催收機構如何成長

首先介紹一下我的背景，之前在建行信用卡中心，之後去了淺海中信搞了催收平台，整合大概200家催收公司，前年一年時間跟大大小小催收公司老闆和甲方老闆聊一下，貸後市場非常大的市場，也非常看好。今天跟大家分享這一兩年對這個行業的了解。

這個市場首先要清楚玩家有哪些，AMC是傳統的資産處置機構，分為兩大塊：一個四大AMC，國務院借鑒國際方法處置商業銀行不良貸款設立的，後來每個紳士設立地方的處置不良資産公司，後來我們接受各個催收公司，保守估計大概2000多家，姑且認為體量100人以上、有正規管理的團隊一個催收公司，粗略統計全國有2000多家，主要集中東部沿海、以及深圳周邊、還有華東地區，基本在這幾個地區分布比較明顯。那機構大概分為幾種類型，最普遍是電話催收，小規模大概幾十人、幾百人，大規模可能幾千人到上萬人，其次汽車催收、房産、訴訟，這些對專業技能要求高一些。

我們講新興金融，我覺得貸後資産處置有四個問題，第一個資料使用率低，包括消費金融、現金貸也好資料使用率非常低，特别是很多催收公司大多數資料僅僅停留報表層次；第二個貸後這一塊招核心資料分析人員非常難，因為很多人才不願意往這裡去，資訊保護，資料限制越來越大，缺乏精細化管理，你有系統、有報表就算比較健全的寄給，但是很多機構停留基本資料粗加工的層次，模型在貸後運用非常低，就算模型和政策也很難比對，當時我在信用卡中心做一個模型花了1500萬，由于那個系統無法支援模型，過一年之後這個模型不了了之。最後一塊是貸後無法回報貸前，其實貸後有很多關鍵的資料出來，包括以前的風控欺詐、還有地域偏好等會有很多問題回報出來，如貸後資料回報貸前對你風控有很好的指導作用。第三塊委外機構管理，大的公司委外機構可能一百到兩百家，小的可能幾家，委外機構管理非常辛苦的活，包括對業績跟蹤、報表跟蹤非常不便捷，大的公司我開發系統所有委外機構用我的系統，保證合規性，但是很多系統初的階段很多問題沒有辦法解決。我催收實在催不回來要處置資産包，資産包交易怎麼交易？定價怎麼定價？新系統下金額比較小、欺詐行為特别多，通過各種方式手段判斷資産包裡邊多少東西能觸達、收回，這是非常困難的事情。

今天我會從四個方面跟大家着重分享兩個問題，第一個問題從甲方角度如何提升回收率，如何使委外管理更加有效；第二個問題催收機構如何在行業長久發展，如何賺錢。

我們看看貸後市場如果做好的話未來有幾塊布局：第一資料模型和政策，首先資料，資料對貸後有非常重要的作用，比如資訊修複、比如做催收政策、催收模型沒有資料積累完全沒有辦法進行的，不管你是小公司也好、大公司也好，一開始都要搭建一套非常完整的資料儲存和架構體系，第二個要有人支援你把這些資料，包括貸前審批的資料，貸後其他資料做成模型指導你前端政策。第三塊催收政策和模型比對的，模型做出來一定和政策比對；第二塊系統和營運，系統包括兩種模式，本地化部署和雲端部署，配套包括短信、外呼、律師函、智能語音系統等，現在很多甲方自建催收團隊或者委外管理，哪種方式最有效，成本如何找到平衡點；第三個資産包這一塊，資産包怎麼定價、這個過程中怎麼撮合交易，交易怎麼完成？資産包收購和處置，我收購回來資産包怎麼處置？貸後是非常穩定的現金流，貸後很多資料包括灰名單、黑名單非常有價值的資料，不管用于貸前還是貸後非常有價值的資料，貸後很多資料可以直接影響風控模型，最後它可以顯著提升你回收率。

我們看看資料，貸後這一塊資料有什麼價值？很顯然的價值是資訊修複，很多人說逾期M4階段找不到這個人，為什麼找不到？因為你資料體系不夠完善，前期做各種營銷活動、審批活動、做風控的時候沒有想到從前到後銷售體系，這個人就失蹤了，實聯修複第一找到這個人，第二個找到這個人位址，第三個找到錢。還看能力和意願主要包含這個人目前資産和負債情況，這個人本身是不是欺詐的人？欺詐絕對不會還款，另外看這個人曆史目前信用狀況，最後資料對于可視化以及資料化營運提升，抛開資料談政策、算法這些都是扯淡。

我們看一看搭建一個平台可能包含哪些資料？第一個貸前通過使用者授權一些資料，比如通信錄詳單、微信、網銀等資訊，第二個通過第三方管道介入的資訊，第三個你自身業務的營運資料，包括貸前營運資料、貸後營運資料。

