汽車金融滲透率低、購車群體的年輕化以及超前消費觀念的普及，加之資本的青睞和互聯(lián)網(wǎng)的加持，使得汽車新零售新金融迅速成為了互聯(lián)網(wǎng)金融領域的新風口。那大數(shù)據(jù)要如何助力汽車新零售新金融的騰飛呢?

進入2017年下半年以來，隨著大搜車3.35億美元E輪融資、花生好車10億元戰(zhàn)略融資、車好多集團8.18億美元C輪融資的相繼完成，使得汽車”新零售+新金融“這個模式一時間圈粉無數(shù)”，“以租代購”也迅速成為汽車金融行業(yè)里面的新興代名詞。

汽車金融滲透率低、購車群體的年輕化以及超前消費觀念的普及，加之資本的青睞和互聯(lián)網(wǎng)的加持，使得汽車新零售新金融迅速成為了互聯(lián)網(wǎng)金融領域的新風口。

汽車新零售以互聯(lián)網(wǎng)為依托，通過運用大數(shù)據(jù)、人工智能等先進技術手段，對汽車的生產(chǎn)、流通與銷售過程進行升級改造，建立縱深結合、豐富立體的汽車新零售生態(tài)圈，使得行業(yè)中的汽車主機廠商、汽車經(jīng)銷商、消費者等各環(huán)節(jié)都可從中獲益。

汽車新金融亦是如此，通過科技和數(shù)據(jù)，實現(xiàn)用戶金融需求與金融機構汽車金融產(chǎn)品之間的智能匹配，幫助經(jīng)銷商為用戶找到***的金融解決方案。

然而，新零售新金融并不只是用技術打通線上線下這么簡單，汽車金融企業(yè)或平臺如何在新零售新金融模式下立于不敗之地，其中最關鍵的一環(huán)就是運用大數(shù)據(jù)技術建立起核心競爭力，以數(shù)據(jù)來連接消費者的內心，從而以數(shù)據(jù)驅動來實現(xiàn)人心的驅動。

一、數(shù)據(jù)驅動下的汽車新零售模式

下面我們首先來看看如何借助數(shù)據(jù)來打造有競爭力的汽車新零售模式。

商業(yè)模式好壞與否或競爭力的強還是弱，最關鍵都是在是否能有效的解決用戶的痛點。那么購車這個場景下，用戶最關心的問題可以歸納為兩個：

一個是能不能貸款購車;

一個是在可以貸款的情況下，能否提供一個適合且利率公允的產(chǎn)品?

為了解決以上問題，汽車金融企業(yè)或平臺可以利用數(shù)據(jù)在如下幾個方面進行發(fā)力：

1. 建立純線上的自動化授信體系

融合業(yè)務數(shù)據(jù)和互聯(lián)網(wǎng)大數(shù)據(jù)，利用先進的機器學習技術，打造純線上自動化汽車金融大數(shù)據(jù)風控體系，從而改變傳統(tǒng)汽車金融依靠線下提交材料人工審核的方式，給用戶以更優(yōu)質的購車體驗。

同時以授信為主，也可以提前鎖定一個潛在購車用戶，因為一個肯在線上提交資料進行授信的用戶肯定比只是APP上瀏覽車型的用戶需求更明確。

2. 以用戶為中心進行授信

以用戶為中心的授信就相當于在你的平臺上給用戶發(fā)放了一張汽車領域的信用卡，只要不超過相關額度和使用期限，可以隨便購買平臺上任何車。也就是授信弱化了對車型和車價因素的干擾，從而極大提高了用戶的體驗。

試想下：如果你每改變一款車型或車價發(fā)生了改變就需重新走審批流程，這種體驗會有多糟糕。

3. 動態(tài)風險定價，提供靈活多變的金融配套方案

互聯(lián)網(wǎng)是為了消除信息不對稱，如果利用用戶不夠專業(yè)、信息不對稱而匹配給用戶貴的產(chǎn)品或者對平臺有利的產(chǎn)品，遲早是殺雞取卵，得不償失的。

根據(jù)用戶的實際情況利用數(shù)據(jù)進行動態(tài)的風險定價策略，提供適合用戶的金融配套方案，將有利于提高用戶對平臺的忠誠度和粘性，也更利于企業(yè)的長遠發(fā)展。

二、汽車新金融的大數(shù)據(jù)風險控制

在中國的汽車金融業(yè)務中，最主要的參與方有四大類：商業(yè)銀行、汽車金融公司、融資租賃公司和互聯(lián)網(wǎng)汽車金融平臺。

這其中銀行和汽車金融公司無疑是最主流的玩家，銀行有資金優(yōu)勢，汽車金融公司的主體則往往是整車廠或經(jīng)銷商，有渠道優(yōu)勢，這倆已經(jīng)占據(jù)了95%的市場份額(見圖1)。

