
汽车金融获客多元化:大数据应用要瞄准变现
近年来,汽车金融已经成为新金融领域内风头最劲的细分领域,而随着大数据时代的到来,越来越多的数据获取渠道和数据分析方式为汽车金融业务提供了新的销售方法和风控手段。
面对新风口,企业应该如何利用大数据使汽车金融销售更加精准有效?大数据在风控中又有哪些创新运用?
11月18日,在由《21世纪经济报道》、《中国汽车金融》主办的2017(第八届)中国汽车金融年会上,广汽汇理汽车金融有限公司副总经理罗宜东、广西通盛融资租赁有限公司常务副总经理杜江波、赛格导航车联网事业部副总经理盛超、青岛中瑞金服科技股份有限公司董事长孙立东、天易科技副总经理宋飞飞演绎了一场思想和观点碰撞的圆桌对话。
提高前端效率、优化资产配置
《21世纪经济报道》(下称《21世纪》):汽车金融的爆发是这几年的一个大的风潮,大数据也同样是这几年的一个风口。关于大数据,目前在汽车金融行业的具体应用如何?
罗宜东:广汽汇理是广汽集团旗下的一个中外合资的汽车金融公司,实际上我们使用大数据在汽车金融方面的应用,可以说是全方位的,不单只是在零售业务方面,也包括在库存业务方面。举例来说,广汽汇理在2015年提出了智慧风控的概念,通过大数据提高效率,归根到底其实和传统风控是一样的,首先是了解你的客户,第二是管好你的车。总体而言,我们在大数据汽车金融方面的应用,一个是优化我们的资源配置,第二是加强流程监控并提前采取措施。
杜江波:大数据给我们带来的是前端的效率越来越快,后端的资产质量越来越高,主要体现在促进贷钱快速的审批。在还没有运用大数据手段以前,公司每天每人的处理量是五六十单,如今一人一天可以处理100多单。
盛超:赛格导航从1994年就开始从事车联网的一些技术的应用、开发以及提供相应配套的服务。在围绕大数据这部分,我们在2014年成立了一家专门应用大数据的应用开发公司,把私家车数据进行应用开发,从而实现真正的变现。我们从美国学习了UBI分析的模型系统,通过这个模型系统能够有效地提供驾驶行为分析,然后就能精准了解到客户的保险需求,提供给保险公司,从而提高续保率,降低他们的赔付率。
孙立东:在金融贷款按揭领域里,当车辆贷款完成之后,其实金融公司和用户之间的联系是一种弱联系。我们通过微信端做了一个用户黏性服务,包括用车、加油的服务,用户的月活度从原来的10%,提高到90%左右。金融机构和用户端之间的联系,可以通过数据、通过系统软件来实现交互,这种交互同时也带来另外一个好处,那就是当我们在用户催收的时候,客户的失联率是非常低的。其次,在数据挖掘上,我们为贷后流程开发的循环分拣策略机器人,把整个催收时效提高了8倍以上。
其实GPS大风控数据在放款前期的作用主要是什么?就是一个风险的预测、提前的预警。我们通过数据建模,从用户汽车的长停点,还有他的上班时间、停留位置等数据来分析他的家庭住址、工作住址是否和资料上的地址匹配,如果不匹配,企业则需要及时地更新信息,以保证后期的资产安全。在贷款后期则主要是履约风险,通过GPS能获取的用户关联就很高了,最大程度避免失联发生。
我们现在在做的事情,就是解决B端客户的痛点,这不仅仅包括贷后的风控,还包括贷前的一些应用策略,有效提供机构用户的进件量,放大渗透率。也包括试乘试驾、库存融资的策略。
宋飞飞:天易科技一直专注于汽车金融风控领域,通过8年的发展逐步形成以GPS硬件、LBS平台、保险、数据分析等服务的一套风控体系,并且通过“天易保”成功帮助汽车金融企业完成了上下游的整合。截止到今年10月份,天易平台每个月的有效数据是240亿条,年底有望月均突破300亿条。今年1-10月,天易科技累计协助汽车金融公司找车12000台,累计找回4900台。
有效数据的收集是关键
《21世纪》:未来,大数据技术在汽车金融业务还能发挥什么样的业务?
罗宜东:我觉得数据只是数据而已,怎么去应用它才是关键。当然我们对客户的产品设计、定价、评分卡、决策引擎、贷后管理和催收,都要通过大量数据来做决策。与此同时,太多的数据意味着可能在业务流程、效率或者说客户满意度方面,会得到负面的评价。因此有针对性地根据目标收集有用数据,这个才是关键。
大数据的另一个趋势,是可以让我们不断尝试和创新。在我们提倡的“智慧风控”的领域里面,大数据和经验结合,可以推出创新模式。但是,一些创新观点由于没有数据的支撑,可能会导致无法实现。这个时候,我们采用“冠军挑战者方法”,把同类客户分成两个不同的群体来进行试点比较,一个采用原有模式,一个采用创新模式,一段时间后进行对比,选择效果好的进行推广。
总结一句,大数据的应用是为了提升我们的生产力,提升有质量的生产力。
孙立东:我认为所有新技术公司,都应该在效率和效果上有所改善。所以第一我们要通过技术和运维服务来把这个事情做好,第二现场的服务要和后端的技术有机结合,令这种数据反馈是真实的。
盛超:我觉得大数据目前从获客渠道上吸引了更多元化的、不同消费层次的人群,引入了很多消费习惯数据。当然大数据首先是需要数量来支撑的,第二就是要看流量,第三未来更关注的就是定制。
我觉得未来是因人而异的,大数据应该能提供更精准的一些产品和服务。最后我更关注的就是变现回来的价值,很多大数据公司现在做大数据的开发、应用、分享,但是最终并不清楚能通过什么样的方式来变现。作为服务型企业也好,或者是带有汽车互联网基因的企业也好,未来是要着重去做创新的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28