误区一：只研究科技（含技术与算法）不研究业务和场景，认为只要技术足够先进，欺诈就无处藏身。
误区二：风控靠催收，前端在裸奔。风控（反欺诈）催收化。
误区一解读：汽车金融风险高低与否，科技高低不是核心矛盾。
前言：在互联网 的浪潮下，汽车金融公司都在增加在科技方面的发力，甚至在科技方面的资源投入远远大于在业务方面的投入。
一时间，似乎给业内一个错觉：如果某一家公司在内部风控部门年会上不能标榜一下自己科技方面的成绩或布局，那这家公司是非常失败的。
打开很多家资方的公司主页，很多都在展示着自己互联网化或科技化的宣传口号，从所谓互联网 也好，到金融科技，再到金融生态，都在努力向一家类金融科技公司靠拢。
然而，不知道很多公司的风险管理有没有思考过一个问题：为什么科技越发展，欺诈越多呢？
为什么科技越发展，商用车逾期率越来越高呢？
如果科技先进=风控优秀，那同盾科技、百融科技、蚂蚁金服等一定是这个行业里面最好的，为什么某些金融科技公司在这个行业生存不下去呢？再这里笔者直接抛出一个观点：科技先进与否，与欺诈率高低没有必然关系！！
案例：在阐述笔者的观点之前，笔者先举一个例子。前段时间社会上闹的沸沸扬扬的天津配餐公司时间想必大家均有耳闻：一家本地的配餐公司，为了挣钱不择手段，在极其恶劣的操作车间生产着给我们祖国的花朵吃的令人作呕的“食品”，被社会群众曝光后，爆发出两问题生意人没有良心，为了挣钱不择手段；监管缺失，监管部门形同虚设。那这个时候如何解决这两个难题呢？
义愤填膺的人民群众纷纷表达了自己的观点：有的表示要增加罚款力度的，有的说要反查投标过程的，有的说要让配餐公司一起吃“猪食”的，有的说要给车间安装摄像头的。
相信大家也能想到，发生类似悲剧主要还是因为社会管理包括法律法规、制度、监管等等一系列问题。那为什么没有人提出通过某种算法或科技解决问题呢？因为这就是一个社会管理方面的问题，当然要围绕社会管理方面进行亡羊补牢，要解决这个问题还是得通过一系列管理方案！！
哪怕科技可能在管理方案的某个环节发挥着某种作用，但没有方案，这个工具就没有存在的意义！
观点：
我们看下某新势力租赁公司反欺诈分析师的JD（图没贴上去，改天发）：
回到我们汽车金融公司，我们如今全行业所面临的问题和窘境，难道是因为科技不够先进导致的无法解决的吗？很明显不是的，这个行业很多方面都还没有捋顺，近乎一个野蛮生长的无序状态。这个时候就需要一系列管理方案（包括政府管理、公司管理、媒体监督等等）将整个行业规范化和标准化。这个时候如果某家公司抱着一份已经“包浆”的征信报告翻来翻去，那么这家公司的风险管理肯定是不会做好的。换言之，如果一家汽车金融公司还对这“人”的相关变量研究来研究去，这么做是绝对没有前途的。
再举一个例子：要做好反欺诈，首先要理解什么是欺诈（欺诈的场景是什么？），笔者看过很多主机厂汽车金融公司的对外宣讲文件，很多汽车金融公司对汽车金融的欺诈仍然停留在“上世纪”的认知上面。如下图：
如果反欺诈做的好的公司一看便知道上面的ppt对反欺诈的理解可能直接来源于道听途说，或直接从3c或现金贷公司的拿来主义。
举一个现金贷和汽车金融环境变量方面差异的常见例子：比如很多多头借贷在现金贷公司意味着什么？在汽车金融公司又意味着什么？多头借贷在现金贷公司意味着客户缺钱，客户缺钱后来贷款很正常。反过来在汽车金融场景下，客户多头借贷意味着缺钱，缺钱还来买车这种正常吗？那么如果直接套用现金贷公司的风控策略肯定是不合适的。
汽车金融是一个种场景的金融业务，其风险一方面是具有传统金融的风险的相关属性，还存在一些只是存在这个行业所有的特有的场景方面的风险的属性。
