金融

技术赋能不良资产管理领域,催米科技未来期望介入贷中、贷后咨询

个贷不良资产处置是万亿级市场?

2018年06月21日
  • 新金融
  • 金融科技
  • 基础设施
  • 不良资产处置
  • 金融



调研 | 刘馥亮 王誉钢

撰写 | 王誉钢

2013年后,伴随网贷与消费金融机构数量增多,国内贷款客群逐渐下沉,贷款规模大幅攀升,随之而来的是逾期事件层出不穷。

面对万亿级不良市场,除银行和传统四大AMC以外,大量的地方性AMC和“互联网+不良资产”机构纷纷涌入。不同互联网企业切入市场的方式各异,催米科技主打利用技术赋能催收行业。

催米科技成立于2017年,目前主要有三块业务,分别为管理系统业务、委托催收业务以及贷中、贷后管理咨询业务。


“管理系统+催收”助力催米科技业务发展

催米科技将技术赋能给持牌金融机构,帮助金融机构利用机器替换部分人力,提高催收工作效率和节约成本。

催米科技管理系统基于对客户自身数据的分析和处理,可以涉及催收各业务环节,主要影响三个方面。

第一,依靠人工智能建模。人工智能系统会依据债务人的信用数据、消费数据、还款记录以及多头借贷数据等构建催收模型。

第二,通过人工智能与债务人实现人机交互。目前催米科技已与多家国内顶尖人工智能语音服务商展开合作,基于智能语音系统开发出催收机器人。

第三,催收业务质量检测。金融机构等甲方公司在催收时会有一定的合规要求,利用人工智能进行语音识别并进行语义分析,以此对催收环节进行监控减少合规风险。

管理系统部署周期平均为一个半月至两个月,可以帮助企业实现65%-75%的回款率。

类似传统催收公司,委托催收业务也是催米科技的主要业务之一。目前,催米科技在无锡、常州和青岛分别建有呼叫中心,共有近400人的电话催收团队。

传统催收机构按照债务人进件顺序依次拨打电话,催收时间长且效率低下,往往容易错过最佳催收时间。催米科技利用大数据与人工智能能力构建催收模型,基于债务人还款意愿及还款能力对案件进行排序,优先处理预计催收成功率较高的案件,提高催收效率。催米科技委托催收业务主要处理人工智能系统催收不能覆盖的案件,创始人吕卫亭表示,业务实践中这类案件回款率在35%-45%左右。

谈及业务具体应用场景时,吕卫亭表示,两种业务分别解决两类不同账龄的催收案件。

一类是账龄在S1(1-7天)和S2(8-14天)以内的案件,金融机构依靠人工智能系统和一小部分人力就能完成催收,无需委外,催米科技帮助金融机构完成催收体系搭建并利用人工智能赋能。

另一类是账龄在M1(15-30天)及以上的案件,这类案件催收难度有所提高,债务人个人情况及催收流程、场景较为复杂,不易标准化,目前仍依靠专业催收公司完成,催米科技的委托催收服务也可在此类案件中发挥作用。

贷中、贷后管理咨询赋能金融机构

催米科技基于自身技术能力以及催收业务实践经验,总结出贷中、贷后管理体系,通过业务咨询方式将经验赋能给持牌金融机构,帮助金融机构搭建催收业务结构以及运营流程。

目前,催米科技不仅可以提供案件评估、案件分案等贷后业务咨询,也涉及贷中的监测和风险预警等,催米科技正在与持牌消费金融公司展开贷后运营提升的咨询项目。

未来,催米科技期望自身业务不仅局限于贷后领域,而是逐步往前端风控业务延展,最终能为金融机构提供全套风控咨询服务。

客群上,催米科技主要定位于银行、消费金融公司以及小贷公司等持牌金融机构,这部分客群具有较强支付能力,业务稳定,受政策监管影响较小,存在较大业务空间。

催米科技收入主要来源于咨询项目的项目费、催收业务的佣金和人工智能系统部署费用、后期系统维护费用以及系统服务费,佣金和系统服务费主要根据业务量来计算。

催米科技团队共有480人左右,400人为呼叫中心坐席,另外80人为总部人员,其中有25位IT人员,9位数据分析人员,其他为运营人员和策略人员。今年,催米科技期望进一步拓宽人员规模,将呼叫中心人数增加到600人,总部人数增加到100人。


