如何设置授信审批流程

进入新市场的放贷机构都需要明确授信审批流程。随着信贷业务逐渐数字化、自动化,各个环节也需要持续检查和调整。

一般的授信审批流程包括 8 个环节:

  1. 申请
  2. 核验
  3. 信用核查
  4. 最低准入条件评估
  5. 审批
  6. 批准、拒绝或提供调整方案
  7. 文件签署
  8. 放款

具体环节会因贷款用途和金融产品而异。

申请

客户在此环节提交信贷产品申请。申请信息通常包括姓名、地址、联系方式、雇主信息、收入及其他相关资料。客户需要申报自己的财务状况。申请表用于收集作出决策所需的信息。

核验

放贷机构可以开始核验客户信息,包括查询信用历史、核实身份、查看过往还款记录,以及进行评估客户信用状况所需的其他检查。银行或放贷机构也可以从第三方获取更多客户信息,例如犯罪记录、公共记录和其他财务信息。

信用核查

放贷机构在此环节查询客户的征信报告,评估其信用状况。征信报告通常包含还款历史、信用额度使用情况、债务负担等信息。之后需要评估报告,判断客户是否适合获得贷款。

最低准入条件评估

在此环节,放贷机构评估客户是否符合贷款的最低要求,包括收入、就业状况和其他条件。客户可能还需要提供纳税申报表或工资单等证明文件。最低要求通常通过 KO 规则定义。

审批

审批环节包括审核客户的申请、核实各项信息并评估其信用状况。放贷机构根据收集到的信息决定是否批准贷款。在此过程中,放贷机构可能会使用模型或算法估算违约概率。

批准、拒绝或提供调整方案

审批完成后,放贷机构决定批准贷款、拒绝申请,或提供调整后的方案。调整方案可能包括降低贷款金额、延长贷款期限或调整利率。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。

文件签署

放贷机构需要客户签署贷款文件,包括合同、声明及其他记录。这些文件关系到后续可能的债务催收,也可能用于贷款证券化。

放款

所有文件签署完成后,放贷机构向客户发放贷款资金。消费购物信贷或 BNPL 业务也可以直接向商户付款。

如何改进授信审批流程

分析过往贷款数据、识别潜在风险因素,有助于持续改进授信审批流程。

因此,需要建立规范的流程和系统,持续监测客户的还款情况和信用状况。

还应保持流程高效并及时更新,以缩短审批时间、提升客户满意度。

授信审批流程中哪些环节可以自动化

授信审批流程的所有环节都可以自动化。

申请环节

可以通过在线表单自动处理申请,让客户填写相关信息。信息收集完成后,系统会将数据送入自动化流程。

核验环节

核验也可以自动化,包括查询客户记录、进行信用核查和核实客户身份。检查方式可以从人脸识别延伸到通过第三方服务进行的其他核查。

信用核查环节

可以使用 AI 和机器学习算法自动进行信用核查。这些算法评估客户信用状况的效率和一致性都高于人工评估。决策逻辑可以部署在推理引擎、规则引擎或决策引擎中。

最低准入条件评估

可以设置客户申请贷款必须满足的条件,将最低准入条件评估自动化。这些条件通常由直接明了的业务规则构成。

审批环节

也可以通过用于评估信用风险的算法实现审批自动化。算法可以是简单规则,也可以是机器学习模型,并结合决策树或决策表等其他逻辑环节。

批准、拒绝或提供调整方案

批准、拒绝或提供调整方案的过程也可以自动化。在决策引擎中设置贷款金额、期限和利率等参数即可实现。

文件签署环节

客户可以电子签署贷款文件,也可以使用数字签名技术,实现文件签署自动化。

放款环节

贷款获批后,可以自动发放资金,实现放款流程自动化。

哪些因素会影响整个流程的自动化

除了放贷机构自身的技术能力,当地法规或所在国家数字基础设施的成熟度也会影响自动化范围。

能否实现自动化取决于当地法规。在一些国家,申请环节必须经过人工审批,该环节通常会包含KYC(了解客户)信息。

此外,一些国家不允许电子签署贷款文件,要求客户当面签署合同。

自动化授信审批需要哪些技术?

自动化授信审批需要以下技术:

  • 人脸识别与比对技术:用于核实客户身份
  • OCR(光学字符识别):将文件转换为数字格式
  • AI/机器学习算法:用于自动进行信用核查,评估客户信用状况的效率和准确性高于人工评估。
  • 决策引擎:使用决策逻辑评估申请应获批还是被拒绝的平台。它根据预先定义的业务规则自动作出决策。
  • 数据采集:帮助放贷机构收集评估申请和核实客户身份所需的数据。
  • 数字签名技术:客户可以通过数字签名电子签署贷款文件,从而自动处理文件签署环节。
  • API 集成:帮助放贷机构对接其他系统和应用,改善数据采集和处理。
  • 自动支付技术:贷款获批后,自动发放贷款资金。

常见问题

如何将第三方核查结果接入授信策略?

明确每项输入数据以哪个来源为准,并规定决策所用数据的时效要求。征信机构或身份核验结果缺失、延迟或不一致时,应明确授信策略如何处理,不能把缺失值直接当作零。未解决的冲突可以转交审核,也可以按有记录的拒绝规则处理。依赖供应商提供的结果前,应使用有代表性的申请进行测试,检查供应商变更带来的影响。

放贷机构如何将信用模型与决策规则结合?

先用模型估算风险,再通过明确的策略规则设定准入条件、还款能力要求、贷款金额和定价。应结合规则测试模型输出,尤其要检查接近阈值的申请,以及输入数据缺失的情况。授信策略负责人应在版本发布前审核并批准变更。模型评分本身不能体现放贷机构的风险偏好,也无法解释每项决策。

上线后应多久复核一次授信阈值?

每月查看提前还款和逾期情况。如果申请量足以支持有效比较,至少每季度正式重新评估一次阈值。按产品和申请人群体拆分结果,并考虑贷款表现需要一定时间才能显现,再作判断。样本群体规模较小或尚未成熟时,合理阈值的表现可能看起来好于或差于实际情况,因此不要根据短期内波动较大的结果调整策略。

应监测哪些指标,才能及早发现授信策略问题?

按产品和申请人群体跟踪申请量、通过率、拒绝率、转介率、缺失或冲突的输入数据,以及提前还款情况。为数据质量或决策结果的突然变化设置预警阈值,并安排人员在调整策略前调查原因。供应商服务中断或数据格式变更,即使授信规则没有变化,也可能改变决策结果。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。