大數(shù)據(jù)在國(guó)家助學(xué)貸款貸后風(fēng)控中的應(yīng)用

施維

近些年來(lái)，國(guó)家助學(xué)貸款管理環(huán)節(jié)中，因?yàn)閿?shù)據(jù)缺乏全面的維度，監(jiān)管期間仍舊以后驗(yàn)策略和人工審核為主，導(dǎo)致在貸后風(fēng)險(xiǎn)管理期間取得的成績(jī)不高。隨著大數(shù)據(jù)技術(shù)的不斷創(chuàng)新發(fā)展，國(guó)家助學(xué)貸款貸后正朝向跨事件自動(dòng)決策、整合多維度數(shù)據(jù)、模型預(yù)測(cè)風(fēng)險(xiǎn)的管理模式遞進(jìn)。

大數(shù)據(jù)在國(guó)家助學(xué)貸款貸后風(fēng)控中應(yīng)用的意義

一、提高風(fēng)險(xiǎn)控制系統(tǒng)的自動(dòng)化管理能力

在國(guó)家助學(xué)貸款貸后管理環(huán)節(jié)中應(yīng)用大數(shù)據(jù)技術(shù)，可構(gòu)建成熟且全面的大數(shù)據(jù)風(fēng)險(xiǎn)控制體系，提高風(fēng)險(xiǎn)控制決策的自動(dòng)化能力。在整個(gè)風(fēng)險(xiǎn)管理體系中，所有的節(jié)點(diǎn)都對(duì)應(yīng)人工審核，加大跨事件的自動(dòng)化管理力度。在國(guó)家助學(xué)貸款準(zhǔn)入階段，大數(shù)據(jù)技術(shù)可及時(shí)發(fā)現(xiàn)存在的風(fēng)險(xiǎn)，并分析行為存在的問(wèn)題，一直持續(xù)到授信完成。利用風(fēng)險(xiǎn)遞減的方式或者大數(shù)據(jù)系統(tǒng)化管理的方式管控所有節(jié)點(diǎn)，可梯度化調(diào)用學(xué)生信息，達(dá)到自動(dòng)決策的目標(biāo)。

二、構(gòu)建多元風(fēng)險(xiǎn)控制模型輔助信息驗(yàn)證

通過(guò)算法模型對(duì)整個(gè)過(guò)程展開(kāi)全面分析，并科學(xué)驗(yàn)證分析結(jié)果，提高風(fēng)險(xiǎn)判定結(jié)果的科學(xué)性與準(zhǔn)確性。國(guó)家助學(xué)貸款相關(guān)單位大量分析學(xué)生的信息，綜合多項(xiàng)數(shù)據(jù)信息綜合評(píng)價(jià)學(xué)生行為，強(qiáng)調(diào)模型或者貸款決策客觀性和準(zhǔn)確度。利用大數(shù)據(jù)技術(shù)和算法建立風(fēng)險(xiǎn)決策過(guò)程構(gòu)建模型，可大幅度降低在國(guó)家助學(xué)貸款中人工因素的干擾，確保審批和風(fēng)險(xiǎn)控制全過(guò)程統(tǒng)一、高效、快速。另外，利用大數(shù)據(jù)技術(shù)驗(yàn)證學(xué)生提交的國(guó)家助學(xué)貸款信息，借助大數(shù)據(jù)風(fēng)險(xiǎn)控制模型交叉對(duì)比和驗(yàn)證學(xué)生的手機(jī)、身份、地址等多維信息，綜合教育機(jī)構(gòu)、公安機(jī)關(guān)、運(yùn)營(yíng)商等官方機(jī)構(gòu)提供的信息，剔除異常人群。

