一、消费金融案例分析

一、单变量分析——用户首逾率增高问题

二、用户群组分析——对相同生命周期阶段的用户进行垂直分析

三、用户行为路径漏斗转化分析

单变量分析：

单变量分析的目的是，通过对数据的整理、加工、组织和展示，并计算反应数据的集中趋势和离散程度的指标，对变量分布的特征和规律进行刻画和描述。不同类型的变量需要使用不同的方法和指标。

单变量分析又称“单变量统计分析”，就是在一个时间点上对某一变量所进行的描述和统计，因而又可以分为单变量描述统计和单变量推论统计两种方式。

日常监控发现某款消费贷产品首逾率有逐渐升高的趋势，需要把首逾率降下来以减少产品带来的损失。

● 分析目标：通过数据探查分析制定出可以有效降低首逾率的策略。

● 分析思路：分析的策略是在客户申请时用来判断客户是否会逾期的条件，所以需要还原这些有首逾表现的客户在申请时的数据，即提取出客户在申请时点各个维度的数据，然后利用这些数据去找出能够区分好坏客户的变量，从而制定策略。

观察原数据，并对列名进行更改，方便理解。最终所得数据（部分）如下：

计算得到首逾率约为0.3076，属于过高的情况。下面将采取单变量分析法，从不同维度去分析，寻找解决方法。

3.2.1 征信查询次数

所得结果如下：

由上图可以看出：

● 约80.51%的用户征信查询次数在12次以上；

● 首逾率与征信查询次数呈正相关的趋势：随着征信查询次数的不断增加，首逾率也呈现升高的趋势，且征信查询次数超过21次时，首逾率此时达到最高，约为59.85%。

3.2.2 信用评级分组

将信用评级划分为5个分组：AA、A、BCD、ERC、缺失，并进行聚合统计。

所得结果如下：

● 除去缺失字段，客户占比最高的是评级为BCD的用户，其次为ERC，整体用户评级偏低；

● 首逾率与评级档次呈正相关，其中ERC评级用户首逾率最高达到52.74%左右，其次为BCD评级用户首逾率在36.27%。

3.2.2 计算提升度

进行变量分析之后，这时我们就要从中筛选中较为有效的变量了，这里涉及到一个衡量变量是否有效的指标，提升度。

提升度：通俗的来说就是衡量拒绝最坏那一部分的客户之后，对整体的风险控制的提升效果。 提升度越高，说明该变量可以更有效的区分好坏客户，能够更少的误拒好客户。

计算公式：提升度=最坏分箱的首逾客户占总首逾客户的比例 /该分箱的区间客户数占比。

例如：上表中征信总查询次数的最坏分箱提升度就是（1923/17365）/(3213/56456)=11%/5.69%=1.93 提升度这个指标一般来说都是用来一批变量分析里做相对比较，很多时候都是在有限的变量里尽可能选提升度更高的变量来做策略。

分别计算征信总查询次数和客户信用评级的提升度：

征信总查询次数提升度

最终结果为1.9458。

信用评级提升度

最终结果为1.7147。

在上文中， 通过上一步的单变量分析，我们筛出了“征信查询次数”、“信用评级”这两个提升度最高的变量。所以选择将其最坏分箱的人全部拒绝，计算提出后的首逾率降幅为多少。（这个影响就是指假设我们将‘征信总查询次数>=21的3213位客户全部拒绝’之后，剩下的客户逾期率相比拒绝之前的逾期率降幅是多少）

最终结果分别为“征信查询次数”：3.41%和“信用评级”：7.53%。

● 通过计算可得，通过拒绝最坏分组的客户，得到的最终首逾率分别下降了3.41%和7.53%，证明该方法确实能起到降低首逾率的效果。

群组分析法就是按某个特征对数据进行分组，通过分组比较，得出结论的方法。

群组分析的作用：

1.对处于相同生命周期阶段的用户进行垂直分析，从而比较得出相似群体随时间的变化。

2.通过比较不同的同期群，可以从总体上看到，应用的表现是否越来越好了。从而验证产品改进是否取得了效果。

当我们在做用户分析时，会遇到这样的一个问题，一个用户使用APP时，会留下一连串的使用数据，可能是一月份的购买了1次，二月份购买了2次，三四月没有购买，五月份又购买了。也就是对于用户来说他的数据是一个时间面数据，而且不同用户的时间面是不相同的，开始时间经历时间都不一样，而如果我们分析的时候不考虑到这个因素而直接进行分析，显然是不够合理的，因为新用户和老用户经历的产品运营情况是不一样的。

