1. 汽車金融是什么？

汽車金融主要指與汽車產(chǎn)業(yè)相關(guān)的金融服務，是在汽車研發(fā)設(shè)計、生產(chǎn)、流通、消費等各個環(huán)節(jié)中所涉及到的資金融通方式。主要包括資金籌集、信貸分期、抵押貼現(xiàn)、金融租賃，以及相關(guān)保險、投資等活動。

商業(yè)模式

零售業(yè)務中，商業(yè)銀行和融資租賃公司作為資金方，經(jīng)銷商/4S 店/租賃公司作為銷售渠道，汽車電商平臺起到導流作用，共同為有購車需求的個人消費者提供分期購車金融產(chǎn)品和服務。

從競爭格局看，銀行和廠商金融是零售市場的主要玩家，在資金成本和渠道獲客上占有絕對優(yōu)勢。此外，汽車電商平臺作為線上導流服務方，為傳統(tǒng)金融機構(gòu)提升獲客效率，近幾年也活躍在汽車金融市場。從產(chǎn)品類型上來看，售后回租為市場主流，直租有待快速發(fā)展。

2. 滴滴汽車金融在做什么？

1）滴滴汽車金融業(yè)務現(xiàn)階段定位為服務出行生態(tài)，一切從用戶價值出發(fā)，為有購車需求的司機提供低成本購車金融方案。

2）對內(nèi)構(gòu)建汽車金融風控體系，通過網(wǎng)約車場景數(shù)據(jù)的積累和應用，不斷提升全面風險管理能力，生成優(yōu)質(zhì)網(wǎng)約車金融資產(chǎn)，逐步形成風險定價能力。

3）對外向傳統(tǒng)金融機構(gòu)提供優(yōu)質(zhì)金融資產(chǎn)和系統(tǒng)化的風控能力輸出，實現(xiàn)資金和資產(chǎn)高效匹配，積累金融資產(chǎn)管理能力。與此同時，作為連接資金和資產(chǎn)的雙邊平臺，與主流金融機構(gòu)建立長期合作伙伴關(guān)系，持續(xù)為網(wǎng)約車體系提供資金支持。

未來滴滴汽車金融的業(yè)務范圍會隨著出行產(chǎn)業(yè)生態(tài)的發(fā)展不斷豐富， 延伸至整個出行產(chǎn)業(yè)鏈，為汽車經(jīng)銷商、4S 店、代理商等汽車銷售者采購汽車和營運設(shè)備提供的金融服務， 以滿足產(chǎn)業(yè)鏈上下游各環(huán)節(jié)的金融需求，逐步形成集信息流、資金流、物流于一體的汽車產(chǎn)業(yè)金融新業(yè)態(tài)。

3. 滴滴大數(shù)據(jù)在汽車金融風控上的應用

傳統(tǒng)信貸框架下，以貸款人央行征信判定還款能力的風控模式已經(jīng)不再滿足網(wǎng)約車金融的風險管理需求。網(wǎng)約車場景下，汽車金融風控對在貸資產(chǎn)的真實性、穩(wěn)定性、以及風險預警的時效性提出了更高要求，基于大數(shù)據(jù)建立智能營銷和智能風控決策體系顯得尤為重要。

從資產(chǎn)端來看：

車貸 C 端問題：貸前準入未使用場景內(nèi)數(shù)據(jù)作為個人征信補充，貸中數(shù)據(jù)缺失，沒有匹配的風險預警方案，貸后催收效率低，需要對網(wǎng)約車貸款人形成動態(tài)信用評分。

解決方案：運用滴滴大數(shù)據(jù)補充傳統(tǒng)零售評分卡模型，將場景中能夠反映個人信用風險特征的數(shù)據(jù)應用到汽車金融領(lǐng)域，制定風控政策和準入標準。同時建立體系內(nèi)有車群體的 PD（probability of default）評分模型，關(guān)注 PD 參數(shù)的顯著變化，提供大數(shù)據(jù)下的風險預警方案。逐步搭建網(wǎng)約車場景下的全面風險管理體系，提升全流程風險管理能力。

車貸 B 端問題：傳統(tǒng)金融機構(gòu)對于 CP（Car partners）征信數(shù)據(jù)的缺失，導致其不能有效識別渠道風險，尤其對于中小型 CP 來說，很難獲得傳統(tǒng)金融機構(gòu)的授信。

