用户的促活和经营上,分享一个个人观点:时代已经从流量为王转向存量为王。因为开发新客户的代价是维系老客户成本的7-8倍,而成熟、成功的商业组织,其收入都来自于老客户源源不断的投入。在疫情的特殊阶段,人群还款能力有所下降,获得的新客如果不能留存,其投入产出比是亏的。很多金融机构在历史上都积累了大量存量用户,但能带来有效贡献的活跃用户占比不到20%。如何把沉睡用户的价值释放出来,非常关键。

这些过程说起来简单,但做起来并不容易,需要基于大量数据进行决策,对用户群体特征充分挖掘,匹配出最好、最优秀的客户。下一步,将进入运营活动构建阶段,无论是App、短信还是自建营销,都要根据客户进行差异化运营策略。

我们在大量的投放、运营过程中,形成了一套标准化的用户营销SaaS工具。其中最重要的是“老客带新客”。这其中需要引入分销裂变、红包裂变、内容裂变等玩法,基于分析网络构建柱状分析图,实现用户群体的裂变式消费运营。 转化激励的策略也要附加到用体系中,实现实时的结算。

此前提到的AI化模型工厂,未来的开放银行时代会为不同的产品做大量定制化模型。这些模型的构建过程,会遇到大量挑战。很多金融机构以往面对不同的渠道、场景,都采用了统一的策略和模型的部署。千篇一律的模型和风险策略,无法解决问题。

所以我们发现,在营销与风险管理之间形成了一个悖论——发现一个渠道效果不好,就把一个渠道关掉,或降低这一渠道的通过率。但这种简单粗暴的方式,对业务经营是非常不利的。实践证明,差异化的定制模型非常重要。

但这又带来了新的问题,我们是否有能力快速建立新的模型?AI模型工厂就是为了解决这一问题,通过快速定制化的模型来辅助业务场景,让业务人员可以通过图形化界面迅速建立模型,并通过人工验证反复修正模型。这一过程中,模型开发门槛大大降低,开发周期会减少80%以上,模型的复用性也得到了提升。

决策效果评估,最重要的使命是建立决策闭环,并对每个事件进行实时效果分析。这一过程也围绕数字化运营的核心KPI展开——增加用户数量、促进用户活跃、提升用户价值、优化用户体验,所以我们会在这四个维度上构建我们的模型。通过可视化、埋点等技术,我们可以对线下、App、H5、微信公众号等渠道的用户,进行从点击到浏览的精准刻画。

推荐文章

助贷“小而美”是王道?100多人的中小公司,撮合信贷竟然超过300亿元

招联、马上、平安、苏宁金融被山寨,套路贷“李鬼”猛收服务费

讲真,今年还是催收最惨...

监管要求控制房贷规模,多家大行新增涉房贷降至30%以下

或借春晚推支付业务,拼多多能讲好“金融”这个故事吗?