场景消费金融产品风控要注意哪几点？
场景消费金融（三）
笔者认为，场景消费金融的风险主要来自于四个层面，一是客户层面，二是商户层面，三是服务层面，四是监管层面，其中前三个层面是较为传统的风险，而最后一个层面是近些年来日渐凸显的风险。
本文所论述“场景消费金融”特指银行业机构和消费场景合作，以受托支付的方式发放消费贷款的产品和业务模式。
本文是规划的第三部分，对场景消费金融的风控要点进行探讨。
（一）客户层面
客户层面的风险与其他类型的消费贷款产品类似，解决的是客户“有意愿且有能力”还款的问题，总体风控策略有比较成熟的解决方案，稀缺的是对场景及客户的认知，以及数据和经验的积累，功夫在勤不在巧，这里不再予以赘述，主要提几点在工作中容易被忽略的点，可以帮助我们进一步提升场景贷款业务风控的效果：
1、消费行为合理性评估
当一名客户的贷款具体消费用途明确时，我们往往可以搭建出一个行为合理性的评估机制，比如在分期购机中，客户所处的社会层级和收入水平，是否会贷款购买一款高端商务手机？又比如在教育场景中，一个孩子的父母年龄区间应该在哪个范围？还有在线下教培领域，客户去离家很远的地方报名是否正常？这些合理性评估的机制有时候不会特别准确，因为客户的非理性消费也是常态，但可以帮助我们形成一些预警策略，通过加入人工审核等方式进行更加准确的判断。
2、商品价格体系管控
有一些风控逻辑认为不需要费力去评估掌握商品的价格体系，只需要实现客户维度的准确授信就足以控制场景风险，但笔者认为不然。商品价格体系的管控是一个重要的环节，而且根据金融机构能力的大小，比较好的方式是建立两套价格体系，一是由场景自身提供的商品品类和价格列表，二是由银行采购或调研形成的市场同类商品价格列表，互为表里，互相印证。
在具体策略中的运用一是品类固定，不做没有备案的商品品类，二是价格合理，商品交易价格应在预设的合理区间，这样一方面能够识别客户的不合理购买行为，另一方面也能帮我们及时发现场景销售情况的变化，交易价格策略的调整一定能反溯到场景经营的变化，从而让我们有更充分的反应时间。
3、贷款产品充分告知
除了部分金融属性较强的场景外，大部分场景都会出现贷款产品告知不够充分的情况，销售人员由于专业能力的缺乏，在话术设计中刻意的模糊分期付款和贷款的概念，让客户在云里雾里的状态签署贷款合同，后续一旦发生纠纷，大概率会形成对金融机构的投诉甚至是本金损失。贷款产品的充分告知要在产品交流的每个流程中都加以强化，同时关注对销售人员的培训和抽检，有一段时间笔者也认为这是一个需要平衡风控和销售的问题，但经过多起风险案例的处理后，现在很肯定这是一个必须重点关注的风险点。
这些补充策略的思路和前文一脉相承，主要是强调风险策略需要和场景自身的数据和特点相结合。
（二）商户层面
商户层面风险是场景消费金融的核心，笔者见过很多的案例都是片面关注客户层面风险，忽视了商户风险，结果捡了芝麻丢了西瓜，造成较大损失。
1、经营持续性风险
判断一个商户是否能够持续经营是商户风险控制的核心，这里又要分几个阶段，一是准入和年审，二是巡检，三是危机处理。
准入和年审阶段笔者较为倾向的还是对公业务的模式，由专人实地拜访并撰写尽调报告，当然这种模式有很多的问题，常提及的：
一是人力资源消耗大，那么就要考虑上文提到的集中性问题，场景选择是否和金融机构自身能力相匹配；
二是资料获取困难，毕竟不是给企业贷款，场景方配合度不高，这里就是一个战略选择问题，是要找大场景合作，稳定性强但掌控力弱，还是找小场景合作，稳定性弱但掌控力强；
三是人员能力问题，特别是一些做惯线上现金产品的团队不具备评估企业持续性的能力，但这在我来看这个短板不补齐，千万不要涉足场景分期业务。年审是指每家机构必须建立一个年度评估机制，定期对合作场景的经营变化情况进行评估。
巡检阶段其实是行业内的老生常谈了，具体措施各家有各家的诀窍，做得不多的依葫芦画瓢也不会出大问题，但我想提几个关键点：
