前中后

贷前贷中贷后是一个业务分类，是用户信贷生命周期的三个阶段。并不是一个业务架构或者技术架构。以下的贷前贷中贷后主要是互金领域的情况，传统银行也有贷前贷中贷后，但是做法不同。

贷前

1、准入/额度/利率

贷前的核心就是两个，准人和额度。

准入在信贷中基本采用预准入，即将用户的信息收集起来，提前算好，这个用户能否进来。这部分除了模型，就是黑名单和域外数据，模型负责计算这个用户违约的概率（信用评级/欺诈评级），黑名单是将各种黑灰产拦截掉（例如其他场景的，行业共享的各类黑名单数据）。

额度，有了用户的信用评级，那么可以从历史数据中得到每个用户可以使用的安全额度边界，每个评级的用户在应对不同额度的时候是有不同的违约率的，那么需要对不同资质的客群制定不同的额度。额度一般由几个核心变量控制：1，信用评级 2、资产情况（职业/收入/资产） 3、欺诈评级，这三个变量交叉使用，制定每个用户的额度。额度一般是由策略同学根据当前的风险情况手动测算出，这样的好处是灵活，可控。算法只产出评级排序。

2、用户成长体系

以上讲的准入额度，还伴随着一个核心：testlearn，low&grow， 在用户的额度授予过程中，很多时候用户空白或者业务刚刚启动，是无法通过算法或者策略直接给出一个比较高的额度的（有风险且不可估），需要慢慢探测，一般都是在不同等级的用户给出一个不同的初始额度，然后通过客群表现，不断的调整额度，在积累用户数据的同时，提升模型，增加放款余额。这样你的风控系统，用户数据，用户额度都能得到安全的成长。这种思路贯穿整个风险管理。

信贷业务风控的成功 = 丰富的数据+科学的用户额度管理（策略体系）+模型体系。

算法做什么：

1、信用模型/欺诈模型构建用户评级

2、用户收入预测/职业/资产预测

3、用户成长过程中的ab测试，指标构建

其他

贷中

1、支用监控

支用监控，是指用户在准入和额度都通过的情况下，仍然会存在风险，这种风险一般在支用的环节中需要进行风控。

这种风险主要分三类：

1）安全类的风险（例如盗号，三方诈骗）

2）信用类风险（本人资质变化，偿还能力变化，更多数据进来）

3）合规类的风险（监管不允许的，例如赌博，套现）

2、实时的额度调整

贷中更像是用户支用行为中的管控，作为贷前的补充，减少损失。用户在支用首笔后，平台在获得更多的数据后（比如这个用户支用之后的购物情况消费情况等，比如从其他平台获取的补充信息），平台可以决定是否给这个用户进行管控，策略的提额/降额都可以在这个时候产生。

有些策略只能在贷中的时候进行实施，例如花呗的反套现，借呗反欺诈，在交易环节能拿到更多的数据，可以进行灵活的额度调整，例如用户在一个历史出现频繁套现的商家使用花呗支付苹果手机/黄金这些易变现商品，例如双11为了更好的用户体验和GMV增长，在某些品类上给用户更高的临时额度。

算法承担什么：

1、欺诈模型，特征，额度策略

贷后

互金的贷后就是催收，主要是互金的贷款产品期限都比较少，一般12个月，一个月还一次，基本坏用户1-3个月就暴露出来了。传统银行可能是几年，额度更大，贷后主要是线下进行用户调查。

催收的问题是如何提升催收的效率，在合法合规的情况下，管理催收人员，安排催收次序（催收人力是有限的）。

1、高效管理催收人员

2、合理安排催收的次序和频率

3、提供高效的产品帮助催收完成任务

算法需要去做什么：

1、预测哪些用户更容易催收成功，进行贷后的用户排序

2、不同类型的用户提供不同的催收话术和套路

3、合理安排催收的节奏，例如催收的频率，时间节奏

4、帮助找到逾期的人（很多人逾期会失联）

基本流程图