金融领域最核心的两款信贷产品，就是贷款和信用卡。前者是给用户授信，然后支付一笔现金给用户；后者则是一个有支付场景、有授信额度的产品。
在前几年，当时就有多家金融科技公司考察市场，提前布局进入这个虚拟信用卡领域。虚拟信用卡只所以成为热点，与当年年底监管在出台的现金贷监管细则有关，因为要求现金贷产品要有场景。
什么是虚拟信用卡？
它指的是银行信用卡中心发行的线上信用卡，用户通过线上申请，只有卡号，没有实体卡。
所以从产品的定义来看，信贷跟虚拟信用卡有本质的区别。
信用卡在刷卡的时候，可以知道用户的消费场所和消费金额，这样就能收集数据，对于了解用户习惯和勾勒用户画像，很有帮助。当然，最核心的一点，是它能监控资金的流动。
但贷款产品在给了用户钱之后，完全不知道用户把这笔钱花在了哪里，另一方面，信用卡提供的是一个授信额度，如果发现用户经济状况不好，可以随时降额。而贷款产品已经将钱都给了用户，无法预测后期的风险。
所以，贷款产品注重的是贷前风控，而信用卡更注重贷中和贷后。所以在等会我们分享的虚拟信用卡的风险产品也可以看出，贷中跟贷后是一个把控的重要模块。
跟各位分享下跟虚拟信用卡相关的风险方案
一.白名单客户筛选
该虚拟信用卡前期是通过白名单客户前期的筛选出来的一个产品，因为在业务初期风控架构还不太完善，前期先用白名单把客户开展起来。而白名单客户的筛选原则主要是通过信用和行为评估、收入和支出评估以及资产负债评估输出构成的。
1.1信用评估、行为评估组成
存款信息：通过在我司的历史资料和外部数据包括房贷和车贷和保单等估算
贷款信息：通过人行数据和外部数据源
信用卡信息：通过客户我司的历史资料和外部数据估算
1.2.收入评估、支出评估
资金流水信息：同上
代发工资信息：同上
投资理财信息：同上
1.3.资产负债评估
公积金信息：通过51公积金
公共服务代缴信息：通过第三方数据源
个人身份信息：同上
二.开放客户申请审批
在贷前审批前，需要有一个在线认证的过程，主要涉及的内容如下：
在这一模块里也会做相应的客户画像跟身份确认。
用户画像一般会使用收入评估、支出评估、资产负债评估、信用评估、行为评估和l互联网失信及多头借贷历史记录；
在身份确认这块，会使用身份验证 、活体检验、人脸识别 、银行卡四要素验证、手机号码验证 、学历验证。
三.贷前审批
我们会嵌入一个自动化审批系统，主要是涉及四个模块内容：
3.1.大数据应用
在结合外部数据的应用和模型的迭代上，我们拟开发以下模型进行评估
u 收入模型
u 社交关系模型
u 信用历史模型
u 网络行为模型
u 稳定性模型
u 通讯行为模型
3.2.欺诈风险评估
根据风控需求IT开发软件能抓取到相关的用户行为轨迹，或者将第三方数据嵌入SDK到某页面进行欺诈信息的抓取的评估，主要涉及到以下几方面的评估：
u 身份鉴定
u 活体检测
u 黑灰名单
u 外部征信校验
u 用户异常行为预警
u 信息交叉验证
u 复杂网络团伙欺诈识别
3.3.信用风险评估
通过历史数据和外部数据评估信用能力
u 准入政策
u 还款能力评估
u 还款意愿评估
u 稳定性评估
3.4.授信体系
运营额度模型和风险政策定价系统，对客户进行千人千面
u 收入/负债评估
u 资产估值转换
u 客户风险分层
u 贷款期数限制
u 授信系数测算
u 消费额度/取现额度/分期额度计算
u 个人总授信上限控制
四.信用风险评估全过程
具体涉及的风险评估流程主要涉及进件端系统、审批系统、决策引擎系统、第三方服务等几个模块进行交互和数据验证
五.授信体系
在排除客户欺诈风险后，将依据客户收入负债高低情况，将客户分层并匹配对应的授信系数，从而给出授信额度。
同时还将结合期数控制、额度分类（消费/取现/分期等）、个人总授信上限控制等机制最大程度地控制信用风险。
六.贷中监控及调额
因为信用卡是一个循环授信的产品，每次还完之前的贷款后，又马上能补充额度，所以做好贷中的监控非常重要。我们还会开发贷中评分卡，各种贷中反欺诈、各类交易监控报告监控用户的行为。
交易欺诈预警策略
在贷中交易中，需要判断交易风险等，一下是比较常用的贷中欺诈模式
n 交易环境判断
n 交易欺诈规则模型
n 黑名单实时预警
n 征信预警
n 逾期预测模型
n 多头借贷模型
调额策略
对客户实行的贷中调额策略，会牵扯到的以下几大方面，其中观测额度使用、交易频率和取现情况是比较常使用的数据
n 额度使用率
n 交易频率
n 取现情况
n 授信时间
n 历史信息情况
n 信息及资产补充
n 收支变化情况
七.贷后催收
而关于贷后催收，我们还会根据相关的用户的情况，涉及一些自愈类模型和催收相应模型。这些跟贷款类产品也不太一样。因为在信用卡的用户里，我们还喜欢一些轻度逾期的用户，当然不仅能产生逾期的费用，也能在催收模块里产生相关数据，做一些相关类的数据与模型分析。
7.1模型
在贷后模型开发方面，数据比较依赖公司的贷后的催收数据和客户的行为数据，比贷前需要的数据维度要求会更丰富些，一般会使用以下这些贷中模型进行反馈：
自愈预测模型、催收响应预测模型、损失程度预测模型
7.2催收策略
模型是与策略交互使用的，只有好的模型没有配套的策略，无疑是无的放矢，所以催收里将模型跟策略配套使用，才能有优秀的风控方案的落地成果。而在催收里常见的策略如下：
APP提醒、短信提醒、电话催收、上门催收、委外催收
此份资料会共享给番茄风控上的同学们，如果有需要上去查收学习。
~原创文章
…
end