一是抓执行，明访的频率、要求必须落实到到位，有检查和奖惩机制；
二是有机制，明暗访必须搭配，且暗访的信息最好能做到隔离，并且内外结合，有条件的机构可以考虑通过调查公司来进行补充；
三是强调责任，现场问题总是超过一张调查表预设的内容，调查工作要尽职免责而非填表免责；四是减小规律性，增加飞行检查、突击检查。
危机处理阶段是在问题已经发生的情况下，如何快速处理一个风险事件，降低损失，这里一是要有预案，规定汇报机制、响应机制和责任人，避免不必要的延误；二是尽快和机构直接沟通，判断事态发展，是否还有起死回生的可能；三是不要报侥幸心理，大多数情况下，最坏的情况都一定会发生，预案的处理动作必须坚决果断执行。
2、商户欺诈风险是风险防控中最重要的一环，一旦发生肯定是批量事件，所以必须建立一整套监控和处置体系。
商户欺诈风险的种类根据场景类型的不同形式多样，但归根到底是由场景的经营环节中派生出来的，粗略可以分为虚假客户、虚假商品和虚假交易三类，虚假客户是指贷款客户本身不是实际购买商品和服务的人；虚假商品是指贷款的商品和实际使用的商品要么品类不同，要么价格差异；虚假交易是指客户是真的，商品也是符合的，但实际交易环节并没有最终完成，或者完成以后又进行了取消，但并没有告知金融机构，从而导致贷款被挪作他用。这几类都是常见的欺诈类型，而防控方式有如下几种：
（1）数据交互实时化，随着科技水平的提升，越来越多的场景都形成自己的数据体系，很多的场景消费金融产品缺乏和场景自身数据体系的实时交互，还通过邮件或表格来获取数据，就给欺诈留下了空间，实时数据来说就会有更多的验证方式，同时也给商户造假制造了门槛。
（2）识别关键交易环节，必须明确一个关键的交易环节节点，来确定和客户的责任，哪个环节确认交易达成，哪个环节确定资金交割，哪个环节确定商品交付，哪个环节确定售后责任达成，每个环节都应该有明确的证明材料或识别特征。
（3）不要远离场景，任何时候当我们的客户经理或者风控人员很久没有去场景的时候，就代表风险发生的概率大增，在办公室读到的数据和报表有太多的不确定性和误读，笔者在工作中，遇到很多前来洽谈场景的平台类企业，往往大谈特谈一年之内接了几百几千家机构，这时笔者往往会问你们到底有多少人？接下来大概率就会发现他们就是通过在一些底层平台上再包一层产品，对商户的实际情况根本不了解，如果把风控的工作寄托在这类平台身上，那么和赌运气的差别也不大了。
（4）倾听客户的声音。一定要关注客户的咨询、投诉等信息。组织团队定期分析，从中查找漏洞。客户的反馈是宝贵的数据资产，千万不要放弃这些价值。
3、服务质量风险
服务质量风险是场景风险大于现金风险观点的主要成因之一，不可否认的，场景消费金融业务确实将服务质量风险叠加到了原有的风险之上，且并不能单纯的被法律合同约定去抵消——无数的案例都已经证明在金融机构无法律责任的前提下，却迫于各方面压力需要承担一部分损失。这个风险的实质在于，金融机构对于服务质量风险缺乏清晰的认知、有效的衡量以及得力的控制手段。
从长远来说，对服务质量风险的控制取决于团队通过在场景的深耕所形成的场景认知，以及和场景的互信机制，但在业务初期，也有一些必要的机制可以帮助我们一定程度上减少这一风险。
（1）对于服务承诺的彻底理解。首先就是读合同，要把自己当作一个购买者，认真研究客户需要签署的每一份协议内容，理解权力和义务条款；其次是当客户，模拟客户进行现场的购买咨询，了解是否还有不落纸面的潜规则；再次是学政策，对于场景涉及的行业，有哪些法律法规进行规范，由哪些政府机构、自律组织进行责任管理；最后是查投诉，历史上有哪些典型的投诉案例，都是哪些方面出现了问题，有没有得到合理的解决。
（2）做同业借鉴。同行既是冤家也是良师益友，通过拜访场景的同类机构，一些行业桌面以下的问题、趣闻，往往能从同业了解到，特别是在谈到自己竞争对手的时候。当然这里也要警惕不要听风就是雨，信息的广泛收集和理性判断结合起来才能得出正确的结果。