三、補(bǔ)充三方數(shù)據(jù)加大風(fēng)險(xiǎn)控制力度

國(guó)家助學(xué)貸款責(zé)任結(jié)構(gòu)采用合法的途徑獲取學(xué)生授權(quán)信息，補(bǔ)充外部數(shù)據(jù)，二次驗(yàn)證學(xué)生資質(zhì)，借助大數(shù)據(jù)技術(shù)深度了解學(xué)生家庭情況，獲得相對(duì)完善的學(xué)生畫像并授信。與模型進(jìn)行結(jié)合，再次評(píng)估客戶信用，得到信用評(píng)價(jià)結(jié)果。在結(jié)束國(guó)家助學(xué)貸款以后，要對(duì)貸后的風(fēng)險(xiǎn)做出全面的控制，從多頭申請(qǐng)、地址異動(dòng)、進(jìn)階黑名單、高風(fēng)險(xiǎn)行為、刑事監(jiān)控等角度出發(fā)，動(dòng)態(tài)性監(jiān)督控制全部節(jié)點(diǎn)。

信貸風(fēng)險(xiǎn)中的主要問(wèn)題

國(guó)家助學(xué)貸款貸后風(fēng)險(xiǎn)控制，最為關(guān)鍵的是從全量申請(qǐng)的樣本用戶中快速且準(zhǔn)確地定位預(yù)期客戶，可見(jiàn)國(guó)家助學(xué)貸款貸后風(fēng)險(xiǎn)控制最為核心的內(nèi)容是對(duì)用戶的還款能力和還款意愿做出準(zhǔn)確的評(píng)價(jià)。在國(guó)家助學(xué)貸款風(fēng)險(xiǎn)控制環(huán)節(jié)中，常見(jiàn)的問(wèn)題集中體現(xiàn)在四個(gè)方面：

第一，非本人申請(qǐng)國(guó)家助學(xué)貸款。在國(guó)家助學(xué)貸款申請(qǐng)批準(zhǔn)后發(fā)現(xiàn)客戶使用虛假信息，將會(huì)造成損失。申請(qǐng)人在申請(qǐng)國(guó)家助學(xué)貸款期間，冒用他人信息進(jìn)行申請(qǐng)，這種問(wèn)題在國(guó)家助學(xué)貸款期間經(jīng)歷過(guò)一段野蠻增長(zhǎng)的時(shí)段，相關(guān)金融機(jī)構(gòu)沒(méi)有全面認(rèn)識(shí)黑產(chǎn)業(yè)，造成不法分子利用他人的身份信息欺詐，一些風(fēng)險(xiǎn)管控能力很強(qiáng)大的金融機(jī)構(gòu)也報(bào)道過(guò)此類事件。

第二，偽造資料申請(qǐng)國(guó)家助學(xué)貸款。申請(qǐng)人在申請(qǐng)國(guó)家助學(xué)貸款的時(shí)候，為了降低申請(qǐng)難度，或者貸后惡意逾期避免催收，在提供資料的時(shí)候偽造地址、聯(lián)系人等基礎(chǔ)信息。

第三，中介團(tuán)伙惡意幫助客戶申請(qǐng)國(guó)家助學(xué)貸款。很多客戶為提高國(guó)家助學(xué)貸款申請(qǐng)便宜度，在網(wǎng)絡(luò)上尋找大量的中介，以期采用多種不同類型的策略提高申請(qǐng)成功率，降低國(guó)家助學(xué)貸款公平性。

第四，還款能力不足問(wèn)題。申請(qǐng)客戶存在比較高的負(fù)債收入，自身收入不夠穩(wěn)定，并且有大量的外部債務(wù)，這種問(wèn)題的出現(xiàn)會(huì)降低客戶還款能力，增加風(fēng)險(xiǎn)。