那真正的汽车金融欺诈场景是什么？有人可能要说是套现骗贷是代购。笔者认为，要汽车金融欺诈场景一定要分开分析，千万不要认为说只要是车贷，它们的欺诈场景就是互通的。举个例子：商用车有商用车的欺诈场景（买车包活、库融套现），乘用车新车有新车的欺诈场景（传销平台类），乘用车二手车有二手车的欺诈场景（关联交易、套现、资料造假类、二押骗贷类、车行销售兼职贷款业务员类、套路贷类等等），以租代购有以租代购的欺诈场景（二押骗贷类）；乘用车本品有本品的欺诈场景，乘用车多品有多品的欺诈场景。
那么还有一个问题，如果知道了以上的欺诈场景靠某种模型或算法能防得住吗？答案是防不住或者说效果不好，没有一个模型或方案可以适用于所有的业务场景，如果硬要套用，那么欺诈风险是无法精准防范的！
原因如下：
一个模型来源于机器学习，机器学习的算法来源于海量的变量。那么问题来了，怎么选择适用于某个模型的变量呢？如果对应场景没有对应的变量怎么办？即使通过机器学习找出某些对结果影响明显的模型或决策流，那么是否具有业务解释性（场景方面解释的通吗？是否具有随机性）？等等一系列问题。。。
模型防的只是信用风险和极个别的欺诈风险！！以乘用车新车的平台类欺诈为例，从表面任何角度看均与正常客户没有任何区别，这个时候模型怎么介入呢？这个时候任何的模型都是失效的。再比如轻、中卡的“买车包活”类欺诈，这个欺诈场景已经让相当多的金融公司头疼不已甚至断臂求生了，这个时候如果还不觉悟仍然靠加大某些技术的投入与相应人员的引进，此操作与反欺诈只能是两条平行线，永远不会相交。
那模型没用欺诈就防不住了吗？当然不是，欺诈不能靠模型防范，至少当前绝对不能。这个时候，就需要风险管理（管理两个字要重读）的介入。比如通过人工电核介入客户的交易场景、比如通过设备指纹策略对客户的wx聊天记录进行黑名单字段撞库、再比如完善商用车车型库车价机制等等等等…那如果我们在进行风险管理的过程中，可以引进科技或算法的思维，依靠技术和科学算法高效率的提高我们风险管理的水平，也就是在反欺诈方面，科技一定是赋能管理的，反过来就是行不通的。底层逻辑 环境变量=方法论，一切不考虑环境变量（场景）的风控都是耍流氓！
二三四五、蚂蚁金服的车贷业务坟头草已经有三尺长了！
具体逻辑（方法论）见下图：
最后，大家可以看一下汽车金融的主要场景，每个场景都存在若干风险问题：
误区二解读：市场上还有一个问题：前端在裸奔，风控靠催收！一些资方对资产管理的重视远远高于贷前的防范。两者的区别在于一个在贷前一个在贷后，贷前在于防范，贷后在挽损。
在一批客户发生欺诈后，除了欺诈客户的处置外，更重要的是及时找出欺诈的原因关闭欺诈的通道？正所谓亡羊补牢未为晚也，如果羊圈里的羊丢了，我们最重要的事是找回已经被狼吃掉的羊还是赶紧把羊圈堵上呢？
笔者跟很多公司交流过，一些公司的审批团队的定位是一个类客服的服务类岗位，风险部门是一个不断立案不断起诉不断罚款的稽核人员？一些历史欺诈没有人去做分析，任由其欺诈发生。
于是，大家累的跟生产队的驴似的，欺诈率或逾期率仍然止不住上升。
这就是用战术上的勤奋掩盖战略上的懒惰，静下心来研究如何防范欺诈比到处出出差吃吃饭立立案困难多了。。。
而前者不一定有收获，但后者的成果立竿见影，到那如果把案立了就有结果输出了，一些公司就喜欢看这些，于是各种奖励和佣金纷至沓来……这个时候，哪怕贷前的一条规则就可以防范几百上千万元的欺诈，但仅仅是因为你防住了，欺诈没有发生，所以领导看不到结果……看不到结果等于没有结果……这事挺让人悲哀的。
有人说，那贷后就不用了管了吗？当然要管，但贷后决不能作为核心工作方向，要知道，何谓风控，风控的意义就是风险防范或者欺诈防范，而不是催收挽损！另外，国家的法治资源有限，立案了，钱追回来的可能性无限接近于0！
美丽车金融的坟头草已经一丈长了！
联系客服