解決方案：借助滴滴平臺大數(shù)據(jù)，支持資方對 CP 的授信審批。具體來說，是將渠道基礎(chǔ)信息，以及能夠反映其資產(chǎn)規(guī)模，資產(chǎn)使用效率，司機管理能力的數(shù)據(jù)維度進行系統(tǒng)化梳理，形成入模變量，同時不斷積累體系內(nèi)壞樣本，建立 CP 半監(jiān)督模型。模型輸出結(jié)果即是 CP 信用評級綜合分數(shù)，直觀反映出 CP 的風險等級。目前汽車金融的 CP 評級為月度輸出，可以動態(tài)反映出 CP 風險等級的變化。

從全流程風險管理來看：

在實際運營過程中，我們在零售車分期貸款的貸前，貸中和貸后三個階段發(fā)現(xiàn)了以下問題。

貸前準入風險：貸款申請人不是放款后實際運營該車輛的司機，也就是說 A 貸 B 還。這種問題通常發(fā)生在渠道進件環(huán)節(jié)。汽車金融產(chǎn)品銷售過程中存在一定的操作風險，線下渠道銷售人員為了提高成單率，找了信貸資質(zhì)好，更容易通過貸前審核的人代替司機申請貸款，然而實際跑滴滴的司機信貸資產(chǎn)差，還款能力不足以支持月供，PD 違約概率較高。那么這筆車分期貸款的信用風險就會在貸后的資產(chǎn)表現(xiàn)期內(nèi)逐漸釋放。

首次拉單時，貸款人和司機信息不符：

貸中運營風險：貸款人在存續(xù)期內(nèi)退車，車輛由租賃公司代償，待租賃公司找到新司機后由新司機運營并繼續(xù)還款。這種情況下， 傳統(tǒng)風控在貸前準入對初始貸款人的判斷，以及車輛 GPS 定位已經(jīng)不再能夠有效反映貸后運營車輛的風險變化。在貸車輛在存續(xù)期內(nèi)先后匹配多個滴滴司機時，租賃公司在車輛運營管理，現(xiàn)金流管理和司機管理上面臨很大挑戰(zhàn)，有時多個司機集中退車會引起渠道集中性風險。

運營中一輛車在不同時點匹配多個司機：

貸后逾期催收：傳統(tǒng)信貸風控對于網(wǎng)約車貸后數(shù)據(jù)缺失，在無法獲得貸款人收入以及營運行為數(shù)據(jù)的情況下，不能確定每筆逾期債項背后貸款人的還款能力和還款意愿，因而無法做到對收入還貸比高，有還款能力的貸款人進行優(yōu)先催收。這種情況下，需要針對貸款人平臺拉單數(shù)據(jù)以及貸款車輛營運數(shù)據(jù)制定催收評分卡，對催收進行分類管理。

滴滴大數(shù)據(jù)可以解決：

網(wǎng)約車金融全面風險管理體系的搭建。

在零售數(shù)據(jù)準備和模型變量開發(fā)時，形成從貸款人信貸基礎(chǔ)維度到涵蓋城市、渠道、車輛四大風險因子的模型長清單，實現(xiàn)覆蓋在貸資產(chǎn)全生命周期的動態(tài)監(jiān)控。同時通過被投企業(yè)資產(chǎn)表現(xiàn)不斷積累模型因變量（壞樣本），有效把握風險等級變化，建立預警和響應機制，降低損失率。

每個風險因子下鉆形成多個風險指標，組合后形成風控策略。通過單一策略和多策略的綜合應用，實現(xiàn)貸中預警和風險的及時防范。

具體來說，優(yōu)化方向有以下幾點：

優(yōu)化點 1：從傳統(tǒng)的放款時點貸款人風險評估，優(yōu)化為全流程多維風險動態(tài)監(jiān)測。

傳統(tǒng)信貸風控只注重貸款人單一維度的信用風險計量，而在網(wǎng)約車場景下，城市政策合規(guī)、車輛運營狀態(tài)、渠道管理能力都會在整個信貸流程中對信用風險的變化起到?jīng)Q定性作用。對此我們借助滴滴網(wǎng)約車場景數(shù)據(jù)和壞樣本的持續(xù)積累，來補充傳統(tǒng)信貸數(shù)據(jù)維度， 優(yōu)化 A 卡和 B 卡。

預警需求分析：

放款時點：反欺詐信息核實，數(shù)據(jù)維度包括但不限于平臺側(cè)核實司機、車輛、人車匹配、渠道基礎(chǔ)信息，同時排查渠道進件風險。

放款后，通過貸中監(jiān)控實時反映貸款人信用風險變化，建立大數(shù)據(jù)風險預警體系。

建立大數(shù)據(jù)內(nèi)評驗證治理架構(gòu)，內(nèi)評驗證流程方法，提供不同層次的的優(yōu)化策略和實時流程。預警模型中，典型貸中預警策略如下：