那我们应该如何处理呢，这个时候就有一种分析方法，可以帮助我们在时间轴上对齐用户，这就是群组分析。

通过用户的订单消费情况，对比同一月份的新用户留存率的变化趋势，以及不同时间期的新用户在同周期时的留存率情况

对数据进行观察，发现分析留存率只需要用到四个字段：

OrederId：订单编号

OrderDate：订单日期

UserId：用户编号

TotalCharges：消费金额

orderperiod：用户消费月份

chortgroup：用户最早消费时间（出现的时间点）

● 整体用户留存率偏低，在5月就已经没有用户；

● 3、4月份的用户生命周期较短，而1、2月用户生命周期相对较长；

● 猜测可能1月、2月有活动，特别是1月份的，能够让用户的留存较高，对于此类情况的产生需要想办法增加用户留存，比如持续推出新品、进行短信营销、推出活动等。

用户行为路径分析：用户行为路径分析是一种监测用户流向，从而统计产品使用深度的分析方法。它主要根据每位用户在App或网站中的点击行为日志，分析用户在App或网站中各个模块的流转规律与特点，挖掘用户的访问或点击模式，进而实现一些特定的业务用途，如App核心模块的到达率提升、特定用户群体的主流路径提取与浏览特征刻画，App产品设计的优化与改版等。

行为路径分析有如下作用：

1.可视化用户流向，对海量用户的行为习惯形成宏观了解。

2.定位影响转化的主次因素，使产品的优化与改进有的放矢。

案例基于网络消费贷款形式，对消费贷借款进行复盘分析，增加用户借贷率。

获取原始表格每日信息表dt_flow、用户信息表dt_check，如下所示

得到新用户表：

同理，也可以得到老用户表：

老用户定义：前一天的放款的新用户第二天继续借款就是老用户。

得到复借率表和走势图：

● 从整体上看，5月复借率走势起伏不定，推测在复借率较高的时间段可能是因为营销活动的影响；

● 平均复借率约为34.72%。

得到指标汇总图和漏斗图：

由上图可知：

● 转换率在 UV → 注册的转换率很低，需要采取针对性营销措施解决；

● 最终放贷成功率很低，可以优化继续模型，在保证资金安全的情况下提高放贷率。

二、一文了解消费金融风控核心指标——资产质量篇

©作者 |  洪一潇

简单而言，消费金融是资金供给方（即消费金融公司）直接或间接向各阶层的消费者提供现金借贷、商品分期、消费信贷的现代金融服务方式。

与银行提供的传统信用贷款业务相比， 消费金融业务具有笔均授信额度小、贷款期限短、审批速度款、无需抵押担保等特点 ，且钱款用途仅限购买家用电器、电子产品等耐用消费品，或旅游、婚庆、教育、装修等个人非盈利性消费。

消费金融的业务模式有以下四种：银行系消费金融的业务模式以信用卡为主，汽车贷、消费贷为辅；持牌类的消费金融公司对应的业务模式以消费贷和现金贷为主；持网络小贷牌照的电商、支付平台，其消费金融业务模式以商品分期、账单分期为主，其中，新型互联网消费金融平台的消金业务还包括消费贷和信用卡代偿；此外，众多不具备牌照的创业平台也以导流、助贷等形式参与到消费金融的业务中。

中国银行业协会于2021年7月26日发布的《中国消费金融公司发展报告（2021）》显示，截至2020年末，消费金融公司资产规模首次突破5000亿元，达5246.49亿元；累计服务客户16339.47万人，同比增长28.37%。

截至2021年6月，我国境内注册成立的消费金融公司已到达30家，跑马圈地的时代已经结束，两极分化正在加剧。

近日，消费金融频道联合中国指数研究院、TOP100组委会等机构发布了《2021年消费金融机构TOP30榜》，其中TOP10如下：

消费金融意味着提前消费或信用消费，本质是借贷。因此 ，消费金融公司赢利的根本是赚取利差，主要以利息收入、手续费及佣金收入为核心。 但并不意味着总贷款余额中的逾期占比越大、逾期金额越高，公司盈利就越多。

消费金融公司需要在贷前、贷中、贷后三个环节实行风险控制，以达到逾期息费收益与不良资产占比的平衡，实现利益最大化。

消费金融业务的贷前审批流程包括五个环节：APP申请-反欺诈审批-授信规则审批-提现审批-放款。

对于消费金融公司而言，风控的最终目的是为了公司盈利。因此， 在整个风控流程中，首要关注的指标是整体的资产质量。

消金企业通过资产质量月度报告了解当前资产构成、不良变化及未来资产到期情况，从资产增存量角度出发，结合客户变化、风险变化进行各渠道间综合对比及相关变化原因分析。

一般分析架构及相关核心指标如下。

1.资产概况

资产概况的核心指标包括资产规模和资产结构两个部分，其中需要重点关注的如下：

（1）不良余额变化情况。 根据最新银保监《贷款风险分类指引》（银监发〔2007〕54号文件）的五级分类的调整要求，以脱期法直接根据贷款时间长短直接划分贷款类别，并将60天以上逾期纳入不良资产。 因此，在上图指标中，最需要关注的是不良余额的变化，即逾期60天以上未还金额的变化情况，对应账龄为M2。

