对公信贷融资案例(对公信贷业务基本操作流程)

币圈知识 阅读 3 2023-08-03 11:23:37

Bitget下载

注册下载Bitget下载,邀请好友,即有机会赢取 3,000 USDT

APP下载   官网注册

调研 | 李喆 青川

撰写 | 青川

金融领域是大数据重要的落地场景之一,目前,大数据技术在金融领域应用越来越广泛,具体应用场景包括零售、对公等业务,营销、反欺诈、风险管理等环节,不一而足。

誉存科技便是一家利用大数据技术为对公信贷提供风控工具的公司,成立于2014年底。今年1月,誉存科技获得星河互联、华耀资本数千万A轮融资。

誉存科技主要提供企业信息、反欺诈、风险预警等服务,以标准化SaaS产品提供给金融机构,为对公信贷业务提供工具。除了应用于对公信贷业务,未来其企业数据也可以用于金融机构其他业务类型、政府等其他机构的需求。

信息层面,誉存科技为金融机构提供多重企业信息,包括企业基本信息、股东变更等工商信息,也包括法律诉讼、招聘、招投标等信息,数据来源包括网络爬取的数据、合作机构反馈的数据等。这部分与企查查、启信宝等公司提供的服务会有较大重合。

目前,誉存科技能够覆盖全部具有工商信息的企业,在对企业行为分析后,累计筛选出500万高风险企业。

在此基础上,誉存科技对企业行为信息深度挖掘,包括贷前的反欺诈,通过关联信息勘查企业有没有欺诈的可能性;贷后的监控预警,在企业有高风险事件发生时及时向金融机构预警。

所以誉存科技能应用于对公信贷业务的贷前、贷中以及贷后全业务流程。对金融机构来说,这款工具可以显著提升业务和风控效率,比如之前了解企业信息以及经营情况变化,需要客户经理一家一家全部走访,通过誉存科技的工具,可以筛选出其中高风险企业重点观察,能显著提高客户经理工作效率。

另外,很多关联风险信息客户经理、风控人员靠人工挖掘很难发现,而誉存科技则可以通过数据挖掘将这些信息呈现出来。

由此可见,在金融机构原有业务流程的基础上,誉存科技可提高其业务效率。金融机构对该产品有很大的需求,誉存科技的产品从今年正式推出到现在,已经与几十家银行省分行达成合作。

未来发展上,誉存科技会选出几个行业深耕,做行业内的公司评级、评分,这对数据、建模要求更高,在对公信贷风控上切入的环节更深。

近日,爱分析对誉存科技CEO刘德彬进行了访谈,刘德彬曾任同盾联合创始人兼首席科学家,PayPal资深数据科学家。访谈过程中刘德彬对公司业务、发展战略进行了阐述,现摘取部分访谈内容如下。

当前提供对公信贷辅助风控工具

爱分析:目前誉存科技的客群定位是怎样的?

刘德彬:主要是在信贷行业,包括银行、非银的担保、融资租赁公司等。其中银行也是自下而上的,主要是跟省分行层面的合作。

爱分析:誉存科技提供的是风控系统服务,还是风控相关的辅助工具?

刘德彬:我们是风控相关的辅助工具,以前金融机构没有我们的产品,要靠人工线下调查、资料收集整理,凭经验判断。但现在情况越来越复杂,风险越来越多,我们为金融机构提供情报、线索、预警和指导意见,可以帮他们更好规避风险,所以我们定位是像GPS一样的辅助工具,帮助风控人员。

爱分析:主要提供数据类服务?

刘德彬:是的,传统银行对公业务偏重于企业的财务数据,包括企业的经营数据、纳税数据。但很多时候企业上交银行的材料是经过包装的,客户经理、风控人员还要通过其他材料认证。我们主要关注企业的行为数据,为金融机构提供风险线索。

爱分析:企业行为数据包括哪些维度?

刘德彬:主要是企业的外部行为,从企业地址的变更、股东的变更、业务范围的变化,到被起诉、偷税漏税或者是消防、海关发出的公告都会有。还有关联方的行为,比如企业在运营商那里的变化,之前有100台电脑上网,现在只有10台。

爱分析:誉存科技的产品能用于对公信贷的哪些环节?