近期,爱分析专访催米科技创始人吕卫亭,就互联网催收行业发展现状,以及公司业务和未来规划进行交流,摘选部分内容分享如下。

催米科技创始人吕卫亭,有多年金融行业和咨询行业从业经验,曾先后就职于Capital One、罗兰贝格和麦肯锡等公司。

行业竞争格局改变,“互联网+催收”公司成新玩家

爱分析:以什么契机切入催收行业?

吕卫亭:主要有四个方面原因。

第一,贷后管理专业性提高的客观需求。以前贷后技术门槛相对前端风控和获客而言较低,国内大数据与人工智能人才大多集中于前端,比如精准营销和大数据风控,贷后这块在专业人才有较大欠缺,截止今天还相对匮乏的。

第二,贷后管理数据渗透率低,很多催收公司和贷后管理公司连基本的管理系统都没有,很难积累贷后数据,更不用说基于数据进行分析。

第三,催收公司操作模式较为落后,大部分公司都基于线下开始做起,其中龙头企业可能在全国拥有7,000人以上的员工。线下人员庞大会带来很多问题,比如招聘压力大、人员管理和人员培训难度高,并且由于催收行业的特殊性,如果培训及过程管控不到位,人员密集型企业较易带来操作及合规风险。

第四,2017年国家对网贷实行利率监管,很多网贷公司无法依靠利差及各项费用赚取高额利润,为了提高利润只能将目光聚焦在精准获客及风控上,期望通过贷前风控和贷后催收来降低不良资产,获取更高利润。

基于这四方面原因,我们创立了催米科技并总结出公司的三个发展方向。第一,帮助金融机构利用人工智能来取代前端人工坐席;第二,通过人工坐席进行后期案件催收;第三,为金融机构提供贷中、贷后管理咨询。

爱分析:国内不良资产处置行业有哪些玩家?

吕卫亭:不良资产处置行业玩家可以分为三大类。首先,1999年成立的国内四大AMC,包括东方、信达、华融、长城,这些AMC更多处理大型银行和金融机构的不良资产,基本不涉及个人资产。

其次,随着不良资产管理逐渐商业化,国内兴起很多地方性AMC和民营AMC,国家也放开限制允许每个地方能有1-3家AMC,不同于四大AMC,很多地方性AMC和民营AMC也会承接个贷的不良资产。

最后,就是我们这种“互联网+催收”公司,这类公司有多种市场切入点,有些以撮合催收公司和不良资产进入市场,有些将人工智能和大数据与催收结合,不过处置的资产多为个贷资产。未来不良资产处置市场将不断扩大,各种玩家都可能有自己的生存空间。

爱分析:为何选择个贷作为处置资产?

吕卫亭:很多成立年限较长,有丰富历史运行数据的金融机构,在选择对公不良资产合作伙伴时会有许多要求,比如成立年限、注册资本、经营范围和历史业绩等,这些条件都是对公业务的敲门砖,对于我们这些新成立的公司而言,目前很难达到这部分要求。另一方面,消费金融及网贷行业的蓬勃发展带动个贷不良资产行业扩张,催生出很多催收公司,鼎盛时期国内共有4,600多家公司,这些公司质量良莠不齐,这也导致金融机构在挑选合作伙伴时会更加谨慎。在此背景下,更加专业、合规的个贷不良处置是行业的必然需求。

爱分析:整个行业共有多少催收人员?

吕卫亭:行业鼎盛时候差不多有30多万催收人员,从2017年现金贷受到监管后,整个市场伴随网贷及现金贷成立的催收公司,很多都在转型,现在相比鼎盛时期人员肯定有大幅下降。以催收产业较为成熟的美国为例,目前美国应该有13万左右催收人员。

爱分析:数据源来自于哪里?