政策和模型這一塊給大家介紹通用的政策和模型的方法，催收的話其實是信用卡政策制度标準流程，你在做催生模型、催生政策的時候肯定設立一個目标，這個目标在不同階段不一樣，通常分為早期階段、後期階段、保全階段，早期階段降低滾動率與損失，為了降低成本，增加利潤，客戶很大收入來自于逾期滞納金，找到平衡點讓客戶既一定範圍内，又不變成不良客戶，那是增加你的利潤，對于經營利潤非常棒的措施，還有增加滿意度和減少投訴。

90天以後看重什麼？增加回收金額，回來越多越好減少我損失，到保全階段可能是什麼？增加我的債務保全金額，不是我核銷這個東西完全化掉，它可以回款，但是優化服務商的表現，包括你的律所、催收機構優化他的表現，增加淨限值，你投入和産出，我找一個催收機構催收1萬，我花的成本2萬沒有必要做這個事情。

我們看一看不同階段關鍵決策，早期我需要哪些客戶、怎麼聯絡、何時聯絡？到後期階段第一個如何處置這些賬戶，是不是做防範計劃等？哪些特殊賬戶需要及早關閉或者特殊處置，在早期階段通過什麼方式，通過訴訟還是通過上門催收，還是通過核銷，那些賬戶需要打包出售的，肯定回不來。

下面分兩塊講模型和政策。模型其客觀對于資料分析，為什麼模組化？模型通過曆史的資料告訴現在情況，具有一定客觀、公平、準确的東西，模型的開發會有幾個時間點，開發的時候用曆史的資訊看待目前的資訊，模型運用用目前資訊推測未來資訊，這兩個時間視窗不一樣的。那我們做模型的時候，要注意什麼呢？你賬戶管理的時候，你在信用卡早期做評分卡的時候，對于早期催收也是有用，評分适用有相應的模型适應，模型和風控模型不一樣，風控模型表現視窗一年到六個月時間，催收模型是3-6個月，早期催收定義能回來還是不能回來，到後期定義回來5%還是20%。我們看模型哪些資料？基本剛才講的那些，自身資料、征信資料、打電話客戶給你的回報資料、還有擷取其他外部資料。這個是模型的決策流程，我通過一二三四各個方向搜集資料，生成我決策檔案，這個決策檔案用于我做決策引擎、評分打政策，這些指引下一步動作，動作獲得的資料回報模型中優化我們模型。

我們看一下通過模型如何制定政策，政策是永遠需要不斷調整的，政策做什麼？就是什麼時候由誰、對哪些賬戶采取什麼催收方法？這是政策要回答的問題，采取什麼行動，通過短信、郵件還是電話的方式、還是委外的方式，分給誰，先催大金額還是先催逾期時間長、還是催風險高的，何時跟進？這是我政策告訴我的。做政策的時候，通常對賬戶先做分類，不同賬戶政策不一樣，通過産品、客戶情況，還有之前催收資訊等把賬戶分成不同類型，對不同賬戶做政策，我強調一個概念是風險餘額BAR政策，單純通過呆帳和餘額風險表現不完美，紅色通過單一變量做的模型、上面用風險餘額變量做的模型，通過風險餘額變量作為主要的變量模型遠遠優于其他兩個。

催收模型或者政策本質是催收資源最有效的配置，我使用的時候由什麼人催什麼賬戶回款率最高、對我利潤提升最大，它是資源最有效配置的問題，目前市場上各個大銀行做催收政策做模型大多數用樹模型，每個樹下邊有違約率或者大概值，通過這個值判斷賬戶高風險、中風險、低風險，采取不同的政策。這個是根據信用卡第幾天發短信、第幾天發郵件等，這大概是政策和模型東西。

下面是系統和營運，我隻做一張PPT，我想跟大家分享，第一是我雲系統還是本地化系統，自己要不要開發系統？如果你作為甲方盡可能自己開發系統，因為你雲系統所有資料表現都會給别人看，像催收平台也好、或者系統服務商都走免費路線，通過這個方式擷取資料積累，如果你是甲方盡可能開發自有本地化系統，催收公司現在有兩種模式，大的甲方通常說我給你系統，你直接在系統做催收，對于小的甲方還是通過exact方式或者系統傳輸的方式催收，這個模式沒有必要自建系統，如果你是催收公司規模比較大，有兩個系統要建，第一個催收管理系統顯著提升你效率，第二個一定有好的資料管理系統，會發現後邊對你價值超過催收産生的價值。比如我們用人工語音和傳統的短信，傳統短信回款20%，人工語音20-30%之間，但是問題在哪裡？第一錯過最佳的催收時間，可以降低人工成本，為什麼大的機構成為行業變革者，第一有大量的資料訓練這個模型，第二科技東西投入很高，産出是遙遙無期，你可能投入一個億可能一年以後才能看到價值，如果你這個機構不是大的機構，根本沒有資金支撐這個玩法。比如我現在有1萬催收員，效率提升10%，相當于節省1000人，一人十萬，相當于節省小一個億資金，對于大的機構有動力做這個事、也有能力做這個事，大的機構全部做完了，小的機構基本被瓜分差不多，這個市場小機構越來越難。