1、现金贷 云服务平台策略,市场热度,一、主要客群： 三线以下城市人群为主（多元化职业） 二线以上城市进城务工人员（基础服务业：餐饮从业快递从业制造从业等） 毕业三年内的学生（低收入白领/蓝领等）二、人群特点 80%的客户在生活中平均2个月借一次钱 70%的客户一年中超过3次迟发工资 44%的客户会提前主动还款 70%的客户连续两个月有借款需求 收入水平：80%=5000元， 职业表现：多元职业化、蓝领群体、服务员,三、市场潜力： 美国市场：6千万中低端人群1000家现金贷机构 中国市场：1、金字塔型收入结构，底层群体基数庞大，市场潜力巨大；2、互联网发展，互联网金融市场被初步教育，存在基础用户群
2、体；3、P2P消费金融业务转型，对资产端需求强烈（资产荒）；4、经济业务周期调整，经济下行，转业/失业人群增多，容易产生短期资金压力；,怎么赚钱？,利润=收入-成本收入 新贷客户通过借贷关系建立信用变成续贷客户 续贷客户平均同机构年均借款6.5次成本 新贷客户获取成本高、数据成本高、信贷成本高 续贷客户建立信用后仅有信贷成本利润 在特定条件下，上述达到平衡后产生正向收入 下一页附图：业务风险曲线,业务风险,新贷客户逾期水平高，续贷客户逾期水平低 续贷客户成本变低但是收入不减,自主上线的成本,以上工序需要串行时间，这仅仅是一个开始,面临什么样的问题,团队搭建、系统建设、业务启动、财务平衡1、时间
3、成本 3-6个月 2、人力成本 产品、研发、风险专家、业务运营、财务、催收模块人力成本 3、试错成本 风控规则、模型调整、商业盈亏平衡,风控模型支持、业务经营支持、其他软性支持,解决方案咨询：全程实施支持,单客经营 模型,业务经营 模型,模型 定制化特征,启动规则 集支持,白名单及 流量支持,催收管理 服务,全程实施支持+软性服务,从明白“如何做”到“冷启动”的全程支持,业务经营支持,风险管理支持,流量/贷后管理支持,我们的服务目标：急速上线,从咨询到实施的全程服务支撑，最大化压缩时间成本,实施：IOS及安卓客户端,申请借款,信息采集,贷后还款,提供APP整合设计及实施,实施：适应业务需要的整
4、合支付,绑卡还款,银联还款,线下还款,服务由新浪支付独家定制支持,实施：决策数据采集,活体检测,公安核验,运营商,设备信息,外部征信,四要素,实施：信贷管理平台,全套信贷管理平台、涵盖进件、风控、催收、反欺诈、账务、结算、支付、报表、经营决策支持等模块,实施：反欺诈及风险规则引擎,近千风险数据点 数百条规则集【反欺诈、高风险、准入等】 选择建议及应用建议 可支持规则定制【非标准服务】 350万数据维度欺诈风险库 150万数据维度高期逾期风险库 9000万数据节点，4亿关系网络数据沉淀,实施：多维风险可视化示例（一）,客户在一段时间内的作息时间及工作日的作息时间,深度风险数据可视化：让风险变得可
5、见、打通风控专家与数据专家交流障碍,实施：多维风险可视化示例（二）,客户在一定时间内的社交连续性及通话异常,实施：多维风险可视化示例（三）,客户在一定时间内发生的金融咨询、业务申请、疑似催收,实施：多维风险可视化示例（四）,客户在一定时间内的移动位置迁徙情况,实施：多维风险可视化示例（五）,客户的社交对象及行为信息在空间和行为上的分布,实施：基于多维风险数据的机器学习模型超市,模型超市：基于应用中的申请模型快速启动 数据工程及多维模型特征工程：2000特征变量 定制一线专家机器学习模型：最快一周上线、周周迭代,在这个人群里，传统风控中强相关的变量都变成弱相关，同时他们几乎没有征信数据,实施：复
6、杂关系网络及风险传播动力学【非标】,用户共用手机号关联,用户共用设备关联,团贷欺诈申请,欺诈个体及团伙的快速查验以及基于图数据库的图算法，欺诈团伙能被数据团队找到更能被风险专家捕获,实施：催收管理及贷后反欺诈工程平台,整合催收服务、支持自建队伍的同时亦提供无缝催收坐席外包、解决业务增长得快而人力跟不上的尴尬,实施：系统深度整合现金贷业务报表,基于成熟稳定的资产质量分析平台 对业务质量的监测及定价能力的监测 对业务质量的回顾与研判 基于业务表现的定价策略、模型切割、规则调试、成本控制,深度整合现金贷统计及业务质量监测报表，降低早期业务账务及统计分析不成熟导致后期风险账务混乱的尴尬,总结,多维数据可视化提高风险专家效率，降低团队成本 机器学习模型超市脱敏建模、数据不外泄、快速启动，最小成本用到最牛的团队 复杂关系网络既能解决自身平台反欺诈诉求，亦能选择加入联盟共享信息 整合催收服务快速启动上量，无缝对接外包坐席，降低早期冗余人力压力 整合报表平台成熟的现金贷报表整合，业务数据驱动经营决策，降低人力成本 内嵌流量联盟将不符合自身风险偏好的客户通过流量联盟变现，优化成本结构,支持基于移动端 申请的其他消金业务信贷平台扩展,上线案例,小钱,
