借鑒全球先進國家的經(jīng)驗，目前全球汽車金融滲透率平均約達50%以上，在英國、美國等先進國家，滲透率更高達90%。反觀國內(nèi)，中國雖然連續(xù)8年位居全球汽車銷售市場最高位，但2016年的汽車金融滲透率僅38%，與英美等先進國家相比，我國汽車金融市場仍有很大的發(fā)展空間。
龐大的潛在市場吸引許多合資車廠紛紛引進旗下汽車金融公司，國內(nèi)自主品牌車廠也已成立或籌建自己的汽車金融公司，至2016年，我國汽車金融公司已增加至25家，資產(chǎn)規(guī)模突破4千億。另一方面，互聯(lián)網(wǎng)金融公司也以其靈活的數(shù)據(jù)應(yīng)用提供更為便利的貸款產(chǎn)品來吸引消費者，企圖一同搶占汽車金融的市場大餅，這些都顯現(xiàn)了我國汽車金融市場融資渠道的逐漸多元化，且發(fā)展方向也逐漸轉(zhuǎn)型為以消費者需求為導(dǎo)向——透過大數(shù)據(jù)應(yīng)用簡化以往冗長的貸款流程，借由優(yōu)化消費者服務(wù)體驗來獲取并留住更多客戶?？梢哉f，大數(shù)據(jù)分析能力已成為企業(yè)的核心競爭力。因此，筆者想借由這次的文章分享對于汽車金融行業(yè)目前發(fā)展趨勢的一些見解。
更“快”的客戶體驗要求
買車對很多人來說都是人生一件意義重大的事情。如何順利地選擇一輛愛車是需要花費很多精力去準備和策劃的事情，制定預(yù)算、選車、試駕、貸款，提車，整個購車過程中的用戶體驗對客戶的最終決策都至關(guān)重要。
以前聽朋友說起過這樣的例子：一位年輕的客戶走進4S店，希望能夠挑選自己人生的第一輛車?？催^幾輛之后，他提出希望能夠了解一下自己能夠貸款的額度以及期數(shù)、利率條件，來決定最終購買哪一輛。4S店根據(jù)以往審批流程的經(jīng)驗，表示提交申請后需要3-5天的時間等待最終審批結(jié)果。結(jié)果年輕客戶轉(zhuǎn)身走出4S店，通過購車平臺選購了自己心儀的愛車，并通過在線消費金融服務(wù)成功辦理了貸款。
新一代的年輕客戶生長在信息時代，早已習(xí)慣了高效率快節(jié)奏的服務(wù)，他們對于“快”的訴求超越了以往任何一個時代。對于汽車消費貸款提供商而言，審批流程的時效影響的已經(jīng)不僅僅是自身經(jīng)營效率和成本，更直接關(guān)系到客戶貸款過程中的用戶體驗，乃至于最終影響成交的數(shù)量和成功率。特別是在當(dāng)前金融科技高速發(fā)展的格局下，大批新興的網(wǎng)貸平臺、消金公司早就已經(jīng)摩拳擦掌，打著“當(dāng)日放款”、“秒貸”的旗號，對傳統(tǒng)金融市場虎視眈眈。就如同上面的例子中，當(dāng)你還在慢慢地走審批流程、核定風(fēng)險、計算可貸額度的時候，客戶可能早已經(jīng)轉(zhuǎn)身投入他家的懷抱。
所以，在當(dāng)前的環(huán)境下，汽車金融服務(wù)提供商也需要迎合客戶的訴求，進一步優(yōu)化自身的申請審批流程，減少人工環(huán)節(jié)，提升審批決策的效率，實現(xiàn)高效的自動化申請審批決策。但如何在提升效率的同時仍能有效管理進件風(fēng)險，這也是對各入場玩家在數(shù)據(jù)分析、經(jīng)營管理乃至流程設(shè)計能力上的一大挑戰(zhàn)了。
運用共同借款人加強風(fēng)險管理
如筆者前段所述，買車往往是人生一件意義重大的事情，更可能是一個家庭除了買房以外的第二大開銷。然而夫妻之間若有一人具有信用不良記錄，就很可能會選擇信用狀況較好的一方申請車貸，借以掩飾信用瑕疵。因此，在實務(wù)上，許多金融業(yè)者都會要求客戶在申請車貸時必須提供配偶或是直系親屬的姓名作為共同借款人，一同承擔(dān)還款責(zé)任，以同一套風(fēng)險評估標準共同評估車貸借款人及共借人之信用風(fēng)險，完整描繪出信用主體的真實信用狀況。