（3）重视非营利性交流平台。贴吧、微博、知乎，都是场景客户甚至是员工乐于进行分享和讨论的地方，而这里的信息与投诉又不尽相同，可以找到很多有趣的信息，而一些从业者/前员工的分享可以帮助我们更加清晰的了解潜藏的风险。
（4）销售环节执行标准风险。流程、制度设定得再好，销售流程标准化不到位，结果也会不那么美好。而根据SA和RA甚至直营等不同的业务模式，销售的标准化的实现会有不同的难度，但总归来说，必须要重视销售人员培训的工作，保持一定的频率和检核力度，同时注重使用信息化工具，将一些容易出现非标操作的环节固化起来，减少操作空间。
4、监管层面
监管风险是较为容易被忽视的风险，因为近年来监管层面一直在增强对现金类贷款产品的监管，相对就形成了对场景类金融产品鼓励的态势，但实际工作中银行和监管对于场景消费金融的风险认知并不见得完全一致，从而会对业务的开展造成阻碍，这里提几点笔者经历过的认知差距：
（1）场景类风险低于现金。从可识别的风险点来说，场景类业务风险确实是一个个人+商户的风险叠加，特别商户相关风险往往是银行和团队缺乏认知和经验的，要远高于现金类贷款业务，但是如果可以培养出对场景有较强认知的团队，像前文提到的可以把场景数据充分用于反哺风控，那么是有可能将综合风险控制到极低的水平，场景业务提供的是一个可能性，但需要持续的投入和反复的试错，并非一蹴而就。
（2）忽视投诉压力。一旦选择场景业务，由于目前消保环境下金融机构事实性的弱势地位，无论前端的贷款行为告知做得如何充分，独立的合同条款约定得如何明确，一旦场景服务发生问题，客户难免会选择向金融机构及其监管部门进行投诉，而且由于客户的纯金融需求并不强烈，在场景业务中的投诉力度和烈度都要远高于现金类产品。
所以在接入该业务前金融机构应该有充分认知，并提前和当地监管机构沟通形成默契——投诉是一个和金融知识并不完备的客户友好沟通和交流的过程，并不代表都是坏事，一个好的投诉处理会给业务带来新的发展机会，需要建立这样的意识，而不是只要有投诉就闻虎色变。
当然金融机构自身要根据监管要求做好投诉的引导、处理和反馈，最关键的是要将投诉尽量引导到本机构的渠道，而非动辄投诉到监管或其他政府机构，这样和监管之间就能形成较为良好的互动关系，助力业务平稳运行。
最后，细心的读者会发现本文对于征信、三方信息、模型风控只字未提，需要说明的是，这并不代表笔者认为工具不重要，但他们只是基础设施，是作业的必要条件而不能一劳永逸的解决所有问题。笔者相信且也在尝试通过技术手段来取代一部分上文提到的风控要点，但一只对场景特点进行深入挖掘的专业团队，以及针对性设计的风控措施和策略，才是在细分场景形成竞争优势、打造核心能力的关键所在。
作者宋皓（河北幸福消金自营业务部总经理九卦金融圈专栏作家）
本文源自九卦金融圈
互金信贷风控体系详解
编辑导语：互联网金融发展的时间不长，但在影响规模上可不小。最初的互联网金融和金融互联网的争论是围绕信贷进行的。在我们日常生活中，信贷的使用还是比较普遍的，信用卡、花呗等，都聚焦于我们的生活中。本文针对信贷话题，分析信贷的风控体系是如何顺应时代变化发展的？一起来看。
互联网金融浩浩荡荡不过十载，时间上看虽然不长，但从影响上规模上不可不谓之巨变。这一点从名字上就可以看出来，广为人知的是互联网金融，而不是曾经许多专家学家们激烈争论的金融互联网。传统金融互联网化实在不足以形容这场震动中国金融体系的巨变。互联网金融当然不止于信贷，还包括银证保基信，及其他全新业态，是名副其实的“金融业的搅局者”。
但不管如何，互联网金融和金融互联网最初的争论，是围绕信贷而产生的。我们聚焦信贷这个话题。信贷的风控体系是如何顺应时代变化而发展的呢？我们今天讨论，风控有哪几种常见的模型策略体系，以及他们的二阶问题：为什么是这样的体系？
