[[169800]]

根據銀監會披露的數據，截至2016年二季度末，我國商業銀行不良貸款余額近1.4萬億元，商業銀行不良貸款率1.81%，較上季末上升0.06個百分點，商業銀行不良貸款率連續第12個季度上升，不良資產催收及處置壓力不斷增大。

同時，經過這些年的高速發展，互聯網金融在不斷磨合前進的過程中，不良資產比例也在快速增長，全行業的不良資產的規模已達數萬億級別。據《21世紀經濟報道》近日報道，中國互聯網金融行業協會擬定了P2P壞賬界定標準，已經遞交相關部門征求意見。因此，互聯網金融機構面臨不良暴露的風險，不良資產管理及處置的訴求將不斷攀升，亟需更為專業的機構及方法來加快應對不良資產處置。

傳統個人不良資產催收OUT了?

現在看來，傳統的個人不良資產催收及處置方法有很多不足，***問題是耗費大量人力成本，并且效率不高，處置效果也不理想。傳統個人不良資產催收及處置方法不足主要表現在以下幾點：

1.逾期初級階段(M1)主要通過電話方式催收。由于缺少精確的催收模型，導致需要大量的人力進行電話催收，催收成本不斷上升并且效果不明顯，回收難度不斷增大;

2.逾期進入到M2、M3階段，約30%-70%的客戶會處于失聯狀態，催收人員無法觸達，傳統修復手段效果有限,導致資產無法及時回收;此外，由于無法判斷客戶地址的準確性及資產狀況，導致外訪效率極低;

3.不良資產外包催收由于機構質量參差不齊，因此無法判斷機構資質，找到合適的催收機構;此外，外包機構同樣面臨客戶失聯、無法確認地址有效性、無法評估客戶資產狀況等問題;

4.不良資產轉讓過程中由于沒有有效地定價模式，導致賣方覺得資產價值被低估，而買方擔心價值被高估，有效交易達成難，無法及時優化資產結構。

小貼士：信用卡催收中M0、M1、M2、M3代表什么?

M0時段：就是***繳款日的第二天到下一個賬單日，一般由銀行客服提醒繳費。

M1時段：是M0時段的延續,即在未還款的第二個賬單日到第二次賬單的***繳款日之間。

M2時段：是M1的延續,即在未還款的第三個賬單日到第三次賬單的***繳款日之間，一般電話催繳。

M3時段：是M2的延續,即在未還款的第四個賬單日到第四次賬單的***繳款日之間，一般上門催繳。

大數據為不良資產的處置帶來了新思路。通過構建催收策略模型、失聯修復、地址識別、資產識別及定價、交易撮合來提升催收效率及效果。以下我們就來看看大數據模型在個人不良資產處置中的三大應用場景。

大數據在不良資產處置中的三大應用

場景一 “大數據+”精準催收

大數據為構建催收策略模型提供了更多的變量維度，可以提高模型的精確性。據前海征信在此領域的長期實踐，發現對模型影響較顯著的變量通常包括：逾期金額、逾期時長、歷史逾期及不良次數、額度使用率、近六個月分期及***還款次數、學歷、職業、性別、年齡、收入、資產及負債情況等。按照選增的變量通過構建決策樹模型，對客戶風險進行直觀評估(決策樹模型請參考圖一、圖二)。在決策樹模型懂得基礎上，將不同客戶為不良率、逾期金額等轉化為風險評分，從而制定差異化的催收策略。

催收策略就是針對不同客戶在不同的行為表現下所采取的不同的催收手段。制定催收策略時，機構可以從風險回收的角度出發，制定催收矩陣，來有針對性的對不同客戶群體進行催收。

那么，如何選定適用于不同客戶的策略呢?在實際的的催收工作中，不僅要考慮逾期金額的大小，更重要的是要結合客戶行為評分的不同，而采取有差別的催收時間和方式。在以逾期金額和行為評分為緯度的矩陣內，不同的客戶群將對應不同的催收行動(催收策略矩陣請見圖二)。

對于低風險的客戶，可以通過短信或郵件的方式催收，以降低人力成本;對于中風險的客戶，可以劃定不同的細分群體，對于不同群體的客戶采用不同的催收力度和頻次，以提高回收效果;對于高風險客戶，要加大催收力度，盡早通過委外、上門或者司法方式催收，確?；厥章?。

場景二 “大數據+”精準查找

不良資產催收后期核心問題在于客戶觸達，包括查找其聯系方式、住址真實性、資產狀況等。大數據可以從多個維度對客戶進行刻畫，***解決逾期高階階段出現的客戶失聯、地址不真實、資產情況無法評估等問題。

(1)失聯信息修復。大數據可以全面挖掘客戶在運營商(手機)、社交(微信、qq等)、互聯網(購物、租車、婚介)等各個場景下客戶預留的新的聯系方式或者其親屬的聯系方式，提高客戶觸達率。在不良資產化解的手段中，無論是不良資產的直接催收還是轉讓處置，失聯修復對資產的增值效果都顯而易見。

(2)地址識別及驗證。通過位置信息對客戶經常出現的地點進行識別，根據出現時段、頻次、時長等判斷地址屬性(地址類型、經常出現時間、頻次等)，從而對客戶提供的地址進行真實性判斷，提高外訪成功率。

(3)資產查找及評估。通過大數據技術查找客戶在銀行、P2P、小貸的資產及負債情況，從而對客戶的資產情況緊急還款能力做精準評估，提高不良資產回收精準性。

場景三 “大數據+”精準定價及交易

由于個人不良資產處置存在信息不對稱以及估值差異的問題，大數據技術的運用在某種程度上可以對不良資產進行合理的價格發現。通過歷史信貸逾期數據及其他多維度輔助數據，可以構建定價模型對個人不良資產的回收、欺詐、風險、觸達率、客戶還款能力進行綜合評估，從而確定資產的預期回收率，根據回收率情況及逾期金額綜合確定不良資產價值，為機構處置不良資產提供定價依據。

此外，在定價功能基礎上，可以構建不良資產撮合買賣交易平臺。平臺一般是由第三方建立，搭建不良資產的垂直信息搜索平臺，撮合買賣交易雙方。作為一個處置通道，其本質上是利用流量優勢及既有的眾多客戶群體，提高不良資產處置效率。

大數據為個人不良資產催收與處置提供了更多的思路和手段，無論是失聯修復、位置判別，還是資產查找、資產識別及定價、資產處置等方面，可以較好地解決目前不良資產處置中的難題，同時也為不良資產處置提供了更加寬廣的平臺，可以全面提高催收效率，從而提高個人不良資產的回收率。