圖1：中國汽車金融業(yè)務各主體份額占比

作為汽車新金融代表的融資租賃公司和互聯(lián)網(wǎng)汽車金融平臺，均選擇差異化競爭的道路：渠道下沉、針對銀行、汽車金融公司無法覆蓋的人群，以及產(chǎn)品、服務的持續(xù)深化。

目前各企業(yè)基本都是瞄準二、三線以下甚至農村地區(qū)缺乏購車資金的年輕人，他們消費意識超前，對金融產(chǎn)品接受度比較高，同時也熟悉互聯(lián)網(wǎng)。

與此同時，汽車金融業(yè)務在低線城市的滲透，客戶質量還明顯低于銀行、汽車金融公司，因此其中的風險是顯而易見的。在擴大業(yè)務規(guī)模的同時，有力的風控能力，將成為新興汽車金融機構在這一輪競爭中的決勝點所在。

首先我們來分析下汽車融資租賃業(yè)務(這里主要討論直租)中存在的主要風險，可歸為如下三類：

(1)信用違約風

信用違約，即通常我們說的償還能力不足導致的違約，這類違約人群均是真實購車意愿用戶。這類風險主要是由于申請時材料造假導致，比如：虛高收入等，或者后期由于某些原因導致的，如：失業(yè)等。

(2)車輛套現(xiàn)風險

這類風險主要是承租人出于現(xiàn)金周轉的需要，而選擇將車子去進行套現(xiàn)處理。汽車租賃過程中因為車輛的所有權不在承租人，選擇這種方式去進行變現(xiàn)的代價過大。這類人一般都是在正規(guī)渠道(包括網(wǎng)絡借貸平臺)已經(jīng)無法借到錢，或者已經(jīng)是信貸黑名單客戶。

(3)詐騙風險

汽車金融欺詐可以分為個人欺詐和團伙欺詐(中介欺詐)?？梢哉J為：個人欺詐的概率很小。

假定10萬元的車，按1成首付加上保險等費用差不多需小2萬元，正常二手市場買差不多可以7-8萬元。但因租賃車輛承租人無所有權，只能進入黑市轉賣，大概在3-4萬元，因此通過這個方式騙得的金額并不高，而手續(xù)卻極其繁瑣，代價很高?？厦斑@個險的人其實都可以歸為上述第二類風險人群里面。

對于***類風險：

一方面建立多渠道交叉驗證機制，避免用戶信息的造假;

另一方面，融合業(yè)務數(shù)據(jù)和互聯(lián)網(wǎng)大數(shù)據(jù)，利用先進的機器學習技術，全面評估用戶履約能力;

再者就是建立貸中監(jiān)控機制，如：發(fā)現(xiàn)用戶異常(如工作單位經(jīng)營異常、最近出現(xiàn)多平臺借款行為等)，則可提前主動介入，***程度降低企業(yè)損失。

對于第二類風險，可以建立黑灰名單模型。

黑名單數(shù)據(jù)深得各家互金公司的寵愛，幾乎是來者不拒。但因數(shù)據(jù)污染等問題的存在，市面上各家黑名單的質量參差不齊，而且整體質量有不斷下降的趨勢。因此如果還是按照***黑名單就拒絕這種強規(guī)則邏輯肯定不適合，且會將很多本質上是優(yōu)質的客戶拒之門外。

在這里我們可以借助Adaboost算法思想更好的挖掘黑名單的價值，集眾家之所長。借助這個算法原理，可以把每家黑名單當成一個弱分類器，隨著接入外部黑名單數(shù)據(jù)源的不斷增加，根據(jù)各家黑名單的表現(xiàn)給予各家一定的權重，最終構成一個強的分類器。

根據(jù)***模型的得分進行黑灰名單的劃分，從而采取拒絕或者提高首付或降低授信額度等措施。

圖2：Adaboost算法結構

對于第三類風險，因汽車金融里面欺詐不同于3C產(chǎn)品或網(wǎng)貸，手續(xù)卻極其繁瑣，均是需要專業(yè)產(chǎn)業(yè)鏈團隊進行操作，而且持續(xù)的時間一般較長，涉及的鏈路較長。正是因為這樣的欺詐特性，可以通過大數(shù)據(jù)建立關聯(lián)知識圖譜，同時結合線下人工審核的手段來有效防止團伙的欺詐。

結語

本文主要簡單介紹了下如何運用大數(shù)據(jù)更好的幫助汽車金融企業(yè)健康穩(wěn)定發(fā)展，關于大數(shù)據(jù)在汽車金融中的應用。除上面講的這些外，還有很多有趣的課題可以研究，比如：在營銷方面、在個性化推薦方面、在站外廣告投放方面等等。

【編輯推薦】