课程简介

本课程以消费金融和普惠金融为主要场景，介绍贷款产品在贷前、贷中、贷后流程中信用风险管理中的数据应用，力图在深入实际场景的基础上为学员提供全面的数据驱动的风险管理知识，课程围绕信贷场景中贷前、贷中、贷后三个板块，通过介绍相关业务背景，结合实际的的风控需求，以讲解与案例的形式介绍数据分析、数据挖掘应用。
第一部分重点介绍常见消费类贷款产品要素，风险点，智能自动化审批基本框架，数据驱动的贷款准入、规则的制定，申请信用评分卡的构建及基于风险差异化的授信定价。第二部分介绍履约客户的管理，包括行为评分模型的构建以及相应额度策略的制定。第三部分介绍催收环节中催收评分卡的建立与催收策略的制定。

目标收益

培训对象

课程内容

一、数字化风控的方法论
二、数字化风控技术
三、智能信用风控综述部分
3.1 消费信贷全生命周期风险管理
3.2 消费信贷常见产品及基本要素
3.2.1 消费信贷概念
3.2.2 消费信贷参与主体
3.2.3 常见消费信贷产品
3.2.4 产品风险点
3.3 ABC卡介绍
3.3.1 ABC评分卡介绍与特点
3.3.2 在消费信贷风险管理中的应用

四、贷前、贷中风控模型
4.2 自动化信贷审批
4.2.1 自动化贷款审批基本框架
4.3 贷款人识别
4.3.1 生物识别与身份验证技术
4.3.2 在审批流程中的应用
4.4 信贷准入
4.4.1 监管性准入
4.4.2 政策性准入
4.4.3 黑名单性准入
4.5 信贷规则
4.5.1 组合策略
4.6 申请信用评分卡
4.6.1 业务理解
4.6.2 数据获取
4.6.3 构建模型
4.7 授信定价
4.7.1 基于风险的差异化定价
4.7.2 定价策略
4.8 申请阶段的数据监控
4.8.1 申请信息监控
4.8.2 策略监控
4.8.3模型监控
4.8.4贷款质量监控
五、贷后风控模型
5.1 行为评分卡
5.1.1 业务理解
5.1.2 数据获取
5.1.3 构建模型
5.2 额度管理
5.2.1 风险差异化的额度调整策略
5.2.2 续贷客户额度策略
5.3 还款预警
5.3.1 还款预警
六、催收策略模型
6.1 催收评分卡
6.1.1 业务理解
6.1.2 数据获取
6.1.3 构建模型
6.2 催收策略
6.2.1 基于催收评分卡的不同阶段的催收策略

七、反申请欺诈模型
7.1 申请反欺诈模型
7.1.1 异常特征提取
7.1.2 复杂网络特征提取
7.1.3 不平衡数据处理
7.1.4 构建识别模型