信用评分模型在信用卡生命周期管理中的应用

shiyiming

信用评分模型的一个最重要的应用领域是信用卡的生命周期管理。信用卡业务具备发展和应用信用评分模型的两个特征：一是数据量庞大，数据中蕴含着丰富的反映消费者信用特征和表现的信息，这使发展信用评分成为可能；二是业务量庞大，众多银行发行几百万、几千万张信用卡，但每张信用卡的贷款量较小，这使应用信用评分模型进行批量化、自动化管理成为必要。

信用卡的管理，根据其产品生命周期(Life Cycle), 可以分成拓展客户期(Account Acquisition) 、审批客户期(Account Booking) 、管理客户期(Account Management) 三大阶段。每一个阶段需要做出不同的管理决策，其决策的主要依据是各种信用评分模型。下面我们对每个生命周期阶段的决策需要及其所运用的信用评分模型作概要介绍。

一、拓展客户期
开拓新客户、提高市场份额和扩大发卡规模是信用卡经营管理的第一步，是实现规模经济、提高竞争实力的重要一环，是市场营销的核心目标。这一阶段需要做出的管理决策包括：

1.目标客户
确定什么样的消费者作为拓展的目标客户(Prospects)，瞄准和吸收那些诚实守信、频繁用卡、循环信贷、对营销运动反应积极的优良客户，避免信誉差、不负责任的不良客户，以扩大资产规模，提升资产质量，是成功的目标客户策略的根本内涵。它包括确定行销的地域和人口特征、发现和瞄准潜在的客户群、分析不同潜在客户群的行为特征、评估潜在客户群的资信状况，进而做出符合信用卡公司经营管理目标的决策。

2.产品/激励
在锁定目标客户以后，信用卡公司需要做出的下一个管理决策是给目标客户提供什么样的产品，如白金卡、金卡，还是普通卡？给客户什么样的激励，如刷卡现金回馈、航空积分、特约商户优惠消费等。这一决策将产生多方面的影响：目标客户是否对该卡感兴趣？是否愿意开户？是否活跃使用该信用卡？发卡的潜在收益是否与目标客户的资信能力和风险特征相当？这些因素都会直接影响到拓展客户的效益。

3.利息率/年费/其他收费
这属于产品定价(Pricing)的范畴。信用卡公司发卡的宗旨是盈利，盈利来源于合理的产品定价。定价过高，尽管单位收益可能较高，但会压抑客户对信用卡的需求和接受程度，从而妨碍发卡规模的扩张，最终总收益反而较低；定价过低，尽管卡可能更受客户欢迎，有利于扩大发卡规模，但收益可能太低而不足以盈利，或盈利水平较低。而且，定价决策往往不能一刀切，而是应该对不同资信能力和不同价格敏感程度的客户区别对待，使风险与收益相对称。显然，定价策略的正确与否直接影响到发卡的效益。

4.邮寄与否
这主要是在以直接邮寄(direct mail) 为手段的数据库营销中的一个决策问题。在众多的目标客户群中，信用卡公司往往不会给所有的目标客户寄信，因为有的目标客户资信能力可能达不到信用卡公司的信贷标准，有的客户可能对该卡不感兴趣或接受卡的概率过低而导致发信成本过高。在一定的市场营销预算和有限资源的情况下，信用卡公司必须有所侧重、有所取舍。这个决策问题并不仅限于直接邮寄，电话营销也存在类似问题。
那么，在拓展客户阶段主要应用哪些信用评分模型呢？由于尚处于发现和瞄准目标客户阶段，信用卡公司尚没有关于客户开户后用卡和欠款付款行为的具体信息，所以这一阶段信用评分模型的数据来源主要是信用局的数据。信用局收集、整理、加工、提炼了消费者的历史信用信息，这些信息可以被用来发展各种信用评分模型，以预测消费者的风险和收益潜力及其他信贷表现。这一阶段常用的模型有：
（1）信用局风险评分，分数高低预测了消费者带来违约坏账风险的大小；
（2）信用局收益评分，分数高低预测了消费者开户后给信用卡公司带来收益的潜力大小；
（3）信用局破产评分，分数高低预测了消费者个人破产风险的概率大小；
（4）市场反应评分，分数高低预测了目标客户接受营销的概率大小；
（5）余额转移评分，分数高低预测了目标客户把别的信用卡上的未清偿信贷余额转移到新开户的信用卡账户的概率大小。
利用信用局的数据还可以开发出预测其他表现的各种评分模型，这些模型分别预测了某个方面的结果和概率。通过发展、应用上述各种信用评分模型，分析、了解目标客户未来的各种信用表现的概率，就可以有的放矢、对症下药，制定出针对性强、成功率高的市场营销决策策略，达到高效拓展客户的目标。即使是目前国内尚不存在健全的征信体系，了解这种应用也是很有必要的，一是国内已经有了一些区域性的信用局，如上海资信公司；二是人民银行已经成立了征信管理局，正着手建立全国性的征信体系；三是很多银行或其联名卡伙伴内部具备有相当丰富的客户资料，可以作为发展评分模型的信息来源。在不久的将来，在国内应用评分模型进行数据库营销有着广阔的前景。