刘德彬:贷前、贷中、贷后都有,贷前提供企业背景调查、企业画像、企业风险扫描。贷中帮金融机构把外部数据、非结构化数据处理好,在我们数据的基础上他们再做二次分析。贷后更是一个很大的需求点,很多机构之前重贷前、轻贷后,我们在贷后提供两方面,一个是监控、一个是预警。

贷后方面,银行可能给几百家企业放贷,如果靠几个客户经理贷后走访,很难覆盖。我们会监控企业关联方、上下游、股东、行业政策的变化。在此基础上,我们有智能化预警系统,把其中的风险事件抽取出来。比如某家企业出现变化,历史上发生相同事情的公司基本都会赖账,则提醒银行这家企业需要重点关注。

爱分析:贷前主要是企业反欺诈?

刘德彬:其实很多服务组合的,有企业报告、有反欺诈。

贷前的企业报告和央行征信报告不太一样,我们更关注企业的一些基本信息,比如有没有被人起诉,这跟启信宝、企查查差不多。但是我们还会进一步挖掘,比如我们跟运营商、银联合作拿到企业在运营商的数据、交易数据等。

反欺诈是另一个服务,把企业关联方可能隐藏的负面情况、风险情况一键扫描出来。比如我们一个客户准备放贷给A,然后我们在系统里发现A刚换了老板,这个老板旗下B公司搬家到新的地址,一模一样地址上还有一家C公司,是被法院判罚的老赖。我们能立刻发现这种情况,如果是人工去找则是大海捞针。

爱分析:贷后监控模型的迭代周期是怎样的?

刘德彬:全国公司注册的企业我们都有信息,其中挑出来500万家高风险企业,数据还在不断更新,每天有很多新的违约企业或者新的风险事件入库。数据入库后,模型以最新的数据学习和更新,基本上能做到每天有新的数据进来,每周有更新。

爱分析:企业风险、违约数据来源?

刘德彬:有合作伙伴反馈的,比如银行、担保公司、租赁公司;还有一部分通过爬虫手段在网上爬取的,比如债券违约信息,或者企业欠债信息。

爱分析:未来数据会成为一个壁垒吗?

刘德彬:我觉得未来数据不太会成为壁垒,我们更多的是希望从数据里面挖掘出价值,以报告的形式呈现。数据作为壁垒的价值不大,因为你能找到的数据其他人也能找到,没有谁是完全独有的渠道。

爱分析:如何向金融机构收费?

刘德彬:我们是按照SaaS年费的方式,根据服务范围也有不同。我们是一个大的软件,可以关闭一些监控选项,也可以增加很多节点,根据使用范围收费会有很大的差别。银行的话从十几万到一百万不等,担保、融资租赁等非银信贷机构一般在5万到50万之间。

爱分析:银行使用誉存科技的工具后,哪些指标会有明显变化?

刘德彬:主要是效率,特别是在贷后很明显。两三个人贷后就可以管理几百家企业,能够做到有针对性去调查,效率提升很明显。

爱分析:如何获客?

刘德彬:现在有几十家银行客户,获客分两部分,一部分是自己团队通过BD获客;另一部分是与合作伙伴联合销售,现在主要是中金支付、中国电信。

未来会深耕垂直行业

爱分析:目前是工具类产品,未来产品线上有何规划?

刘德彬:工具还是要继续做好,另外我们会在贷前环节再前进一步。现在我们只是初筛,发现哪些企业有很大风险,再往下我们会选一些垂直行业,要给企业做量化评级、排名。

爱分析:垂直行业量化产品类似于FICO分?

刘德彬:类似但是不一样,fico评分是通用的个人评分,能大致反映人的信用状况。但对企业来说,由于地区、行业、规模、业务的不一样,很难用一套分数或者模型衡量,比如不能拿重庆的一个酒店和北京的一个餐馆、上海的一个医院一起比较。

所以我们会在现在比较通用的产品基础上,在一些垂直行业深挖下去,根据行业和场景,增加额外的数据来做模型。

爱分析:如何选择垂直行业?

刘德彬:会按照银行的放款量去选择行业,以及我们的合作伙伴的需求。

爱分析:跟银联、运营商是怎样的合作形式?

刘德彬:我们跟中国电信、银联下面的子公司中金支付合作,他们先是我们的客户,再是我们的战略合作伙伴。我们之间有很多研究上的合作和数据上的合作,然后共同去做品牌、市场、销售。

爱分析:誉存目前团队规模多大?

刘德彬:现在全公司120人,研发团队近70人,BD团队约30人,其他还有市场、品牌等人员。

相关内容

标签: 企业信息 包括企业 企业风险

对公信贷融资案例(对公信贷业务基本操作流程)文档下载: PDF DOC TXT
文章来源: jodie
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至举报,一经查实,本站将立刻删除。
上一篇: 哪些银行卡没有管理费(哪些银行卡没有管理费的) 下一篇: 柳州银行是什么银行(柳州银行是正规银行吗)

相关资讯