主講老師: | 吳易璋 | ![]() |
課時安排: | 1天/6小時 | |
學(xué)習(xí)費(fèi)用: | 面議 | |
課程預(yù)約: | 隋老師 ![]() |
|
課程簡介: | 后疫情時代,隨著大數(shù)據(jù)、云計算、人工智能、區(qū)塊鏈、物聯(lián)網(wǎng)等新興技術(shù)的發(fā)展,商業(yè)銀行紛紛開展數(shù)字化轉(zhuǎn)型。銀行業(yè)務(wù)布局調(diào)整加速,同業(yè)之間競爭日趨激烈,而中小銀行自身則因存在規(guī)模小、內(nèi)生動力匱乏、創(chuàng)新能力弱、 風(fēng)險控制能力不足等問題,嚴(yán)重制約其業(yè)務(wù)穩(wěn)健發(fā)展。 | |
內(nèi)訓(xùn)課程分類: | 綜合管理 | 人力資源 | 市場營銷 | 財務(wù)稅務(wù) | 基層管理 | 中層管理 | 領(lǐng)導(dǎo)力 | 管理溝通 | 薪酬績效 | 企業(yè)文化 | 團(tuán)隊管理 | 行政辦公 | 公司治理 | 股權(quán)激勵 | 生產(chǎn)管理 | 采購物流 | 項目管理 | 安全管理 | 質(zhì)量管理 | 員工管理 | 班組管理 | 職業(yè)技能 | 互聯(lián)網(wǎng)+ | 新媒體 | TTT培訓(xùn) | 禮儀服務(wù) | 商務(wù)談判 | 演講培訓(xùn) | 宏觀經(jīng)濟(jì) | 趨勢發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運(yùn)營 | 法律風(fēng)險 | 沙盤模擬 | 國企改革 | 鄉(xiāng)村振興 | 黨建培訓(xùn) | 保險培訓(xùn) | 銀行培訓(xùn) | 電信領(lǐng)域 | 房地產(chǎn) | 國學(xué)智慧 | 心理學(xué) | 情緒管理 | 時間管理 | 目標(biāo)管理 | 客戶管理 | 店長培訓(xùn) | 新能源 | 數(shù)字化轉(zhuǎn)型 | 工業(yè)4.0 | 電力行業(yè) | | |
更新時間: | 2023-10-24 15:02 |
課程背景:
【銀行管理層痛點(diǎn)】
特別是城商行、農(nóng)商行、農(nóng)信社及村鎮(zhèn)銀行等地方性中小銀行,其數(shù)字化能力普遍明顯低于銀行平均水平。因此,中小銀行必須及時轉(zhuǎn)型數(shù)字金融,數(shù)字化風(fēng)控體系建設(shè)是重中之重。
【銀行執(zhí)行層痛點(diǎn)】
缺乏有效的線上風(fēng)控工具,導(dǎo)致業(yè)務(wù)萎縮,風(fēng)險上升……
獲客能力、風(fēng)控能力以及運(yùn)營能力,均存在較大局限性……
中小銀行與大型銀行之間的風(fēng)控差距越來越大…
課程收益:
核心收益01:掌握中小銀行數(shù)字化轉(zhuǎn)型發(fā)展現(xiàn)狀與趨勢
核心收益02:熟悉大數(shù)據(jù)風(fēng)控體系建設(shè)思路與實施方法
核心收益03:明確本行定位及轉(zhuǎn)型數(shù)字金融的工作思路
核心收益04:了解國外商業(yè)銀行數(shù)字化轉(zhuǎn)型經(jīng)驗借鑒
核心收益05:洞悉中小銀行數(shù)字化轉(zhuǎn)型痛點(diǎn)及解決辦法
核心收益06:學(xué)習(xí)信用評分模型建立與應(yīng)用
核心收益07:學(xué)習(xí)SCORECARD建模方法論
核心收益08:學(xué)習(xí)當(dāng)今最前沿的大數(shù)據(jù)風(fēng)控技術(shù)
核心收益09:深入研究數(shù)字化風(fēng)控策略與實踐
核心收益10:學(xué)習(xí)互聯(lián)網(wǎng)金融反欺詐策略解析
核心收益11:學(xué)習(xí)評分卡六大開發(fā)步驟
核心收益12:中小銀行數(shù)字化轉(zhuǎn)型落地五大方案、四大系統(tǒng)、一大平臺