012013年横空出世的“余额宝”，让货币基金这棵老树开花，引爆了整个市场，否则互联网金融还只会是IT圈里一个并不算热闹的子话题。这就是业界普遍将2013年定义为互联网金融元年的原因。
2014年，第一款互联网消费金融产品“白条”成立，首家互联网银行“微众银行”经监管机构批准开业。
这时候互金信贷业务尚在发轫之始，风控能怎么做呢？新模式下的用户没有，传统银行信贷动辄一年甚至几年的表现期没有，标准数据产品更是没有，别说大数据模型了，统计学模型也无能为力。此时的授信只能去找优质人群，例如信用卡客群，例如电商某些高级品类的交易客群等等。
这个时候的风控可以说成是基于客群的风控，或者是基于白名单的风控。也由此产生了基于人群的互联网消费金融，包括大学生分期、蓝领/白领分期、农户分期等，然后又产生了基于场景的互联网消费金融，如租房分期、家装分期、旅游分期、教育分期、医美分期等。
而后，伴随着P2P、网贷等互金业务的快速发展，消费金融市场主体进一步丰富。与此同时，移动互联网的全面发展导致了数据信息的激增，在某种程度上，数据已经成为了和石油一样重要的战略资源。在大数据这个冉冉上升的风口上，一大批数据公司成立。算力和大数据的发展引发了机器学习狂潮，风控水平有了大大提升。
17、18年的野蛮期，很多人有点资金够胆识就敢去放贷，接入几家三方数据源，设几个常用规则，做一个授信模型，找几个人做催收，就可以把流水做起来了。
这时候风控成套的技术都已经相当成熟化。三方数据覆盖多个维度，例如征信、银联、运营商、公安、司法、工商、税务，还有多头，等等。抽什么样本、定什么标签、接入什么数据、用什么算法、做什么通过率，做一个和产品配套的模型策略不是什么难事，真正重要的是产品本身，也就是额度、定价、期数、还款方式等。
再往后，一系列监管政策相继出台，行业从高速发展走向了规范整治的新路程。风雨过后，如何在健康的竞争环境和发展空间下行稳致远成了新的命题，行业进入了并将持续处于精细化运营时代。
这时候风控如何做细、如何服务好业务形态下的需要，又是新的命题。
互联网时代的变化，用产品的变化来表征似乎更生动形象。
A时代产品经理的工作可能是画原型就够了，把交互做到极致就很厉害；再往后是策略优化、功能演进，TC业务的产品经理从工作内容上看都是策略产品经理，也要会数据了；那现在和以后呢，悄然变成了负责业务形态和组织关系下的方案梳理了。
风控也是一样，从跑马圈地时代，到策略优化、模型迭代，现在已经半只脚踏入了业务形态下的解决方案。这不，最近腾讯的财报一出，TB业务（金融科技与企业服务板块）已经超过了游戏板块收入，大家才发现腾讯已经成为了一家TB的数据技术服务公司了。
说了这么多，终于把背景讲得差不多了。行业在变，风控体系也在变。
这不同的阶段、不同的平台、不同的业务场景，风控里面的模型和策略又是如何去做的呢？
02过去几年，信贷行业新的从业者，或者称之搅局者，何其之多，新上线的信贷产品何其之多，背后的风控玩法也何其之多，无一而足。
但总结起来，常见的靠谱的模型策略体系只有三种。
第一种以规则为主、模型为辅。大多出现在展业初期，样本较少，数据也较少，风控主要依托于专家经验，没场景的现金贷和有场景的消费贷都是如此。
展业初期，或者说冷启动阶段，样本需要逐渐积累，风险需要较长的时间才能暴露，授信必须严入。在知道风险结果之前，严入还是宽入的标准就是通过率，所以一般初期通过率都较低。
通过率用什么来卡？也许你有场景，场景数据卡一道当然可以，但不够。风险滞后，你终究要去接入一些三方数据。基于这些数据，基于你的场景，基于你的产品定位，制定对应的政策和规则。
然后随着还款日的到来，一批一批用户开始表现，新户的数据在经分上一定是要亏钱的，你会想要去优化。你知道风险跟你的产品、跟你配套的运营，都息息相关，你会认为标准产品不够用，你要自己建模。