大數(shù)據(jù)在國(guó)家助學(xué)貸款貸后風(fēng)控中的應(yīng)用措施

一、非本人申請(qǐng)的人臉識(shí)別

當(dāng)前在生活的方方面面中已經(jīng)應(yīng)用人臉識(shí)別技術(shù)，比如高鐵站、刷臉支付、公安的天網(wǎng)系統(tǒng)等，在金融服務(wù)領(lǐng)域中，貸款申請(qǐng)、信用卡辦理等也普遍使用人臉識(shí)別，利用大數(shù)據(jù)技術(shù)可以將客戶與公安系統(tǒng)中的身份進(jìn)行比對(duì)分析，判斷兩個(gè)主體的相似度，規(guī)避非本人申請(qǐng)的問(wèn)題。與人類對(duì)他人進(jìn)行識(shí)別相類似，在判斷熟悉的人時(shí)，可以從他的面部特征角度出發(fā)，與自己腦海中存儲(chǔ)的他人特征進(jìn)行比對(duì)，雖然有判斷失誤的時(shí)候，但是成功的概率很高。同樣情況下，基于大數(shù)據(jù)技術(shù)的人臉識(shí)別在設(shè)計(jì)與開(kāi)發(fā)的時(shí)候，是依靠一套深度學(xué)習(xí)算法展開(kāi)的，將人類思考的方式進(jìn)行轉(zhuǎn)化，得到一套模型算法。在進(jìn)行人臉識(shí)別的時(shí)候，引入的特征概念如下：

假設(shè)系統(tǒng)在對(duì)人臉進(jìn)行識(shí)別和對(duì)比的時(shí)候，這五個(gè)特征可以判斷出一個(gè)人，那么當(dāng)所有都符合數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)以后，則表明接受驗(yàn)證的人符合系統(tǒng)內(nèi)的結(jié)果。在表1中的特征通過(guò)多樣化組合，可以得到32張不同類型的人臉。但是，32張不同類型的人臉是不能滿足所有人使用的，所以在大數(shù)據(jù)技術(shù)的支撐下，將人臉的特征再次進(jìn)行拓展，例如將臉形、眼間距、嘴唇厚度等加入其中，甚至再次細(xì)分每個(gè)膚色的深淺，經(jīng)過(guò)擴(kuò)充，可無(wú)限拓展人臉特征空間，提高人臉識(shí)別效率和準(zhǔn)確度。

在國(guó)家助學(xué)貸款貸后風(fēng)險(xiǎn)管理期間利用大數(shù)據(jù)技術(shù)比對(duì)人臉，可快速?gòu)臄?shù)據(jù)內(nèi)調(diào)取客戶信息，判斷客戶是否符合要求。同時(shí)，在處理的環(huán)節(jié)中，要保證不會(huì)在國(guó)家助學(xué)貸款貸后風(fēng)險(xiǎn)管理中出現(xiàn)偽造人臉的現(xiàn)象，面對(duì)這種問(wèn)題，還需要采取四種措施展開(kāi)系統(tǒng)化處理：第一，工程角度。設(shè)計(jì)與開(kāi)發(fā)質(zhì)量模型，評(píng)價(jià)系統(tǒng)監(jiān)測(cè)到的人臉的質(zhì)量，若是檢測(cè)到的人臉質(zhì)量比較差，那么則提醒驗(yàn)證失敗。第二，應(yīng)用角度。對(duì)人臉識(shí)別的場(chǎng)景做好嚴(yán)格的控制，要求用戶在光線良好的環(huán)境下正對(duì)攝像頭，避免在采集的時(shí)候出現(xiàn)質(zhì)量較差的圖片。第三，精準(zhǔn)識(shí)別活體。利用3D建模軟件按照識(shí)別的客戶臉部信息構(gòu)建模型，形成真實(shí)的頭像，通過(guò)大數(shù)據(jù)技術(shù)的不斷學(xué)習(xí)，提高對(duì)客戶信息的識(shí)別準(zhǔn)確度。第四，算法角度。增強(qiáng)人臉識(shí)別模型的應(yīng)用性能，將多種質(zhì)量、多種類型的臉部識(shí)別數(shù)據(jù)加入數(shù)據(jù)庫(kù)內(nèi)進(jìn)行數(shù)據(jù)訓(xùn)練，提高模型抗干擾能力。

