汽車金融的低滲透率、購車人群的年輕化和超前消費理念的流行，加上資本的青睞和互聯網的加持，使得汽車新零售、新金融迅速成為互聯網金融領域的新風口。
那麽問題來了！汽車金融企業或平臺如何在新零售、新金融模式下立於不敗之地，如何利用大數據技術建立核心競爭力？本文主要針對汽車新零售的三種模式和三種主要風險，提出如何通過大數據解決風險。
？01數據驅動的汽車新零售模式？
商業模式好不好，競爭力強不強，取決於能否有效解決用戶痛點。那麽在買車的場景下，用戶最關心的問題可以歸納為兩個:壹個是能不能貸款買車；壹個是妳能不能在可以貸款的情況下，提供壹個合適的利率公允的產品。為了解決上述問題，汽車金融公司或平臺可以利用大數據在以下幾個方面做出努力。
1.？建立純在線自動信用系統
融合業務數據和互聯網大數據，利用先進的機器學習技術，打造純線上自動化的汽車金融大數據風控系統，從而改變傳統汽車金融依賴人工審核線下提交材料的方式，給用戶更好的購車體驗。同時以信用為主，也可以提前鎖定壹個潛在的購車用戶，因為壹個願意在線提交信息進行信用的用戶，肯定比壹個只是在APP上瀏覽車型的用戶更清楚。
2.？以用戶為中心的信貸發放
以用戶為中心的信用，相當於在妳的平臺上給了用戶壹張汽車領域的信用卡。只要不超過相關額度和使用年限，在平臺上隨便買什麽車都可以。也就是說，信用弱化了對車型、車價等因素的幹擾，從而大大提升了用戶體驗。想象壹下，如果每次換車型或者車價變動都要重新走壹遍審批流程，那體驗會有多糟糕。
3.？動態風險定價，提供靈活的金融支持方案。
互聯網是為了消除信息不對稱。如果用戶不夠專業，利用信息不對稱來匹配對用戶來說貴或者對平臺有利的產品，遲早會殺雞取卵，得不償失。根據用戶的實際情況，利用數據進行動態風險定價策略，提供適合用戶的金融配套方案，有助於提高用戶對平臺的忠誠度和粘性，更有利於企業的長遠發展。
？新型汽車金融的主要風險有哪些？
在中國的汽車金融業務中，主要有四個參與者:商業銀行、汽車金融公司、金融租賃公司和互聯網汽車金融平臺。其中，銀行和汽車金融公司無疑是最主流的參與者。銀行有資金優勢，而汽車金融公司往往是有渠道優勢的汽車廠商或經銷商，已經占據了95%的市場份額。
作為新型汽車金融的代表，金融租賃公司和互聯網汽車金融平臺都選擇了差異化競爭之路:渠道下沈，瞄準銀行和汽車金融公司無法覆蓋的人群，產品和服務不斷深化。現在所有的企業基本都是針對二三線以下甚至農村缺少資金買車的年輕人。他們消費意識超前，對金融產品接受度較高，熟悉互聯網。
同時，汽車金融業務在低線城市的滲透，客戶質量仍明顯低於銀行和汽車金融公司，因此風險顯而易見。在擴大業務規模的同時，強大的風險控制能力將成為新興汽車金融機構在此輪競爭中的決勝點。
首先，我們來分析壹下汽車融資租賃業務(這裏主要討論直接租賃)存在的主要風險，可以分為以下三類:
1.？信用違約風險
信用違約，也就是我們平時說的還款能力不足導致的違約，而這些違約的人是真正的購車者。這種風險主要是因為申請時材料不實，比如收入虛高，或者後來因為壹些原因，比如失業。
2.？車輛套現風險
這種風險主要是因為承租人出於現金流的需要，選擇將車套現。在租車過程中，由於車輛所有權不屬於承租人，選擇這種方式變現成本太高。這類人壹般無法通過正規渠道(包括點對點借貸平臺)借到錢或者已經是信用黑名單客戶。
3.欺詐風險
汽車金融詐騙可分為個人詐騙和團夥詐騙(中介詐騙)。可以認為個人造假的概率很小。假設壹輛65438+萬的車，需要首付1%加上保險，差不多少花2萬，在正常二手市場大概7-8萬就能買到。但由於租來的車承租人沒有所有權，只能在黑市上轉賣，大概3-4萬元。所以這種方式騙取的金額並不高，但是手續極其繁瑣，價格也很高。願意承擔這種風險的人，其實可以落入上面提到的第二種風險群體。
？03汽車新金融大數據風控？
對於第壹種風險，壹方面建立多渠道交叉驗證機制，避免用戶信息被篡改；另壹方面，整合業務數據和互聯網大數據，利用先進的機器學習技術，全面評估用戶的履約能力；此外，有必要建立貸款監督機制。如果發現用戶異常(如工作單位操作異常、近期多平臺借款行為)，可以主動提前介入，最大限度減少企業損失。
對於第二類風險，可以建立黑灰名單模型。黑名單數據獲得了各互金公司的青睞，幾乎人人都來。但由於數據汙染等問題，市場上的黑名單質量參差不齊，整體質量有下降趨勢。所以，如果還打黑名單，拒絕這種強規則邏輯肯定是不合適的，會把很多本質上是優質的客戶拒之門外。
在這裏我們可以借助Adaboost算法更好地挖掘黑名單的價值，集眾人之長。根據該算法的原理，每個黑名單都可以看作壹個弱分類器。隨著訪問外部黑名單的數據源越來越多，根據每個黑名單的表現賦予壹定的權重，最終形成壹個強分類器。根據最終車型的評分劃分黑灰名單，從而采取拒絕或提高首付或降低授信額度等措施。
Adaboost算法結構
對於第三種風險，由於汽車金融中的欺詐不同於3C產品或網貸，手續極其復雜，都需要專業的產業鏈團隊來操作，持續時間壹般較長，涉及的環節也較長。正是因為這種欺詐特征，通過大數據建立相關知識圖譜，結合線下人工審核，可以有效防範團夥的欺詐行為。
作者|第壹消費金融？甘華來？
文章來源|金融科技安全