样本有限，数据接入太多没有意义，这个时候的模型谈不上大数据模型，只能是小数据模型。如果你的产品不发生大的变化，模型开发没有任何差错，这个模型可能能带来一些增益。随着业务规模的增加，模型得以频繁地被刷新和调优。
但不管如何，这个时候，整个风控体系是规则为主、模型为辅的。白名单也好，黑名单也好，年龄地域限制也好，多头也好，公安司法信息也好，标准产品评分也好，你的风控是建立在行业通用的专家规则之上的，模型只是辅助。说白了，你的安全感来自各种规则。
这类体系不仅仅是出现在展业初期，很多平台长期处于甚至至死都属于这个阶段。它的代表场景是发薪日贷款，及由其衍生发展来的系列网贷，风险较高，通过高定价短周期来弥补资损。
03第二种以模型为主、策略为辅。在样本相对丰富后，模型的重要性会逐渐升高，尤其是行业内卷，客群质量越来越下沉之后，精准识别成为必须。
在原有的专家经验系列规则外，一些可变规则不断地被调整，在这些规则之后，如何依据模型作更精细化决策呢？
一种做法是把模型效果做的尽可能好，然后所有人通过这个模型进一步筛选。为了效果足够好，模型复杂度就会变高，缺陷就是你说不出来为什么这个人被通过、那个人被拒绝。不管解释性工具再怎么做事后工作，这个缺陷本质上弥补不了。
另一种法是把模型做的效果足够好且可解释性足够强，为了追求可解释性，可以将数据也就是特征分类，基于每一类特征构建对应的模型，例如逾期模型，例如多头模型，例如交易模型，等等。同一维度的特征组合，保留了一定程度的该维度可解释。串行的过每个模型，得以判定这个用户逾期上表现不行，或者多头很严重，或者银联交易评分有风险。
在这类风控体系中，你的安全感来自模型。只要模型AUC、KS保持高位，不管每天放款流水多少，你都会比较安心。
这类体系中，模型重要性很高，策略依靠模型做差异化。一个模型为主的风控团队往往最终会走向这种做法，很多银行也会走向这种做法。因为真正的策略人才是很稀缺的。
04第三种以策略为主、模型为辅。注意和第一种的区别，第一种说的是规则为主，这里说的是策略为主。规则为主的规则，是简单的，是通用的，是经验的，是串行不交叉的。
这个阶段，样本非常丰富，场景内不断挖掘用户数据，接入各种有效的三方数据，大数据模型效果很好，且不断追求更好。模型的重要性很高，就如同“工欲善其事，必先利其器”的器很重要一样。
这时的模型充当策略的工具。模型可以不追求解释性了，策略为主，策略保持决策的可解释。
决策要有可解释性，是因为未来不一定会像现在一样，我们无法承担极端情况的伤害。就像投资，你可以数据化出一套决策避开所有的熊市，找到所有的牛市，但例子才多少呢，你敢用在当下吗？决策一定是尽量简单的，它可以犯错，但犯的错要小，获的利要大。
策略的精髓在于分群，年龄是分群，收入是分群，多头是分群，模型也是分群，是风险的分群。无论是授信，还是贷中管理，无论是你对用户做什么，还是希望用户做什么，你都要区分用户。
这类体系的标志是决策体系中有很多重要的分群，也就是决策分支，模型用作最后的保障。模型作为策略的工具，可以需多少有多少，一个工具可以用的范围很大，也可以用的范围很小。
决策分支的意思是，策略对模型的应用不是一刀切的，不是所有小于600分的用户都要被拒绝的。
你的安全感来自策略，再具体一点，就是策略分群。
在行业强监管下，非持牌机构不断倒下，只有巨头才能勉强活着，越来越多的风控都是这种体系。无他，精细化要求而已。
05我们上面的讨论已经涵盖了这些体系发展的背景，不同的阶段、不同的平台、不同的业务场景下，风控体系不一样。
为什么发展出了这样的体系？这个二阶问题，似乎答案就是数据。样本的多少、数据维度的多少、特征数量的多少决定了背后模型和策略的关系。
但，这不是问题的本质。我认为问题的本质在于风险回报比。
资料来源：招银国际证券
