1、現(xiàn)金貸云服務平臺策略小風險看得見市場熱度 一、主要客群：三線以下城市人群為主（多元化職業(yè)）二線以上城市進城務工人員（基礎(chǔ)服務業(yè)：餐飲從業(yè)快遞從業(yè)制造從業(yè)等）畢業(yè)三年內(nèi)的學生（低收入白領(lǐng)/藍領(lǐng)等） 二、人群特點80%的客戶在生活中平均2個月借一次錢70%的客戶一年中超過3次遲發(fā)工資44%的客戶會提前主動還款70%的客戶連續(xù)兩個月有借款需求收入水平：80%=5000元，職業(yè)表現(xiàn)：多元職業(yè)化、藍領(lǐng)群體、服務員三、市場潛力：美國市場：6千萬中低端人群1000家現(xiàn)金貸機構(gòu)中國市場：1、金字塔型收入結(jié)構(gòu)，底層群體基數(shù)龐大，市場潛力巨大； 2、互聯(lián)網(wǎng)發(fā)展，互聯(lián)網(wǎng)金融市場被初步教育，存在基礎(chǔ)用戶群體； 3、P

2、2P消費金融業(yè)務轉(zhuǎn)型，對資產(chǎn)端需求強烈（資產(chǎn)荒）； 4、經(jīng)濟業(yè)務周期調(diào)整，經(jīng)濟下行，轉(zhuǎn)業(yè)/失業(yè)人群增多，容易產(chǎn)生短期資金壓力；怎么賺錢？ 利潤=收入-成本 收入新貸客戶通過借貸關(guān)系建立信用變成續(xù)貸客戶續(xù)貸客戶平均同機構(gòu)年均借款6.5次 成本新貸客戶獲取成本高、數(shù)據(jù)成本高、信貸成本高續(xù)貸客戶建立信用后僅有信貸成本 利潤在特定條件下，上述達到平衡后產(chǎn)生正向收入下一頁附圖：業(yè)務風險曲線業(yè)務風險新貸客戶逾期水平高，續(xù)貸客戶逾期水平低續(xù)貸客戶成本變低但是收入不減自主上線的成本團隊建設(shè)：需要搭建產(chǎn)品、研發(fā)、風險專家、業(yè)務運營、財務、催收六大基礎(chǔ)模塊， 需要最快速度確認業(yè)務需求、風險策略、資金來路、支付實施

3、四大基礎(chǔ)方案，一般耗時15天至一個半月。系統(tǒng)建設(shè)：需要完成最基礎(chǔ)信貸系統(tǒng)建設(shè)或采購，完成APP研發(fā)、小貸系統(tǒng)測試、基礎(chǔ)的數(shù)據(jù)清洗工程（或付費選擇外部報告），一般耗時15天至一個半月業(yè)務啟動：需要研發(fā)規(guī)則引擎或者規(guī)則執(zhí)行程序，進行第一批APP上線投放，獲得至少10000個好樣本（正常還款）及1000筆壞樣本（逾期10天至30天），需要1-2名催收人員，抽取特征做第一版模型準備，一般需要一個放款周期加一個月左右時間賬務平衡：需要1-2名業(yè)務運營人員，1名風險數(shù)據(jù)分析人員，1名結(jié)算管理人員進行賬務核驗，保證業(yè)務系統(tǒng)在出款及還款、逾期的處置等方面的賬務一致性，為下一步業(yè)務發(fā)展做最基礎(chǔ)準備按照自主研發(fā)并

4、發(fā)布產(chǎn)品完成第一批放款回收為目標成本測算成本測算01BDACE團隊建設(shè)經(jīng)營測算需求確認系統(tǒng)研發(fā)數(shù)據(jù)對接支付對接規(guī)則引擎規(guī)則測試數(shù)據(jù)清洗業(yè)務啟動催收管理逾期表現(xiàn)基礎(chǔ)模型規(guī)則調(diào)整催收調(diào)整以上工序需要串行時間，這僅僅是一個開始以上工序需要串行時間，這僅僅是一個開始面臨什么樣的問題團隊搭建、系統(tǒng)建設(shè)、業(yè)務啟動、財務平衡1、時間成本 3-6個月2、人力成本 產(chǎn)品、研發(fā)、風險專家、業(yè)務運營、財務、催收模塊人力成本3、試錯成本 風控規(guī)則、模型調(diào)整、商業(yè)盈虧平衡風控模型支持、業(yè)務經(jīng)營支持、其他軟性支持解決方案咨詢：全程實施支持單客經(jīng)營模型業(yè)務經(jīng)營模型模型定制化特征啟動規(guī)則集支持白名單及流量支持催收管理服務全程