第一模塊 網(wǎng)貸平臺現(xiàn)狀與未來發(fā)展趨勢
一、國內(nèi)網(wǎng)貸行業(yè)現(xiàn)狀
1、正常運(yùn)營平臺數(shù)量持續(xù)下降
2、網(wǎng)貸行業(yè)成交量大幅度下降
3、網(wǎng)貸存量規(guī)模開始加速下降
4、行業(yè)綜合收益率明顯下降
5、平均借款期限窄幅波動
6、出借人、借款人數(shù)量同樣出現(xiàn)加速下滑
二、國內(nèi)網(wǎng)貸平臺退出與轉(zhuǎn)型
1、2019年以來行業(yè)月均退出約60家平臺,相比2018年減半
2、2019年至少有143家平臺完成良性清退
3、平臺轉(zhuǎn)型主要方向為資產(chǎn)端業(yè)務(wù),占比高達(dá)32.73%
4、多家平臺助貸數(shù)據(jù)表明機(jī)構(gòu)資金占比大增
5、轉(zhuǎn)型理財超市成為部分平臺轉(zhuǎn)型的另一條出路
三、行業(yè)前路展望
1、中小平臺被引導(dǎo)退出,部分大平臺加速轉(zhuǎn)型
(1)轉(zhuǎn)型小貸。
(2)轉(zhuǎn)型網(wǎng)絡(luò)小貸。
(3)轉(zhuǎn)型消費(fèi)金融。
2、網(wǎng)貸平臺或仍將有整合案例發(fā)生
3、不少平臺將完成征信接入
一、日本消費(fèi)金融發(fā)展歷史
二、最大消金公司“武富士破產(chǎn)”
三、日本消費(fèi)金融公司的地位
四、日本消費(fèi)金融成敗借鑒
第二模塊 網(wǎng)貸一體化數(shù)字風(fēng)控體系搭建
第一節(jié):與傳統(tǒng)風(fēng)控思維迥異的數(shù)字化風(fēng)控
一、傳統(tǒng)金融機(jī)構(gòu)風(fēng)控體系
1、北銀消費(fèi)風(fēng)控體系
2、海爾消金風(fēng)控體系
二、線上網(wǎng)貸風(fēng)控體系
1、一家專注線上業(yè)務(wù)消金公司的風(fēng)控
2、一家非持牌機(jī)構(gòu)的線上風(fēng)控
三、風(fēng)控理念的顛覆性差異
1、業(yè)務(wù)模式差異
2、客戶群體差異
3、盈利模式差異
四、信用風(fēng)險管理要點(diǎn)
1、覆蓋全系列產(chǎn)品的系統(tǒng)平臺
2、客戶全生命周期管理
3、運(yùn)用3000+鮮活征信大數(shù)據(jù)
第二節(jié)、網(wǎng)貸風(fēng)控的命門——互聯(lián)網(wǎng)金融反欺詐
一、全面防范欺詐風(fēng)險
1、搭建全流程反欺詐管理制度
2、數(shù)據(jù)監(jiān)控和欺詐分析相結(jié)合
3、欺詐流程和欺詐模型相結(jié)合
4、大數(shù)據(jù)與風(fēng)控系統(tǒng)現(xiàn)結(jié)合
二、什么樣的數(shù)據(jù)可以應(yīng)用到反欺詐
1、按照數(shù)據(jù)來源區(qū)分
2、按照數(shù)據(jù)類型區(qū)分
3、按照數(shù)據(jù)使用場景
4、注意事項
三、反欺詐模型和信用模型區(qū)別
1、目標(biāo)變量
2、模型特征
3、實時性
4、技術(shù)實施
四、反欺詐之手機(jī)設(shè)備指紋實施
1、設(shè)備識別
——IP 地址、cookie以及移動互聯(lián)網(wǎng)特有的設(shè)備ID
——設(shè)備指紋(設(shè)備ID)
2、被動式設(shè)備指紋
3、主動式設(shè)備指紋
4、常見五類欺詐形式(略)
五、如何構(gòu)建全流程反欺詐風(fēng)控系統(tǒng)
1、數(shù)據(jù)接入、決策引擎、管理系統(tǒng)相結(jié)合
2、數(shù)據(jù)分析和反欺詐模型相結(jié)合
六、反欺詐工作落地實施方案
1、準(zhǔn)備工作
2、部署要點(diǎn)
3、實施步驟
七、反欺詐方案調(diào)整解析
1、業(yè)務(wù)運(yùn)營監(jiān)控
2、策略模型監(jiān)控