如果你是“714”高炮那样的玩法，搭几条规则，让钱出去利滚利就是最赚钱的，周期短流动性强，年化利率好几倍甚至十几倍，风险再高也就是一个本金，不算什么问题。目标客户里就没有优质人群，还做什么模型精准识别。
当这种玩法不再合法，风险回报越来越低，银行的对客定价一般在年化18%以内，消费金融公司基本在20%出头，若要在这个范围内盈利，就要风险平稳可控，服务目标要锁定优质客群，没有大数据模型是不行的。当然，不缺优质流量的巨头光白名单就够用了。
后来流量越来越贵，客户不断被多平台渗透，做好存量就至关重要。省一份流量算一份流量，涨一点余额算一点余额，开始把每个用户挖掘到极致。客户分群精细化运营成为当下的趋势。
只是，这样的挖掘，这样的运营，是客户需要的吗？
举目向去处，多是坎坷。回首望来路，皆是坦途。
本文由@雷帅原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Uh，基于CC0协议
九卦｜场景消费金融产品风控要注意哪几点？
作者宋皓(河北幸福消金自营业务部总经理九卦金融圈专栏作家）
来源九卦金融圈
编辑武文张云迪美编杨文华
本文所论述“场景消费金融”特指银行业机构和消费场景合作，以受托支付的方式发放消费贷款的产品和业务模式。
本文是规划的第三部分，对场景消费金融的风控要点进行探讨。
笔者认为，场景消费金融的风险主要来自于四个层面：
客户层面的风险与其他类型的消费贷款产品类似，解决的是客户“有意愿且有能力”还款的问题，总体风控策略有比较成熟的解决方案，稀缺的是对场景及客户的认知，以及数据和经验的积累，功夫在勤不在巧，这里不再予以赘述，主要提几点在工作中容易被忽略的点，可以帮助我们进一步提升场景贷款业务风控的效果：
1、消费行为合理性评估
当一名客户的贷款具体消费用途明确时，我们往往可以搭建出一个行为合理性的评估机制，比如在分期购机中，客户所处的社会层级和收入水平，是否会贷款购买一款高端商务手机？又比如在教育场景中，一个孩子的父母年龄区间应该在哪个范围？还有在线下教培领域，客户去离家很远的地方报名是否正常？这些合理性评估的机制有时候不会特别准确，因为客户的非理性消费也是常态，但可以帮助我们形成一些预警策略，通过加入人工审核等方式进行更加准确的判断。
2、商品价格体系管控
有一些风控逻辑认为不需要费力去评估掌握商品的价格体系，只需要实现客户维度的准确授信就足以控制场景风险，但笔者认为不然。商品价格体系的管控是一个重要的环节，而且根据金融机构能力的大小，比较好的方式是建立两套价格体系，一是由场景自身提供的商品品类和价格列表，二是由银行采购或调研形成的市场同类商品价格列表，互为表里，互相印证。
在具体策略中的运用一是品类固定，不做没有备案的商品品类，二是价格合理，商品交易价格应在预设的合理区间，这样一方面能够识别客户的不合理购买行为，另一方面也能帮我们及时发现场景销售情况的变化，交易价格策略的调整一定能反溯到场景经营的变化，从而让我们有更充分的反应时间。
3、贷款产品充分告知
除了部分金融属性较强的场景外，大部分场景都会出现贷款产品告知不够充分的情况，销售人员由于专业能力的缺乏，在话术设计中刻意的模糊分期付款和贷款的概念，让客户在云里雾里的状态签署贷款合同，后续一旦发生纠纷，大概率会形成对金融机构的投诉甚至是本金损失。贷款产品的充分告知要在产品交流的每个流程中都加以强化，同时关注对销售人员的培训和抽检，有一段时间笔者也认为这是一个需要平衡风控和销售的问题，但经过多起风险案例的处理后，现在很肯定这是一个必须重点关注的风险点。
这些补充策略的思路和前文一脉相承，主要是强调风险策略需要和场景自身的数据和特点相结合。
商户层面风险是场景消费金融的核心，笔者见过很多的案例都是片面关注客户层面风险，忽视了商户风险，结果捡了芝麻丢了西瓜，造成较大损失。
1、经营持续性风险