（2）加权平均期限。 由于产品定价与贷款的期限、利率和金额均有关系，因此，对贷款期限的测度也需要考虑到金额对其的影响。即

（3）未来到期资产余额及账龄分布。 因M2余额主要来自于M1未还余额滚入，也存在小部分M3、M4等高账龄借据回款后的未还余额滚回M2。因此，在资产结构中，一般还会关注未来0-3个月和3-6个月即将到期的资产余额，及至少一年时间内的各阶段账龄分布，以实现对不良率的及时把控。

（4） 关注类贷款余额占比。 根据银保监对信贷资产按脱期法进行五级分类的要求，关注类贷款为逾期在4-60天的贷款。关注类贷款占比直接关系到消费金融公司的资产质量和资产结构的合理性和稳健性。因此，关注类贷款余额的取数口径应与监管报送口径一致。

2 .风险概况

风控分析分为三个部分，包括信用风险分析、欺诈风险分析和催收分析。

（1）首逾率。 首期即逾期的比率。首逾可以衡量借款人的还款意愿和还款能力，一般以金额维度计算，即

（2）MOB6 & VINTAGE60+。 观察贷款余额在各账龄阶段的vintage表现，可以近似得出该笔贷款的质量变化情况及预测未来表现。需要注意此时的vintage指标的计算公式中，分母应为处置前的贷款余额，以便更直接地观测资产质量情况。

（3）资产质量矩阵图。 即x轴为投放加权平均利率水平与余额水平的比率，y轴为不良率水平，用以分析资产变迁，将两个月份之间的指标变化进行对比，通过利率与不良矩阵图观测产品定价策略合理性，通过余额与不良矩阵图观测投放策略合理性。

（4）恶意延滞率。 在授信审批阶段，申请者需要通过反欺诈规则校验方可进入后续程序。同样，在贷中及贷后阶段，也有相应指标防范此类信用风险，例如恶意延滞率。恶意延滞指的是在贷款逾期之后从未有过还款的行为，一般以首三期应还未还的借据为关注对象，如首三期均未还款，则视为恶意延滞。为剔除金额影响，一般以借据维度衡量，以近似估计欺诈交易比例，公式如下：

（5）压降率。 即逾期的贷款余额在一段时间内的减少幅度。一半以14天和30天为统计时点，用以观测贷后的催收效果，也侧面反映了借款人的实际还款能力和还款意愿。具体公式如下：

在消费金融进入行业成熟期，消金行业爆发式增长已按下暂停键，业绩分化日渐明晰；加之近期1年期LPR报价下调，监管部门进一步限制消费贷的年化利率，消费金融公司的盈利空间逐步缩小。 当前的行业竞争让风控能力和资金成本成为消费金融公司盈利和发展的重要因素，借助金融科技手段实现大数据风控亦是大势所趋。

三、消费金融系统的业务模式有哪些？有什么作用？

消费金融的三种业务模式

电商互联网消费金融运营模式是以电商平台为基础，通过为客户提供商品的分期服务在平台上进行消费，并提供理财服务。此类模式我们最为熟知的便是蚂蚁金服的微贷和京东金融的京东白条。这种业务模式充分借助了电商平台的大数据优势。客户在购买商品的过程中中，电商平台通过对大数据的分析，确定对特定商品的分期，并在对海量客户进行分析，根据客户的消费能力和信用等级进行授信。当消费者完成商品消费后，由京东金融白条或蚂蚁微贷向供货商提供资金;最后由消费者按照贷款期数偿还借款，其具体运营模式如图1所示。

信贷互联网消费金融采取手机APP+场景的运营模式，客户可以通过手机客户端填写个人资料申请贷款，得到现金后用于日常生活消费，但是资金的具体用途难以掌控。纯信贷互联网消费金融运营模式是将消费者的消费借款以未来应收账款的形式转让或出告给互联网理财平台，理财平台将其进行打包并包装成互联网理财产品，提供给投资人进行投资。该种模式下的信贷平台属于中介平台，将投资人的资金提供给消费者进行商品的分期支付，最后再由消费者按照规定的分期时间对投资人进行连本带息的借款偿还，其具体运营模式如图2所示。从当前纯信贷互联网消费金融的发展情况来看，消费者的借贷风险主要是由互联网理财企业承担。而互联网理财企业则主要通过大数据与云计算等互联网技术创新金融场景，以最大限度地控制坏账风险。

P2P互联网消费金融运营方式与传统商业银行的借贷业务相通，通过平台的信息优势将资金供求双方进行对接，并按照借贷资金的数额按比例抽取利润。P2P互联网消费金融与小额借款类似。首先，消费者基于消费目的将借款项目发布到P2P借贷平台并由平台进行资格审核上线;其次，投资人根据自身偏好选择项目进行投资以满足项目发起人的消费需求;最后，消费者按照约定的时间向投资人进行还款付息，具体运营模式如图3所示。值得注意的是，P2P互联网消费金融在审核、监管的成本和难度较大，无法对项目借款人的真实身份以及借款意图进行完全掌控，因此风险较大。但是，依靠中国人口众多的基数优势，P2P互联网消费金融业务仍有许多上升空间。