二、資料審核與判斷

大數(shù)據(jù)技術(shù)是構(gòu)建關(guān)系圖譜底層的關(guān)鍵技術(shù)，以龐大的用戶數(shù)據(jù)作為基礎(chǔ)，抽取多種數(shù)據(jù)源的信息并存儲(chǔ)在數(shù)據(jù)庫(kù)內(nèi)。國(guó)家助學(xué)貸款貸后管理審核期間應(yīng)用大數(shù)據(jù)，可識(shí)別偽造的資料、分析團(tuán)伙詐騙、管理失去聯(lián)系的客戶。

（一）識(shí)別偽造的客戶資料信息

國(guó)家助學(xué)貸款貸后管理，最為關(guān)鍵的便是管理客戶信息準(zhǔn)確性。對(duì)客戶的信息進(jìn)行驗(yàn)證，可以對(duì)客戶貸款行為是否存在欺詐做出準(zhǔn)確的判斷。利用關(guān)系圖譜展開(kāi)交叉試驗(yàn)，雖然不能確保準(zhǔn)確性達(dá)到100%，但是在人工審核期間，可提供重要的依據(jù)。降低人工審核的錯(cuò)誤發(fā)生率。欺詐客戶在填寫資料的時(shí)候，通常會(huì)使用虛假的信息，這就會(huì)產(chǎn)生風(fēng)險(xiǎn)點(diǎn)。利用大數(shù)據(jù)技術(shù)將關(guān)系圖譜直觀地呈現(xiàn)出來(lái)，快速發(fā)現(xiàn)客戶信息的矛盾點(diǎn)，認(rèn)定客戶存在欺詐行為。

（二）分析團(tuán)伙詐騙行為

在國(guó)家助學(xué)貸款貸后管理期間，存在團(tuán)伙欺詐行為，嚴(yán)重造成財(cái)產(chǎn)損失，但是想要在復(fù)雜的數(shù)據(jù)關(guān)系中發(fā)現(xiàn)團(tuán)伙作案問(wèn)題，面臨著較高難度。以大數(shù)據(jù)技術(shù)作為基礎(chǔ)，可對(duì)多層級(jí)數(shù)據(jù)分析形成直觀分析，形成一度關(guān)聯(lián)、二度關(guān)聯(lián)、三度關(guān)聯(lián)，甚至形成多維關(guān)聯(lián)。在團(tuán)伙欺詐行為中，若是使用虛假信息進(jìn)行授信，會(huì)在同一片區(qū)域或者使用相同的無(wú)線網(wǎng)。利用SLPA、LPA、LOUVAIN等社區(qū)算法和標(biāo)簽傳播算法，可在最短時(shí)間內(nèi)準(zhǔn)確地發(fā)現(xiàn)作案團(tuán)伙。

（三）管理失去聯(lián)系的客戶

國(guó)家助學(xué)貸款以后失去聯(lián)系的客戶，也是貸后風(fēng)險(xiǎn)管理面臨的最大難點(diǎn)，利用大數(shù)據(jù)技術(shù)尋找失聯(lián)客戶的潛在關(guān)系人，提高催收成功率。

三、信用數(shù)據(jù)和評(píng)分

利用大數(shù)據(jù)技術(shù)可解決國(guó)家助學(xué)貸款征信數(shù)據(jù)缺失的白戶問(wèn)題，這種看起來(lái)沒(méi)有聯(lián)系到信貸記錄的數(shù)據(jù)信息，可以在一定程度上對(duì)用戶的借款和還款提供幫助。