判断一个商户是否能够持续经营是商户风险控制的核心，这里又要分几个阶段，一是准入和年审，二是巡检，三是危机处理。
准入和年审阶段笔者较为倾向的还是对公业务的模式，由专人实地拜访并撰写尽调报告，当然这种模式有很多的问题，常提及的:
一是人力资源消耗大，那么就要考虑上文提到的集中性问题，场景选择是否和金融机构自身能力相匹配；二是资料获取困难，毕竟不是给企业贷款，场景方配合度不高，这里就是一个战略选择问题，是要找大场景合作，稳定性强但掌控力弱，还是找小场景合作，稳定性弱但掌控力强；三是人员能力问题，特别是一些做惯线上现金产品的团队不具备评估企业持续性的能力，但这在我来看这个短板不补齐，千万不要涉足场景分期业务。年审是指每家机构必须建立一个年度评估机制，定期对合作场景的经营变化情况进行评估。
巡检阶段其实是行业内的老生常谈了，具体措施各家有各家的诀窍，做得不多的依葫芦画瓢也不会出大问题，但我想提几个关键点：
一是抓执行，明访的频率、要求必须落实到到位，有检查和奖惩机制；二是有机制，明暗访必须搭配，且暗访的信息最好能做到隔离，并且内外结合，有条件的机构可以考虑通过调查公司来进行补充；三是强调责任，现场问题总是超过一张调查表预设的内容，调查工作要尽职免责而非填表免责；四是减小规律性，增加飞行检查、突击检查。
危机处理阶段是在问题已经发生的情况下，如何快速处理一个风险事件，降低损失，这里一是要有预案，规定汇报机制、响应机制和责任人，避免不必要的延误；二是尽快和机构直接沟通，判断事态发展，是否还有起死回生的可能；三是不要报侥幸心理，大多数情况下，最坏的情况都一定会发生，预案的处理动作必须坚决果断执行。
2、商户欺诈风险是风险防控中最重要的一环，一旦发生肯定是批量事件，所以必须建立一整套监控和处置体系。
商户欺诈风险的种类根据场景类型的不同形式多样，但归根到底是由场景的经营环节中派生出来的，粗略可以分为虚假客户、虚假商品和虚假交易三类，虚假客户是指贷款客户本身不是实际购买商品和服务的人；虚假商品是指贷款的商品和实际使用的商品要么品类不同，要么价格差异；虚假交易是指客户是真的，商品也是符合的，但实际交易环节并没有最终完成，或者完成以后又进行了取消，但并没有告知金融机构，从而导致贷款被挪作他用。这几类都是常见的欺诈类型，而防控方式有如下几种：
（1）数据交互实时化，随着科技水平的提升，越来越多的场景都形成自己的数据体系，很多的场景消费金融产品缺乏和场景自身数据体系的实时交互，还通过邮件或表格来获取数据，就给欺诈留下了空间，实时数据来说就会有更多的验证方式，同时也给商户造假制造了门槛。
（2）识别关键交易环节，必须明确一个关键的交易环节节点，来确定和客户的责任，哪个环节确认交易达成，哪个环节确定资金交割，哪个环节确定商品交付，哪个环节确定售后责任达成，每个环节都应该有明确的证明材料或识别特征。
（3）不要远离场景，任何时候当我们的客户经理或者风控人员很久没有去场景的时候，就代表风险发生的概率大增，在办公室读到的数据和报表有太多的不确定性和误读，笔者在工作中，遇到很多前来洽谈场景的平台类企业，往往大谈特谈一年之内接了几百几千家机构，这时笔者往往会问你们到底有多少人？接下来大概率就会发现他们就是通过在一些底层平台上再包一层产品，对商户的实际情况根本不了解，如果把风控的工作寄托在这类平台身上，那么和赌运气的差别也不大了。
（4）倾听客户的声音。一定要关注客户的咨询、投诉等信息。组织团队定期分析，从中查找漏洞。客户的反馈是宝贵的数据资产，千万不要放弃这些价值。
3、服务质量风险
服务质量风险是场景风险大于现金风险观点的主要成因之一，不可否认的，场景消费金融业务确实将服务质量风险叠加到了原有的风险之上，且并不能单纯的被法律合同约定去抵消——无数的案例都已经证明在金融机构无法律责任的前提下，却迫于各方面压力需要承担一部分损失。这个风险的实质在于，金融机构对于服务质量风险缺乏清晰的认知、有效的衡量以及得力的控制手段。
