TMT观察网_独特视角观察TMT行业

樂視前員工在建行信用卡額度被降至1元事件，站在外部視角看，似乎離奇。但如果將視角切換為銀行信用卡部門的“人群畫像”風控邏輯，以及逐漸講求的事前預警機制后，一切是否會變得可以理解？

事實上，除了“1元額度”過于抓眼球以外，基于所屬組織或群體的風險評判變化而“殃及”個人信用情況變化，這樣的事件，在業(yè)內(nèi)已不是秘密。建行并非首創(chuàng)。

“殃及池魚”恰是風控邏輯

數(shù)年前，無錫某太陽能公司出現(xiàn)經(jīng)營危機。第一財經(jīng)記者從一家股份制銀行信用卡部門人士處獲悉，他們當時在內(nèi)部對該家公司員工信用卡也悄然用上了針對性風控措施，只不過處理方式偏于溫和而未被外界發(fā)現(xiàn)：比如封死這批信用卡的額度，只降不升（包括拒絕本可獲批的客戶正常提額申請），并密切關注這批卡片的大額消費情況。

這也不是個案。在另一家股份制銀行，對于一些身處產(chǎn)能過剩行業(yè)的員工，尤其是一些流水線操作工種，已辦信用卡者續(xù)卡、未辦信用卡者申卡，銀行評審起來都會出現(xiàn)一定“扣分”，甚至拒批。

除了所屬公司會波及個人，所屬行業(yè)、身份證從屬地域，甚至所屬人群的自然屬性（比如“未婚、女性”）等，都會因此群體整體信用表現(xiàn)而影響個人，這種影響可能是利好也可能是利空。

比如一張“3522”開頭的身份證（屬福建寧德地區(qū)：鋼貿(mào)商籍貫集中地），在2011年銀行體系對鋼貿(mào)業(yè)務進行風險預警前，持證人在多家銀行辦信用卡都比普通人便利，而且有更高概率獲得更大的信用卡授信額度；但在2012年鋼貿(mào)危機爆發(fā)后的一兩年間，即便持證人從未染指鋼貿(mào)業(yè)務，在鋼貿(mào)危機深重的長三角地區(qū)部分銀行，他們甚至很難正常辦出信用卡，就更不談額度高低了。

在樂視員工信用卡降額事件曝光后，一眾信用卡部門人士均選擇緘默：沒有人愿意因表示理解他行風控策略而“躺槍”。

而在第一財經(jīng)記者以匿名形式的采訪中，多名信用卡業(yè)務人士均對建行的風控“大方向”和“方法論”――識別該人群風險信號――表示了“認同”或“理解”，不過在手段運用的激進程度上，他們表示了異議。

其中，某銀行信用卡中心分管風險的高管人員表示，他們其實也及時捕獲到了樂視的風險信號，但仍補充考量了樂視員工本身的情況未提前采取措施。不過他表示，如果出現(xiàn)問題的企業(yè)不是樂視而是某些中低端制造業(yè)企業(yè)，企業(yè)已經(jīng)或有可能發(fā)不出薪水，員工多從事偏于弱技術資質的操作型工作，“恐怕采取建行類似的手段是必要的”。

在風控尺度的把握上，建行對樂視持卡員工也是有基于個體的補充考量的，因而采取了“先堵后疏”策略。建行方面回應稱，對樂視員工信用卡額度進行調整，只是暫時的舉措，各支行會根據(jù)名單情況，對信用卡持有人進行一一排查，如果還款正常，就會恢復額度。

信用卡風控變量的“四大維度”

多名業(yè)內(nèi)人士在接受第一財經(jīng)采訪時表達了相近的意思：越是小額、分散的授信，除了對客戶個人一對一的資信評估以外，就越需要輔助進行風險評估。后者以大數(shù)據(jù)為基礎、對客戶所屬群體進行諸如“人群畫像”，并不斷就新的風險因子表現(xiàn)，修正風控模型及對此群體的策略。

這樣，在“大數(shù)法則”運算之下，不良率就可控在一定標準之內(nèi)。而這正是銀行信用卡業(yè)務風控的題中之義。

“大額貸款做得好，拼客戶關系；小額授信做得好，看模型建設。”有銀行人士這樣說。

信用卡風控建模具體看哪些變量？上述卡中心分管風險的高管總結稱，最傳統(tǒng)的操作是看“四大維度”：自然屬性、收入情況、財富情況、在其他金融機構的風險表現(xiàn)。這些數(shù)據(jù)絕大多數(shù)在客戶的央行征信報告、該行內(nèi)部賬戶信息，乃至客戶辦卡提交材料中都有體現(xiàn)。

自然屬性是指客戶的性別、年齡、學歷、戶籍地域等。

收入情況則是公司行業(yè)、公司規(guī)模、職位、年收入等，這一點在風控的邏輯里被視為客戶負債后的“還款來源”。

財富情況是看客戶的擁車、擁房，還有在該家銀行的存款、理財產(chǎn)品的量級。

客戶在其他金融機構的負債情況、信用表現(xiàn)、有無逾期，也是一大考量。此外，多家風控嚴格的銀行信用卡中心，還會對客戶實行“剛性扣減”，亦即對卡片申請人的總負債額度進行評估，并減去客戶已在其他銀行獲得的非抵押類授信額度。

除了這些傳統(tǒng)操作，隨著金融科技及大數(shù)據(jù)運用的發(fā)展，信用卡風控的評審模型中又添加了移動運營商、互聯(lián)網(wǎng)公司等提供的客戶行為數(shù)據(jù)，當然調取這些數(shù)據(jù)需在客戶充分授權的前提下。這些行為數(shù)據(jù)可包括客戶的移動設備定位、線上支付結算和流水等，也可據(jù)此推測部分客戶的消費能力和習慣，為銀行更精準的營銷及風控提供輔助參考。

以上維度，在銀行建模考量中的優(yōu)先等級不同，從最優(yōu)開始排列，依次為客戶已有用卡行為數(shù)據(jù)、客戶總負債水平、客戶自然屬性基本面、客戶工作受薪及財富情況、客戶工作行業(yè)前景等。其中無征信參考或沒有豐富歷史用卡行為數(shù)據(jù)的客戶，銀行會更多依賴此排序中的后三類信息；而對于該行存量客戶，則更依賴前兩項及客戶在該行既有業(yè)務使用信息。

在這一框架里，“如果客戶的公司真出現(xiàn)大問題，那就直接影響了兩個大項，銀行有所動作或反應，從方法論的角度無可厚非，但反應過于激烈未必有必要，因為還要綜合評估其他幾個大項。”上述分管風險的高管在接受第一財經(jīng)記者采訪時評述稱，其所在銀行也會綜合考慮到，樂視員工的個人資質屬性基本面是偏中高的。

一般而言持卡人個人基本面越好，銀行風控邏輯里，其受企業(yè)、行業(yè)等外部指標連累的程度就越低。

此外，也有銀行人士提及對信用卡風險的事前預警機制。顧名思義，這是指不等群體風險指標出現(xiàn)異常而進行的事先干預，一般用作針對宏觀經(jīng)濟變化及局部行業(yè)地區(qū)性變化，動態(tài)風險監(jiān)測與預警機制也通常會配套事后恢復機制。

值得多提一筆的是，客戶個人資信行為變化，比如在任意一家系統(tǒng)內(nèi)銀行的用卡發(fā)生頻繁或中度延滯繳款，明顯的消費金額、頻次或用途不合理產(chǎn)生套現(xiàn)嫌疑等，都會觸發(fā)銀行風控的“紅警”，引發(fā)信用卡被降額或停卡。