3、異常情況監(jiān)控
第三節(jié):信用評分模型建立與應(yīng)用
一、 背景
1、二戰(zhàn)后,消費(fèi)信貸產(chǎn)業(yè)在歐美蓬勃發(fā)展
2、數(shù)據(jù)庫技術(shù)、數(shù)理統(tǒng)計技術(shù)和計算機(jī)技術(shù)的發(fā)展
3、歐美社會征信體系的形成和健全
二、三個歷史階段
1、以客戶分類為核心的信用分析
2、以預(yù)測模型為核心的信用評分模型
3、以決策模型為核心的信用評分模型
三、模型分類
1、按模型預(yù)測的未來表現(xiàn)
2、按模型的數(shù)據(jù)來源
3、按模型的實證化
4、按模型的對象
四、SCORECARD建模方法論
—— S = SAMPLING 數(shù)據(jù)選取與抽樣
—— C = CLEANSING 數(shù)據(jù)檢測、數(shù)據(jù)清洗、數(shù)據(jù)鏈接與合并
—— O = OPTIMIZATION 數(shù)據(jù)優(yōu)化處理過程,包括客戶分群(SEGMENTATION)、變量分析與加工、粗分組等
—— R = REGRESSION 利用統(tǒng)計學(xué)回歸技術(shù)構(gòu)建模型
—— E = EQUALIZATION 將模型轉(zhuǎn)化為評分卡形式
—— C = ConFIRMATION 評分卡評估與確認(rèn)
—— A = ADMINISTRATION 評分卡實施上線與管理,包括指定管理人,記錄評分卡使用情況等
—— R = REVIEW 評分卡跟蹤驗證
—— D = documentATION 整理記錄,完成項目技術(shù)文檔
第四節(jié):大數(shù)據(jù)風(fēng)控技術(shù)
一、生物特征識別
二、加速度傳感。
三、機(jī)器學(xué)習(xí)與模型訓(xùn)練
四、大數(shù)據(jù)應(yīng)用場景
第五節(jié)、數(shù)字化風(fēng)控策略
一、失信、黑名單策略
1、常見的38種黑名單策略
2、多級關(guān)聯(lián)后得到的黑名單策略
二、聯(lián)系人風(fēng)控策略
1、聯(lián)系人策略比較不那么容易,相對數(shù)據(jù)比較小。
2、15類場景聯(lián)系人策略
三、其他常用風(fēng)控策略
1、異常貸款策略;
2、惡意貸款策略;
…… ……
第六節(jié):評分卡六大開發(fā)步驟
一、量化評分卡定義(A卡B卡C卡)
二、量化評分卡與專家評分卡
三、區(qū)別量化評分卡流程開發(fā)步驟
四、淺談驗證評分卡指標(biāo)
五、評分卡衡量指標(biāo)-ks值
六、專家評分卡流程開發(fā)步驟
第三模塊 網(wǎng)貸不良催收策略與催收實踐
第一節(jié)、網(wǎng)貸催收管理方法論
一、催收管理的核心競爭優(yōu)勢
二、確定金融機(jī)構(gòu)的風(fēng)險偏好
三、數(shù)據(jù)分析的策略藝術(shù)
四、自動化催收工具提高生產(chǎn)力
五、平衡催收策略對信貸規(guī)模及成本收益率的影響
第二節(jié)、催收管理的生命周期
一、國際最佳實踐中,催收各階段原則與策略
二、催收管理時間軸
三、策略性催收的核心關(guān)注要點(diǎn)
四、催收的基本原則
第三節(jié)、催收管理的體系架構(gòu)
一、將催收被設(shè)計成一個綜合管理處置體系
二、催收及回款的組織架構(gòu)
三、催收的流程、策略及差異化管理
第四節(jié)、催收管理的策略實踐
一、模型開發(fā)方法論——基于決策樹模型的策略開發(fā)
二、策略設(shè)計方法論——結(jié)合數(shù)據(jù)驅(qū)動與評分卡
三、滾動率模型與冠軍挑戰(zhàn)者策略
四、智能催收機(jī)器人在催收中的應(yīng)用
第五節(jié)、網(wǎng)貸不良資產(chǎn)處置的其他方式
一、自主核銷實踐與探索
二、持牌AMC的天然優(yōu)勢
京公網(wǎng)安備 11011502001314號