从长远来说，对服务质量风险的控制取决于团队通过在场景的深耕所形成的场景认知，以及和场景的互信机制，但在业务初期，也有一些必要的机制可以帮助我们一定程度上减少这一风险。
（1）对于服务承诺的彻底理解。首先就是读合同，要把自己当作一个购买者，认真研究客户需要签署的每一份协议内容，理解权力和义务条款；其次是当客户，模拟客户进行现场的购买咨询，了解是否还有不落纸面的潜规则；再次是学政策，对于场景涉及的行业，有哪些法律法规进行规范，由哪些政府机构、自律组织进行责任管理；最后是查投诉，历史上有哪些典型的投诉案例，都是哪些方面出现了问题，有没有得到合理的解决。
（2）做同业借鉴。同行既是冤家也是良师益友，通过拜访场景的同类机构，一些行业桌面以下的问题、趣闻，往往能从同业了解到，特别是在谈到自己竞争对手的时候。当然这里也要警惕不要听风就是雨，信息的广泛收集和理性判断结合起来才能得出正确的结果。
（3）重视非营利性交流平台。贴吧、微博、知乎，都是场景客户甚至是员工乐于进行分享和讨论的地方，而这里的信息与投诉又不尽相同，可以找到很多有趣的信息，而一些从业者/前员工的分享可以帮助我们更加清晰的了解潜藏的风险。
（4）销售环节执行标准风险。流程、制度设定得再好，销售流程标准化不到位，结果也会不那么美好。而根据SA和RA甚至直营等不同的业务模式，销售的标准化的实现会有不同的难度，但总归来说，必须要重视销售人员培训的工作，保持一定的频率和检核力度，同时注重使用信息化工具，将一些容易出现非标操作的环节固化起来，减少操作空间。
4、监管层面
监管风险是较为容易被忽视的风险，因为近年来监管层面一直在增强对现金类贷款产品的监管，相对就形成了对场景类金融产品鼓励的态势，但实际工作中银行和监管对于场景消费金融的风险认知并不见得完全一致，从而会对业务的开展造成阻碍，这里提几点笔者经历过的认知差距：
（1）场景类风险低于现金。从可识别的风险点来说，场景类业务风险确实是一个个人+商户的风险叠加，特别商户相关风险往往是银行和团队缺乏认知和经验的，要远高于现金类贷款业务，但是如果可以培养出对场景有较强认知的团队，像前文提到的可以把场景数据充分用于反哺风控，那么是有可能将综合风险控制到极低的水平，场景业务提供的是一个可能性，但需要持续的投入和反复的试错，并非一蹴而就。
（2）忽视投诉压力。一旦选择场景业务，由于目前消保环境下金融机构事实性的弱势地位，无论前端的贷款行为告知做得如何充分，独立的合同条款约定得如何明确，一旦场景服务发生问题，客户难免会选择向金融机构及其监管部门进行投诉，而且由于客户的纯金融需求并不强烈，在场景业务中的投诉力度和烈度都要远高于现金类产品。
所以在接入该业务前金融机构应该有充分认知，并提前和当地监管机构沟通形成默契——投诉是一个和金融知识并不完备的客户友好沟通和交流的过程，并不代表都是坏事，一个好的投诉处理会给业务带来新的发展机会，需要建立这样的意识，而不是只要有投诉就闻虎色变。
当然金融机构自身要根据监管要求做好投诉的引导、处理和反馈，最关键的是要将投诉尽量引导到本机构的渠道，而非动辄投诉到监管或其他政府机构，这样和监管之间就能形成较为良好的互动关系，助力业务平稳运行。
最后，细心的读者会发现本文对于征信、三方信息、模型风控只字未提，需要说明的是，这并不代表笔者认为工具不重要，但他们只是基础设施，是作业的必要条件而不能一劳永逸的解决所有问题。笔者相信且也在尝试通过技术手段来取代一部分上文提到的风控要点，但一只对场景特点进行深入挖掘的专业团队，以及针对性设计的风控措施和策略，才是在细分场景形成竞争优势、打造核心能力的关键所在。
以上是笔者从自身工作经验出发，对于场景消费金融产品风控要点的理解和认知，整理成文的目的在于抛砖引玉，和业内同仁进行交流和讨论，欢迎探讨和指正。
END