吕卫亭:贷后领域,外部公司利用数据帮助金融机构搭建贷后模型,存在天然的限制,因为首先客户不是我们的客户,客户是甲方的客户,然后客户的数据也是甲方公司的资产不是我们三方催收公司的资产,再加上去年最高法公民信息保护的司法解释,导致不良资产管理行业在客户数据的使用上更加规范、合规。我们并不会给每个客户都搭建贷后模型,只有跟我们深度合作并获得借款人授权的客户才可以搭建,我们通常以贷后风险管理咨询的方式与客户进行合作。

合作的甲方公司有很多用户贷前信息,比如贷款信息卡或者申请所需的各类材料。有些网贷产品相对而言期限较短,只有1到3个月的时间,我们有理由相信这期间客户生活状态大概率不会发生巨大变化,此时贷前的数据可以拿来贷后用。

但也存在一些周期较长的产品,比如银行的卡贷产品和一些金额较大的信贷产品,可能在6个月甚至12月以上,再加上客户的逾期时间,这时贷前的数据用来做贷后的分析可能相对有效性较低,我们会需要一些新的数据来进行补充。

通过甲方公司的授权,我们会跟一些数据服务商合作,获取债务人最近一些时间节点相关的数据。在合作过程中,对能识别客户个人信息的关键字段进行加密和脱敏处理,确保客户信息安全,比如说用户编号是A我就知道A的贷后风险统计,比如还款能力、还款意愿以及贷后评级等,但是我不知道用户姓名以及身份证号。

爱分析:贷后会涉及哪些维度的数据?

吕卫亭:贷前和贷后数据维度是相似的,贷前风控会涉及用户的支付能力、借贷历史、还贷历史以及消费行为数据等征信数据,而这些数据在贷后过程中也同样重要。

贷前和贷后的主要差别在于对数据的分析方法和目的不同,贷前风控在建造模型时将产生逾期风险的概率作为应变量,而贷后将还款概率和还款比例作为应变量,同样的数据最终得出的结论会存在一定差别。

“策略+技术”帮助催米科技实现业务增长

爱分析:简单介绍一下催米科技目前主营业务?

吕卫亭:我们目前一共有三块业务。

第一,不良资产处置。我们会承接或者收购一些不良资产,然后基于自身的人工催收团队对于这部分不良资产进行处置。

第二,人工智能催收系统。我们会基于合作客户的数据帮助客户搭建人工智能催收系统,涉及案件评估、分案以及运营等业务场景,帮助客户提高催收效率,构建催收体系。

第三,贷中、贷后管理咨询业务。这项业务不仅涉及贷后催收,也会加入贷中的监测和风险预警,目前已经与国内一家大型消费金融公司签订了长期战略合作。

爱分析:委托催收业务与传统催收公司有什么区别?

吕卫亭:首先,传统三方催收公司一般来讲都是强分部的概念,公司在拿到案件后会第一时间将其分到各个分部去,然后各分部催收人员就开始工作,催收策略及作业流程一般以分部或分中心为主。

我们公司强调强总部,我们总部有一批策略人员以及数据分析人员,当我们拿到案件之后,我们会让总部人员对案件进行质量评估产生催收策略,将案件依据还款意愿以及还款能力进行债务人再排序,然后分析不同呼叫中心各个团队与不同案子的匹配程度,最终根据匹配程度以及债务人排序结构将案子进行分配,这样能够极大的提高催收效率。

其次,传统三方催收公司技术能力参差不齐,呼叫中心行业已经普及的方法在催收行业呼叫中心却没有普及,比如预测式和IVR技术,但这些技术在我们的呼叫中心已经完全覆盖。利用这些技术可以极大减少坐席人员在工作中浪费在日常操作性事务上的时间,让坐席能集中精力在与客户的沟通和谈判上,提高整个呼叫中心的工作效率。

在实际操作中,去年6月份我们公司帮助一家客户进行M6案件的委托催收,我们实现了超过10%的回款率,这个回款率在行业里都属于较为领先的。

爱分析:回款率如何计算?

