新西兰
新西兰 新西兰
消费者通过网上银行进行最多支付
  • 74%
    金融服务和保险业
  • 70.5%
    电信
  • 54.5%
    零售
  • 46.5%
    金融服务和保险业
  • 39.6%
    电信
  • 40.7%
    零售
  • 相比亚太平均值,澳大利亚消费者通过网上银行分别向银行、保险公司、电信公司和零售商付款的比例更高
  • 影响:由于在线交易量的日益增长和消费者对银行的日渐信任,反欺诈能力显得至关重要
澳大利亚
澳大利亚 澳大利亚
消费者对银行和保险公司的欺诈后服务最为满意
  • 相比平均59.7%的满意度,澳大利亚消费者的满意度超过70%
  • 影响:对金融服务和保险业的信任度有所提升
印度尼西亚
印度尼西亚 印度尼西亚
消费者在过去12个月内遭遇最多欺诈事件
49%
34.7%

亚太平均值

  • 至少遭遇1次欺诈的消费者比例为49.8%,而亚太平均值仅为34.7%
  • 影响:总体反欺诈能力需要提升
新加坡
新加坡 新加坡
消费者对政府的信任度最高
亚太平均值
  • 相比51.7%的平均值,75.5%的新加坡消费者选择政府机构
  • 影响:对个人数据保护的信任围绕政府机构展开
越南
越南 越南
消费者在过去12个月内在零售和电信领域遭遇最多欺诈事件
  • 55%
    电信
  • 54.5%
    零售
  • 32.8%
    电信
  • 35.2%
    零售
  • 在零售和电信领域,至少遭遇1次欺诈的消费者比例分别为55%和54.5%,而其亚太平均值仅为32.8%和35.2%
  • 影响:总体反欺诈能力需要提升
泰国
泰国 泰国
多数泰国消费者认为企业严重缺乏响应速度和解决手段(对欺诈事件的响应/检测速度)
亚太平均值
  • 相比47.7%的平均值,认为此项最重要的泰国消费者占60.5%
  • 影响:响应时间是实行欺诈管理,以维护消费者,获得其信任的关键指标之一
印度单列
印度单列 印度单列
消费者拥有地区内最大数量的购物APP账号
印度单列
  • 平均每人三个账号
  • 影响:对在线欺诈的暴露度较高
香港
香港 香港
对银行和保险公司欺诈管理的高满意度水平消费者百分比最低
亚太平均值
  • 相比平均21.1%的满意度,香港消费者表示最为满意的仅占9.7%
  • 影响:针对欺诈事件的有效响应亟待改进
中国
中国 中国
消费者对提交和共享个人数据的容忍度最高
亚太平均值
  • 相比27.5%的亚太平均值,中国有46.6%的用户接受与其他企业实体共享现有账户的个人数据
  • 影响:数据隐私暴露度和欺诈风险较高
alert
Japan 日本单列
消费者对数字账户和交易最为谨慎
50.7% 用户积极维持数字账户有效性
27% 亚太平均值
45.5% 不进行在线银行转账
13.5% 亚太平均值
  • 相比50%的平均值,日本超过70%的用户在过去12个月内未遭遇欺诈事件
  • 影响:相对较低欺诈风险

如何开展客户层风险管理与经营

如何开展客户层风险管理与经营

近年来,越来越多的银行开始推行以客户为中心的零售战略转型,从传统银行以产品为基础的风险管理与经营,逐渐转化为以客户为中心、全行统一的客户层管理。透过精细化的客户风险和信贷需求的量化模型及策略,提升风险管理水平和营销精准度,同时增加客户粘性,最终达到提升收益和控制风险的双重目标。

 

在转型过程中,益博睿借鉴国内外同业的先进经验,设计了一套完整可落地的客户层风险管理与经营的解决方案,协助零售银行打破行内数据和信息壁垒,构建客户层风险及收益模型体系,通过更精准的收入推估模型,设计零售客户层个人综合授信额度管理体系,以满足监管要求的强化个人统一授信管理。

 

 

构建客户统一视图

 

在益博睿设计的零售客户层风险评分体系下,每个客户都有专属的统一标尺的客户层风险评分,对应其坏账率。跨产品在一致的风险等级下更容易互相合作于新产品销售、账户管理、向上营销和风险预警等生命周期各阶段风险管理和客户经营策略。客户层风险与经营体系的搭建,能够协助商业银行对整体风险体系作出统一的评估,有效监控风险迁徙状况,从而控制风险。另外也在新产品推出、交叉营销等领域提升现有模型及策略精度,扩大客户层交叉销售和向上销售的力度,提升总体营收。

 

