金融強監管時代
商業銀行“互聯網貸款業務”的突破方向
——構建自身數字化風控體系培訓
【培訓背景】
2月20日，銀保監會發布《關于進一步規范商業銀行互聯網貸款業務的通知》，從三個方面明確互聯網貸款業務定量指標，并嚴控地方法人銀行跨區域經營，收緊程度超過業內預期。這是自去年7月17日《商業銀行互聯網貸款管理暫行辦法》正式落地之后，監管部門再度出手，加強規范商業銀行互聯網貸款行為。
進入金融強監管時代，合規有序經營是商業銀行長遠發展的基礎。但與此同時，新規在短期內又對部分商業銀行業務發展形成了一定程度上的約束。面對業績增長與合規監管雙重壓力，商業銀行亟需為互聯網貸款業務找準突破方向。
當前，部分商業銀行傳統風控手段滯后，風控理念、風控技術、反欺詐乃至催收能力，都遠遠不能適應互聯網貸款業務發展需要。在激烈的市場競爭中，如果錯失互聯網貸款健康發展機遇，一些實力本就不強的區域性銀行也許將會一蹶不振。
盡快構建并完善自身的數字化風控體系，是大多數銀行特別是中小區域性銀行的當務之急，必須引起足夠重視，迅速采取行之有效的落地措施，強化自身本地化特色，在激烈的銀行數字化轉型大潮中，搶占一席之地。
【培訓對象】
各銀行董事長、行長，總分行風險管理部、授信審批部、貸后管理部、零售業務部、普惠金融部、網絡銀行部、電子銀行部、個人貸款部、數字銀行部、智慧銀行部等部門負責人及業務骨干。
【培訓目標】
幫助各家銀行理順互聯網貸款業務、特別是聯合貸款、助貸業務的做法，認識到數字化風控體系的重要性，并初步掌握建立數字化風控體系的基本內容與實施路徑。
【培訓收益】
本次培訓，將由精通互聯網貸款數字化風控技術的實戰型老師，帶來商業銀行數字化風控的落地解決方案。授課內容全程干貨，力圖幫助商業銀行，盡快領會駕馭互聯網貸款的風控理念，熟悉并掌握大數據風控技術，了解線上貸款審批策略，懂得如何進行線上反欺詐以及怎樣利用AI智能技術取得最好的催收效果。
其中，SCORECARD建模方法論，一鍵式智能數據建模，多維度數據策略規則，黑名單策略規則，風控白名單，第三方數據源測評，大數據風控決策平臺，機器學習與模型迭代，數字化風控策略與實踐，黑色產業市場及危害，三大金融反欺詐場景，智能機器人催收等內容，會幫助大家徹底打破傳統風控的思維慣性，掌握大數據風控核心技能，進而游刃有余的開展互聯網貸款業務。
培訓不是目的，落地才是關鍵！
做為實戰派講師，更有落地數字化風控體系必備的五大方案、四大系統、一大平臺等，幫助各家商業銀行迅速部署實施，在短時間內獲得互聯網貸款的大數據風控能力！
【培訓課綱】
上午：（9：00-12：00）
第一節：互聯網貸款新政解讀與分析
一、 風險控制要求一刀切。
二、 加強出資比例管理。
三、 強化合作機構集中度管理。
四、 實施總量控制和限額管理。
五、 嚴控跨地域經營。
第二節：商業銀行互聯網貸款業務三問
一、 如何界定商業銀行互聯網貸款業務？
1、 信貸業務數字化是商業銀行業務發展方向
2、 互聯網貸款和風控數字化是商業銀行集體工作
3、 對《暫行辦法》中互聯網貸款定義的綜合理解
4、 《暫行辦法》對于推進銀行數字化風控意義重大
二、 怎樣認識商業銀行互聯網貸款核心風控不能外包？
1、 充分完整理解監管意圖，促進銀行自身長期可持續發展。
2、 摒棄依賴外部風控心理，樹立承擔全部風險的底線思維。
3、 掌握數字化風控主動權，客觀認識與合作機構技術差距。
4、 加強風險模型效果分析，辯證對待與第三方的合作關系。
三、 助貸與聯合貸款何以成為互聯網貸款主流？
1、 可以合法從事貸款業務的四類主體。
2、 助貸業務緣何井噴？
3、 如何界定助貸和聯合貸款？
4、 幾種主流的助貸模式。
第三節：新規落地后商業銀行何去何從
一、 全流程風險管控的自主核心風控能力
1、風險建模、決策引擎、反欺詐系統
2、大數據風控系統、建模平臺、審批管理系統
3、風控數據+風險模型+策略與規則
二、 有效識別和監測跨區互聯網貸款業務
1、銀行對客戶的資產運營與管理能力
2、自設或外接資產運營監控平臺
3、強化識別用戶地域分布的能力
三、 準確理解風險數據、風險模型及數據源管理
1、接入外部合規數據源擴充數據量級
2、接入外部數據源時面臨的幾個棘手問題
3、業務效果最佳且最具性價比的數據源組合方案
下午：（14：00-17：00）
第四節：數字化風控理念
一、 傳統風控VS數字化風控
二、 信貸政策、風控策略與數據模型
三、 互聯網貸款的五大風險管理要點
四、 構建自身全面數字化風控體系
第五節：數字化風控體系
一、 數據來源、數據獲取與數據治理
1、 行內數據治理與應用
2、 外部數據獲取與測評
3、 外部數據管理平臺介紹（某頭部科技平臺產品示例）
二、 大數據評分模型建立與應用
1、 大數據SCORECARD建模方法論
2、 大數據風控技術及應用場景（視頻與動圖示例）
3、 智能數據建模 VS 人工SAS建模（某行實際案例解析）
三、 如何制定大數據風控策略
1、 多維度數據策略規則設計
2、 實用風控審批策略詳解（某行實際應用示例）
3、 關鍵風控基本量化指標（vintage方法與rolling rate示例）
四、 智能化貸后催收體系
1、 智能貸后管理定位與價值
2、 智能貸后催收管理新模式（示例）
3、 智能貸后管理系統建設與應用（示例）
4、 智能機器人在貸后催收中的應用（示例）
第六節：數字化風控命門——線上反欺詐
一、 黑色產業市場及其對銀行的重大危害
1、 黑產數據與欺詐客群分析
2、 欺詐黑產產業鏈與信貸常見五大欺詐行為
3、 黑產如何批量制造“真實”用戶行為
4、 黑產幫如何客戶實現數據“整容”
二、 銀行如何全面防范欺詐風險
三、 反欺詐之手機設備指紋實施
四、 構建全流程反欺詐風控系統
五、 反欺詐工作落地實施方案