同樣的概念亦可應(yīng)用至風(fēng)險評估模型內(nèi)，將共借人信息也導(dǎo)入信用風(fēng)險評估模型中，以借款人與共借人兩者的風(fēng)險評分建立更細化的風(fēng)險等級判斷標準，并以此風(fēng)險等級為基礎(chǔ)來設(shè)計額度策略，例如對于有共借人且風(fēng)險等級良好之客群，可以調(diào)降車貸首付比例，讓自動化的審批流程也不再只是單方面考量借款人自身信用狀況，亦考量共同借款人的信用記錄。這樣一來，不僅能夠更完整地呈現(xiàn)貸款主體的信用風(fēng)險，也會讓貸款額度更符合實際信用情況。
不良率太低導(dǎo)致壞客戶樣本不夠支持模型開發(fā)
筆者曾與國內(nèi)多家汽車金融公司以及融資租賃公司的風(fēng)險負責(zé)人探討風(fēng)控心得，發(fā)現(xiàn)當(dāng)下汽車金融服務(wù)提供商在構(gòu)建風(fēng)險模型時，最常遇到的一個問題即是壞客戶樣本太少。畢竟買車往往屬于生活的必需品，資金用途非常明確，車輛價格也十分透明，不容易發(fā)生資金挪用及超額貸款風(fēng)險，加上又有車輛抵押作為債權(quán)的保護，客戶的違約成本高，自然提升了還款意愿，也造就了新車貸款不良率低的情況。根據(jù)中國銀行業(yè)協(xié)會的數(shù)據(jù)統(tǒng)計，2016年國內(nèi)汽車消費貸款不良率僅0.37%。
從風(fēng)險管理的角度來看，低不良率是績效的表現(xiàn)，是獲利的保證，是每個從事風(fēng)險管理的人最渴望看到的成果，但對于數(shù)據(jù)分析的人來說，這就未必是一件好事了。一個好的模型，是著眼于過去而預(yù)測未來，從過去的失敗中學(xué)習(xí)經(jīng)驗，才能確保在未來提前規(guī)避風(fēng)險。模型開發(fā)時，必須要有足夠的壞樣本支持，才能確保模型對于好壞客戶的區(qū)分能力。低不良率無疑大大提高了模型開發(fā)的難度。
為了在壞樣本不足的情況下依然保持模型開發(fā)的時效及品質(zhì)，筆者認為：可以一方面建立多種不同程度的不良客戶定義，再借由滾動率分析來選取較為嚴謹且樣本數(shù)量相對充足的不良客戶定義，確保樣本數(shù)量足夠支持模型開發(fā);另一方面還可以借鑒業(yè)內(nèi)行業(yè)經(jīng)驗，找出高風(fēng)險用戶的某些共性特征，結(jié)合數(shù)據(jù)分析結(jié)果快速構(gòu)建申請風(fēng)險模型原型，來作為第一層風(fēng)險防線，并隨著業(yè)務(wù)開展，根據(jù)反饋來不斷地迭代、優(yōu)化和調(diào)整自身模型及策略，做到對風(fēng)險及時動態(tài)的管理。
信用白戶的風(fēng)險辨識
據(jù)統(tǒng)計數(shù)據(jù)表明，中國汽車消費者中30歲以下的人群占比正在逐年上升，年輕族群已經(jīng)逐漸成為汽車市場的主流消費者?；诖税l(fā)展趨勢，許多品牌車廠陸續(xù)推出符合年輕人需求的車款，也積極地針對年輕族群打出許多營銷方案。另一方面，二手車市場的快速發(fā)展，也讓許多汽車金融業(yè)者放眼于二手車汽車金融市場的龐大商機?，F(xiàn)在去逛二手車賣場時，?？煽吹狡嚱鹑诘姆?wù)人員提供二手車分期貸款產(chǎn)品，幫助消費者降低購車門檻。然而，二手車客戶其實有較大的機率屬于人行信用白戶，面對這些缺乏信用記錄的年輕客群以及二手車客群，套用現(xiàn)有的評分模型是否能有效區(qū)分信用風(fēng)險，亦成為我們模型開發(fā)者關(guān)注的焦點。
以往信用風(fēng)險模型皆以人行征信變量占大多數(shù)，當(dāng)面對幾無信用記錄的客群時，信用評分幾乎都是落于中間水平，難以有效辨識風(fēng)險。面對這樣的困境，我們建議的做法是采集更多樣化的數(shù)據(jù)投入模型開發(fā)，例如在模型中投入電信運營商數(shù)據(jù)、航空及鐵路數(shù)據(jù)、第三方支付數(shù)據(jù)等，擴大模型中變量的維度，降低人行征信變量的比重，借此提升模型對于無人行信用記錄客群的風(fēng)險辨識度。
數(shù)字化要一盤棋更要各自為戰(zhàn)
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。