吕卫亭:以前很多网贷公司在计算还款率时,只通过回款金额占比来计算,但现今一般持牌的金融机构以及成熟的网贷公司都是通过回款金融与回款客户数的加权平均来衡量回款率。不同公司可能两个变量权重不同,比如有些公司对回款金额较为看重,就会调高回款金额的权重比如60%以上或是100%;有些公司期望客户产生复贷行为,就对客户数更为看重,会相应调高客户数权重,总而言之回款率是个相对加权平均的指标。回款率本身的统计口径也有所差异,通常有cycle回款率、时点回款率、滚动回款率等几种统计方式。

爱分析:人工智能催收系统如何理解?

吕卫亭:目前,人工智能在各行业的应用,无非就是技术和行业或者是技术和产品的结合。在底层的语音技术应用上,一般公司没有十几年的积淀,没有大规模的人力和资本的投入是很难做出效果的,所以很多公司人工智能底层的智能语音系统,一般都使用国内和国际上比较领先的语音引擎,比方说国内的科大讯飞、捷通华声和BAT等。

我们所做的就是将这些底层技术与催收行业进行结合,开发新的应用场景和业务模型。短期内,人工智能在催收行业应用多为账期在S1和S2的案件,对于账期15天之后的案子人工智能更多的只能起到辅助功能,对于最终催收结果影响有限。

人工智能在催收领域具体会影响四个方面。首先是人工智能建模,人工智能会依据债务人的信用数据、消费数据、还款记录以及多头借贷数据等构建催收模型。其次,通过人工智能与债务人实现人机交互。再次是催收业务质量检测,金融机构等甲方公司在催收时会有一定的合规要求,通过人工智能实现语音识别并进行语义分析,以此对催收环节进行监控减少合规风险。最后是培训环节,人工智能可以通过对优秀坐席的数据分析,制定出一些优秀的经验和课程,再对培训对象进行分析并匹配合适课程,提高培训效果和效率。

爱分析:部署一套人工智能系统需要多长时间?

吕卫亭:最早的一套我们部署了两个月时间,现在每套平均一个半月到两个月时间。人员投入在4-5个人左右,里面包含专业催收专家、IT系统研发专家、语音识别专家等,对方也需要4-5个人与我们对接和配合。

爱分析:人工智能在催收领域渗透率为多少?

吕卫亭:全国现在共有4,000多家催收公司,其中90%以上的催收公司都不具备使用人工智能或者相对比较完善系统的能力,剩下10%左右的公司里面包含一些大型的公司,这类公司接的案件很多是金融机构的后端案件,我们判断后端案件无法通过人工智能来实现催收,整体而言人工智能在催收领域渗透率有限。

不良资产处置有万亿级市场规模

爱分析:银行不良资产率是多少?

吕卫亭:银监会的披露个贷条线不良资产率应该在1.4%左右,卡贷业务逾期半年未偿信贷总额占应偿余额约为1.3%。

大部分的银行卡贷业务一个月的逾期是不外包的,也有个别大行有外包了,一般是1到3个月是内催,3个月以后是外包团队,整个下来内催平均水平应该有70%-80%,然后接下来外催涉及到20%-30%的逾期资产,我们判断有一半左右能拿的回来。

爱分析:银行回款率有多高?

吕卫亭:由于银行个贷及卡贷基本都是面签,所以债务人欺诈风险较低,催收效率要比网贷和类金融机构要高很多,我们初步了解,整个银行个贷1%-2%的不良率,其中有75%-85%左右应该可以被催回。由于银行M3以内的案子基本为内催,M3之后的案子才会委外,所以回款中有70%是由银行催回,30%左右是由三方催收公司催回。

爱分析:网贷行业回款率在什么水平?

吕卫亭:我们服务的甲方公司的M1回款率基本上没有低于70%的,比如若100笔放款在产品到期时有20个案件进入催收流程,那么这20个案件在第1个月里,至少有14个能够成功催回,当然我们服务的公司大部分都属于行业头部公司,整个网贷行业而言催回率可能相对较低一点。

爱分析:不良资产处置市场空间多大?

