大福利,干!干!干!你若能举一反三,逆向思考,定能撸的盆满钵满!
上次跟大家聊现金贷风控好像已是三月前的事情,每天给大家发的口子,有多少人对风控是真正的了解呢?
简单概括一下,风控分为粗暴型风控和精细化风控,先来看下这两种模式。
粗暴型的风控:
1,提高利率,周息20-30%。
2,强制获取客户通讯录。
3,周期化整为零,比如周还款。
4,交叉验证,主要核实家庭状况。
5,不看征信不看流失。
6,以骚扰为目的的催收。
精细化的风控:
1,数据驱动,自己没有的话可以去黑市上买数据,不过买回来要验证数据水分,上次也跟大家讲了数据公司也有很多捣糨糊的,掺水严重。
2,App数据获取,前提是获得客户授权。
3,根据小额产品进行用户画像。
4,数据包涵维度:居住地,工作地,常联系人,Ip,通话时长,日常使用App数据等等等等。
5,使用关联性分析,忽略影响占比低于5%的因素,做出模型,进行验证,准确率达到95%以上,可以投入实际应用。
6,贷后催收及贷后数据管理,持续优化模型。
7,第三发数据支持。
从贷前、贷中到贷后我们看一下现金贷的风控该如何做?
简单概括一下,风控分为粗暴型风控和精细化风控,先来看下这两种模式。
粗暴型的风控:
1,提高利率,周息20-30%。
2,强制获取客户通讯录。
3,周期化整为零,比如周还款。
4,交叉验证,主要核实家庭状况。
5,不看征信不看流失。
6,以骚扰为目的的催收。
精细化的风控:
1,数据驱动,自己没有的话可以去黑市上买数据,不过买回来要验证数据水分,上次也跟大家讲了数据公司也有很多捣糨糊的,掺水严重。
2,App数据获取,前提是获得客户授权。
3,根据小额产品进行用户画像。
4,数据包涵维度:居住地,工作地,常联系人,Ip,通话时长,日常使用App数据等等等等。
5,使用关联性分析,忽略影响占比低于5%的因素,做出模型,进行验证,准确率达到95%以上,可以投入实际应用。
6,贷后催收及贷后数据管理,持续优化模型。
7,第三发数据支持。
从贷前、贷中到贷后我们看一下现金贷的风控该如何做?