第一，All data is credit data。大數(shù)據(jù)技術(shù)可以為國(guó)家助學(xué)貸款申請(qǐng)的龐大用戶群體做出信息規(guī)整，包含申請(qǐng)用戶的學(xué)歷證、身份證等各種類型的電子信息。第三方權(quán)威機(jī)構(gòu)可以對(duì)教育部學(xué)歷中心、居民身份證查詢中心的數(shù)據(jù)信息進(jìn)行查詢。在一定情況下，還可以對(duì)微博等社交數(shù)據(jù)、電商交易信息、搜索引擎數(shù)據(jù)等海量互聯(lián)網(wǎng)碎片數(shù)據(jù)進(jìn)行調(diào)取。

第二，大數(shù)據(jù)技術(shù)的便捷性和高效性可縮短時(shí)間、降低成本，積累大量的數(shù)據(jù)用戶，為構(gòu)建分析模型提供充足的樣本。

正是在大數(shù)據(jù)技術(shù)的影響和推動(dòng)下，極具中國(guó)特色的征信體系誕生，為國(guó)家助學(xué)貸款貸后管理提供支持，完善風(fēng)險(xiǎn)控制。評(píng)分卡的出現(xiàn)，也提高了風(fēng)險(xiǎn)管控效率和質(zhì)量。評(píng)分卡的應(yīng)用，完全依靠一套大數(shù)據(jù)基礎(chǔ)上的機(jī)器學(xué)習(xí)算法，如何利用大數(shù)據(jù)技術(shù)深度挖掘客戶的信用評(píng)分，還需要借助機(jī)器學(xué)習(xí)技術(shù)。機(jī)器學(xué)習(xí)技術(shù)是當(dāng)前應(yīng)用最為廣泛、取得效果最為凸顯的方法，綜合大數(shù)據(jù)技術(shù)和機(jī)器學(xué)習(xí)技術(shù)，可快速訓(xùn)練模型，按照用戶的表現(xiàn)為用戶設(shè)置標(biāo)簽。以用戶的數(shù)據(jù)信息作為依據(jù)，通過(guò)多種類型的算法評(píng)價(jià)用戶的得分情況，按照不同維度評(píng)價(jià)指標(biāo)查看過(guò)關(guān)模型，利用構(gòu)建完成的模型對(duì)未來(lái)的數(shù)據(jù)信息表現(xiàn)情況做出預(yù)測(cè)。

當(dāng)前在網(wǎng)貸體系、信用卡體系中都選擇使用類似的評(píng)分卡，行業(yè)不同、場(chǎng)景不同，所使用的評(píng)分卡也存在一定的差異。在國(guó)家助學(xué)貸款風(fēng)險(xiǎn)管理控制環(huán)節(jié)中，基本是量化用戶風(fēng)險(xiǎn)，綜合大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)優(yōu)化傳統(tǒng)的風(fēng)險(xiǎn)管理方案，拓展數(shù)據(jù)管控維度，提高風(fēng)險(xiǎn)量化能力。

本文簡(jiǎn)單分析國(guó)家助學(xué)貸款風(fēng)險(xiǎn)管理環(huán)節(jié)中大數(shù)據(jù)技術(shù)的應(yīng)用情況，根據(jù)信貸風(fēng)險(xiǎn)管控場(chǎng)景，思考大數(shù)據(jù)技術(shù)的應(yīng)用價(jià)值和應(yīng)用路徑，在以后的管理和控制環(huán)節(jié)中，要面向國(guó)家助學(xué)貸款風(fēng)險(xiǎn)控制主體目標(biāo)，思考大數(shù)據(jù)創(chuàng)新應(yīng)用路徑，提高業(yè)務(wù)效率，降低業(yè)務(wù)成本。［基金項(xiàng)目：廣西教育科學(xué)“十四五”規(guī)劃2022年度學(xué)生資助專項(xiàng)課題《利益相關(guān)者視角下廣西職業(yè)院校國(guó)家助學(xué)貸款貸后風(fēng)險(xiǎn)管理研究》（編號(hào)：2022ZJY2638）研究成果。作者單位：廣西金融職業(yè)技術(shù)學(xué)院（廣西銀行學(xué)校）］