吕卫亭:2017年底,国家统计局发布的消费信贷存量已经超过30万亿,网贷行业2017年交易量达2.8万亿,余额为1.2万亿,结合各类个贷金融资产的逾期概率计算,个贷不良资产市场肯定会是万亿级别。

爱分析:人工智能系统怎么收费?

吕卫亭:现在有两个模式,一个我们是按照项目来进行收费的,比如说我们将整个项目给客户部署完成,最终收取一次性的项目费,以及后续跟进服务的费用。还有一个我们是基于业务量来进行收费的,你发生业务量我来收费。业务量一般是过程指标,比如成功完成一次通话,成功通过催收模型进行催收,最终业务量达到一定数值,我们会收取对应的佣金和服务费。

我们公司的目标市场与其他公司有所不同。我们认可人工智能与催收结合会是未来业务的发展方向,但我个人认为通过人工智能外包服务这个方向走不长,因为会有越来越多的金融机构自身会进行人工智能系统的部署,所以我们不会用人工智能进行催收,而是帮助金融机构搭建人工智能系统,这部分市场规模就由金融机构数量以及客单价所决定了。

爱分析:现在公司整个的团队规模是怎样的?

吕卫亭:我们总部里面现在有接近80个人,其中包括25人左右的的IT团队,主要负责系统和人工智能研发,以及9人左右的数据分析团队,工作为数据建模以及基于数据及运营的催收策略制定等,另外还有一些运营团队和策略团队。除此之外我们在无锡、常州和青岛拥有三个运营中心,三个运营中心相加有接近400个人。

今年我们期望利用上一轮融资资金对团队进行扩展,让呼叫中心人数达到600人,并且总部人员也扩充到100人。

爱分析:如何理解融资时提到的整合上下游资源?

吕卫亭:在整个催收业务链条上,包含资产提供方、资产处置方和服务机构,我们所说的整合上下游就两件事。第一就是整合上游资源,我们的上游主要是目标客户,尤其是中小型的金融机构以及持牌消费金融公司以及小贷公司这类重点客户,我们期望与他们进行深度合作,摸清客户需求,以便更好的营销和服务客户。

第二,下游包含资源更多,要完成催收服务需要多方面配合。举个简单的例子,比如对下游人工智能语音核心引擎服务商进行资源整合,以及对呼叫系统资源进行整理等。这两方面资源的整合能够更好地支撑我们的业务。

爱分析:未来发展战略是什么?

吕卫亭:短期内我们业务还会高度聚焦于个贷资产,客群也定位在中小型持牌金融机构上。未来我们业务发展的核心是基于人工智能技术以及委托催收经验,构建贷中、贷后管理体系,为金融机构输出贷中、贷后管理咨询业务。我们的业务将不会止步于于催收,催收业务和人工智能系统只是我们服务客户的一种手段,我期望通过这些业务切入市场然后为金融机构提供综合贷后管理解决方案。

这套综合解决方案涉及贷中和贷后的组合管理,不仅仅涉及催收、系统部署,还有管理及运营流程再造及优化提升,比如贷中监测和风险预警、建立委外体系和评估委外效果、内部绩效考核、团队搭建以及数据报表和风控质检等环节,这是我们未来发展的重点。

爱分析:2018年业绩有什么预期?

吕卫亭:今年我们期望完成三个业务条线的破冰和布局。基于我们团队的人员构成和项目实施周期,人工智能系统业务我们希望拥有7-8家金融及类金融机构的核心客户。贷中、贷后管理咨询项目是我们的一个重中之重,目前已经有1家持牌金融机构在合作,今年计划有3家左右的消费金融公司。至于三方委托催收业务,目标就是金融机构的业务量要占比超过60%。

爱分析:今年会有下一轮的融资计划吗?

吕卫亭:目前融资计划还在考虑中,我们未来会考虑一些战略投资,期望能与投资方有业务上的协同,粗略规划今年能把A轮结束。