5、實施支持全程實施支持+軟性服務軟性服務從明白“如何做”到“冷啟動”的全程支持業(yè)務經(jīng)營支持業(yè)務經(jīng)營支持風險管理支持風險管理支持流量流量/貸后管理支持貸后管理支持我們的服務目標：急速上線從咨詢到實施的全程服務支撐，最大化壓縮時間成本20天快速上線1萬訂單啟動最快實施：IOS及安卓客戶端申請借款信息采集貸后還款提供APP整合設(shè)計及實施實施：適應業(yè)務需要的整合支付綁卡還款銀聯(lián)還款線下還款服務由新浪支付獨家定制支持實施：決策數(shù)據(jù)采集活體檢測公安核驗運營商設(shè)備信息外部征信四要素實施：信貸管理平臺全套信貸管理平臺、涵蓋進件、風控、催收、反欺詐、賬務、結(jié)算、支付、報表、經(jīng)營決策支持等模塊全套信貸管理平臺、涵蓋

6、進件、風控、催收、反欺詐、賬務、結(jié)算、支付、報表、經(jīng)營決策支持等模塊實施：反欺詐及風險規(guī)則引擎近千風險數(shù)據(jù)點數(shù)百條規(guī)則集【反欺詐、高風險、準入等】選擇建議及應用建議可支持規(guī)則定制【非標準服務】350萬數(shù)據(jù)維度欺詐風險庫150萬數(shù)據(jù)維度高期逾期風險庫9000萬數(shù)據(jù)節(jié)點，4億關(guān)系網(wǎng)絡數(shù)據(jù)沉淀實施：多維風險可視化示例（一）客戶在一段時間內(nèi)的作息時間及工作日的作息時間深度風險數(shù)據(jù)可視化：讓風險變得可見、打通風控專家與數(shù)據(jù)專家交流障礙深度風險數(shù)據(jù)可視化：讓風險變得可見、打通風控專家與數(shù)據(jù)專家交流障礙實施：多維風險可視化示例（二）客戶在一定時間內(nèi)的社交連續(xù)性及通話異常實施：多維風險可視化示例（三）客戶在一

7、定時間內(nèi)發(fā)生的金融咨詢、業(yè)務申請、疑似催收實施：多維風險可視化示例（四）客戶在一定時間內(nèi)的移動位置遷徙情況實施：多維風險可視化示例（五）客戶的社交對象及行為信息在空間和行為上的分布實施：基于多維風險數(shù)據(jù)的機器學習模型超市模型超市：基于應用中的申請模型快速啟動數(shù)據(jù)工程及多維模型特征工程：2000特征變量定制一線專家機器學習模型：最快一周上線、周周迭代在這個人群里，傳統(tǒng)風控中強相關(guān)的變量都變成弱相關(guān)，同時他們幾乎沒有征信數(shù)據(jù)實施：復雜關(guān)系網(wǎng)絡及風險傳播動力學【非標】用戶共用手機號關(guān)聯(lián)用戶共用設(shè)備關(guān)聯(lián)團貸欺詐申請欺詐個體及團伙的快速查驗以及基于圖數(shù)據(jù)庫的圖算法，欺詐團伙能被數(shù)據(jù)團隊找到更能被風險專家

8、捕獲實施：催收管理及貸后反欺詐工程平臺整合催收服務、支持自建隊伍的同時亦提供無縫催收坐席外包、解決業(yè)務增長得快而人力跟不上的尷尬實施：系統(tǒng)深度整合現(xiàn)金貸業(yè)務報表基于成熟穩(wěn)定的資產(chǎn)質(zhì)量分析平臺對業(yè)務質(zhì)量的監(jiān)測及定價能力的監(jiān)測對業(yè)務質(zhì)量的回顧與研判基于業(yè)務表現(xiàn)的定價策略、模型切割、規(guī)則調(diào)試、成本控制深度整合現(xiàn)金貸統(tǒng)計及業(yè)務質(zhì)量監(jiān)測報表，降低早期業(yè)務賬務及統(tǒng)計分析不成熟導致后期風險賬務混亂的尷尬總結(jié)多維數(shù)據(jù)可視化提高風險專家效率，降低團隊成本機器學習模型超市脫敏建模、數(shù)據(jù)不外泄、快速啟動，最小成本用到最牛的團隊復雜關(guān)系網(wǎng)絡既能解決自身平臺反欺詐訴求，亦能選擇加入聯(lián)盟共享信息整合催收服務快速啟動上量，無縫對接外包坐席，降低早期冗余人力壓力整合報表平臺成熟的現(xiàn)金