隨著數(shù)據(jù)維度不斷豐富，四大風險因子的下鉆維度會逐步增多。我們同時也在實際業(yè)務中逐一驗證，并通過司機 A 卡 B 卡模型結(jié)果進行策略迭代。

貸后催收：

優(yōu)化催收評分模型。實時對逾期司機的逾期天數(shù)，拉單行為，月均收入進行分析和監(jiān)控，得出每筆逾期債項對應的還款能力和還款意愿綜合評分列表，幫助貸后催收提升效率。

優(yōu)化點 2：增加數(shù)據(jù)觀測的時間寬度和時點觀測深度，并在此基礎(chǔ)上引入前瞻性.

通過對數(shù)據(jù)的長期觀測，單一風險策略迭代以及多策略應用的持續(xù)驗證，我們會得到司機信用風險變化的歷史平均水平和規(guī)律，結(jié)合業(yè)務現(xiàn)階段和未來發(fā)展趨勢，在此基礎(chǔ)上得到前瞻性調(diào)整后的 PD（違約概率），對信用風險的顯著變化進行定量和定性評估。

優(yōu)化點 3：依托大數(shù)據(jù)分析能力，形成對業(yè)務全局風險收益變化的綜合判斷。

通過 C 端融租車輛的全流程風險管理，逐步勾勒出了融租產(chǎn)品形態(tài)下的司機信貸畫像和 CP 渠道畫像， 快速識別汽車金融在業(yè)務模式和產(chǎn)品上的運營風險，比如融租包經(jīng)租，CP 代償，集中性違約風險等。進而對車金融資產(chǎn)質(zhì)量有清晰準確的計量，實現(xiàn)資產(chǎn)端和資金端風險收益的平衡。

4. 滴滴大數(shù)據(jù)在汽車金融場景下的廣泛應用前景

企業(yè)信貸智能風控

方向：整個出行行業(yè)生態(tài)中，存在大量分散的中小企業(yè)服務商/渠道商，這些中小企業(yè)在滴滴平臺上的日常經(jīng)營數(shù)據(jù)反映了其經(jīng)營能力、資金流動性管理和司機管理能力。多維度經(jīng)營數(shù)據(jù)完全可以支持數(shù)據(jù)風控方式獲得資金，為業(yè)務提供決策創(chuàng)新方案，包括識別客戶異常行為、差異化授信審批、全流程風險管控和預警、限額設(shè)定等。

進展：目前一些與滴滴平臺合作方有業(yè)務往來的汽車金融持牌機構(gòu)已經(jīng)在與我們就數(shù)據(jù)風控的授信方式進行深入探討，在平臺不提供擔保的情況下，通過司機余額代扣和平臺多維度數(shù)據(jù)建立風控模型，為優(yōu)質(zhì)汽車租賃公司提供對公授信資金支持。

零售信貸智能風控

滴滴平臺具有明顯的雙邊效應，即供給側(cè)和需求側(cè)都通過平臺完成交易，因此平臺上會沉淀大量交易和運營數(shù)據(jù)。當汽車金融服務對象是體系內(nèi)有車人群時，可通過滴滴大數(shù)據(jù)補充傳統(tǒng)零售評分卡的不足， 將體系內(nèi)非信貸數(shù)據(jù)應用到汽車金融業(yè)務場景下，比如用于制定產(chǎn)品級的風控政策和準入標準，輸出自動化信用評分，反欺詐，風險敞口管理, 風險定價等。

逐步建立網(wǎng)約車場景下的風險管理體系， 實現(xiàn)內(nèi)評模型在數(shù)據(jù)、決策、和算法層面的創(chuàng)新。

包括：前篩客群、特征模型建立和訓練、反欺詐規(guī)則設(shè)計、線上策略驗證、與合作伙伴聯(lián)合建模、線上貸后逾期管理等。

隨著大數(shù)據(jù)風控能力積累，不管產(chǎn)品形態(tài)是新車融資租賃還是車輛抵押貸款，都可以針對不同業(yè)務類型，建立智能風控體系。在此基礎(chǔ)上，平臺數(shù)據(jù)的動態(tài)監(jiān)控能夠幫助篩選資產(chǎn)表現(xiàn)良好的個人信貸用戶，形成白名單，自動化審批放款，提升資產(chǎn)匹配效率。