客户层风险管理的基础,是构建客户统一视图。通过打通行内客户名下所有产品相关数据,把客户的信用卡、分期贷款、按揭贷款、其他贷款、储户账户、投资理财、征信数据等数据进行整合,更加全面地了解客户在行内生态圈内的风险和价值。

 

 

与传统的基于产品的风险评分模型相似,客户层风险评分能预测客户在未来一段时间内在总体信贷产品上违约的概率。正如人行征信数字解读一样,结合了行内和/或行外生态圈可获取的数据,建立全方位的指标体系,从而更精准地刻画客户风险、收益、价值、资金饥渴度等。

 

客户层评分两大应用场景

 

如题,个人综合授信额度体系是客户层评分的第一个主要应用,其通常分为三个层级:1、行内单一贷款产品的额度;2、行内所有信用类贷款综合额度;3、整个信贷市场上,含人行征信报告或其他第三方数据中可识别的信贷敞口。对于具有多个授信产品的客户,应考虑其他行授信总额、累计已用总额等数据,避免过度授信。

 

整个额度体系的核心是统一的风险量化工具以及客户层收入推估模型。大多数银行在贷前审批阶段,都有比较全面的申请评分模型和收入核实及认列办法;而对于贷中阶段的客群,由于缺乏统一标尺的风险量化工具和收入推估模型,很难动态管理客户层最高限额,即常说的“刚扣”动态跟踪和必要的管理。上面提到的客户层评分,统一了风险标尺,由是,收入推估模型就是指可借助个人信息、征信信息及行内资产等信息,对行内有可核实收入的客户进行建模,并把模型在无可核实收入的客群上进行验证和必要的校准。

 

 

个人综合授信体系的搭建,不仅解决了高风险高公债客户额度过高的问题,而且对于相对中低风险、收益能力可观的客户,可主动进行交叉销售或提额,从而刺激客户进一步使用,提升收益和客户粘性。

 

客户层评分的第二个主要应用是完善申请审批策略。近年来,银行为了更好地服务于不同需求或不同渠道的客群,不断推出新产品。但新产品和新渠道客群,历史数据往往积累不充分,不足以开发数据驱动的客制化产品申请评分模型。对此,银行往往采用借用相似产品的评分模型,或借助同业经验的专家评分模型,或者采购外部通用评分模型,来暂时解决问题。基于本行生态体系数据开发的客户层评分,对比以上选择,更贴合行内客群特征和风险画像,往往在区分能力和稳定性层面上,明显优于上述过渡期方案。

 

另外,对于成熟信贷产品的申请审批,也可以将产品层申请评分和客户层申请评分综合进行决策,更精准地识别风险,进行有针对性的置入置出(Swap In/Out),从而进一步控制风险,提升审批效率和通过率。

 

 

客户层评分的生态演进

 

随着客户层风险及经营战略逐渐深化,数据挖掘技术和建模方法也逐渐演进,应用场景和相应的策略越来越丰富。部分先进银行的信贷管理,在尝试从以客户为中心转向以家庭为中心,考虑家庭偿债能力和信贷需求,把信用贷款和抵押类贷款都融入到统一授信和贷中管理经营体系。也有银行将这一理念渗透到中小企业贷款领域,对中小企业主和企业实行双维风险评价和综合授信管理,提升生态化经营水平,增加客户粘性,最终提升收益和控制风险。

 

面对不断变化的宏观经济环境,产品、渠道及客群的变化,我们衷心希望此文能给您带来启发和共鸣。

 

阅读这篇文章

益博睿

益博睿于2021年10月28日发布

立即阅读

相关文章

变局之下,金融机构数字化转型如何寻找最优解
变局之下,金融机构数字化转型如何寻找最优解

数字经济作为全球经济复苏的新引擎,对各行各业的数字化转型和科技创新提出了要求,金融机构是推动数字经济发展的关键力量。

阅读文章
胡润世界500强星光人物专访 | 益博睿大中华区执行总裁刘雪斌:金融变革中的机遇与挑战
胡润世界500强星光人物专访 | 益博睿大中华区执行总裁刘雪斌:金融变革中的机遇与挑战

中国在建设普惠经济、可持续经济,以及数字经济的过程中,通过企业征信和决策分析服务,益博睿为中国企业提供了强大的信息和分析支持,帮助他们作出平衡风险和收益的决策。

阅读文章
益博睿助力构建普惠金融新生态,共筑数字化时代社会征信体系
益博睿助力构建普惠金融新生态,共筑数字化时代社会征信体系

益博睿加入芝麻信用的“中小企业信用守护计划”,将进一步助力中国普惠金融生态健康发展。

阅读文章

您可提交以下表单下载益博睿PowerCurve资料详情

  • 提交