二、审批客户期
信用卡公司在做出拓展客户期的各种决策以后，下一阶段面临审批客户的各种问题。比如，信用卡公司经过对目标客户群的分析和决策，主动给目标客户寄信，推荐或提前批准(Pre-approve) 该公司的某信用卡产品，并提出相应的定价水平；消费者主动向银行提出信用卡的开户申请。这时信用卡公司就进入了审批客户阶段。具体来说，这一阶段需要做出的管理决策包括：

1.批准与否
根据申请者提供的相关材料和其资信状况，与信用卡公司的信贷审批条件对照，对于符合资信条件的客户批准开户发卡，对于资信条件差或其他条件不合格的客户则不批准。即使对于提前批准的客户，也可以应用这一决策。比如美国信用法规规定，如果提前批准的信用卡目标客户在申请开户时的资信状况相对于提前批准时恶化，信用卡公司有权合法取消其原先的提前批准。审批策略对于信用卡公司控制风险、减少坏账损失具有重大意义。

2.信用额度高低
对于通过基本的信贷审核、批准发卡的客户，信用卡公司还必须做出另一个重要决策：信用额度的高低。信用额度越高，信用卡的潜在风险越大，因为如果客户赖账，他可以产生更高的坏账额。但潜在的收益也越高，因为客户可以更大程度地用卡和借款；信用额度越低，风险越小，但收益潜力也越小。因为客户刷卡消费和循环借款的频率和总量相对更小，而且竞争力相对小，客户的使用积极性也会降低。显然，在平衡风险与收益的关系时，正确运用信用额度策略对信用卡所能产生的效益影响重大。

3.交叉销售
当资信较好的客户申请信用卡时，是对其进行交叉销售的良好机会。根据其信用状况，银行制定相应的交叉销售策略，可以向客户推荐银行的其他产品，如储蓄账户、存款账户、理财账户、代收代付业务、汽车贷款、住房贷款等。特别是客户在银行的网点开户，将会与工作人员面对面地交流，这时是了解客户需求、交叉销售其他产品和金融服务的机会。
对于提出开户申请的消费者，银行如何决定是否批准？如果批准的话，给予多高的信用额度？是否对申请者交叉销售其他金融产品？在审批客户和决定信用额度高低时，最重要的决策依据是申请者的风险高低，可以通过申请风险模型和信用局风险评分模型来衡量。申请风险评分模型通过综合考虑申请者在申请表上所填写的各种信息，如年龄、职业、学历、收入、住房状况以及申请者在信用局里的历史信用信息，对照类似申请者开户后的付款表现，以评分来预测申请者开户后一定时期内违约拖欠的风险概率。另外，信用局风险评分模型和信用局收益评分模型也是很有价值的决策工具，与申请风险评分模型具有互补性，可以组成二维或三维矩阵来进行信贷审批决策。所不同的是，申请风险评分是为银行特定的申请客户群量身定做的，更能反映银行客户群的特殊性，而且除了信用局的数据以外，申请风险评分模型还使用了申请表上的预测信息，能利用更多的信息对客户将来的信贷表现进行预测，而信用局评分模型则对申请者在未来的信贷关系中违约拖欠的概率做出了预测，不仅仅是对其正在申请的信用卡账户而言。在信用局建制不完善或未设立该机构的国家和地区，银行主要依赖申请表上的信息实施申请风险评分，作为审批决策的主要依据。

三、管理账户期
在信用卡申请获批后，目标客户成为存在客户，但信用卡的管理决策工作并未结束。信用卡公司必须根据客户持卡消费和欠款还款的具体行为，不断获得关于客户消费偏好、守信程度、付款能力等各方面的新的信息，动态跟踪客户表现，灵活调整策略以控制风险、挖掘收益、巩固客户忠诚度、增强产品和服务的市场竞争力，以实现更好的账户管理效益。这一阶段的管理决策包括：

1.提高/降低信用额度
根据信用卡账户的行为特征动态地调整信用额度是信用卡账户管理策略的重要组成部分。经过对账户行为和表现的跟踪观察和深入分析，对于诚实守信、对信用额度需求量大的客户，可以适当的提高信用额度，一方面方便了客户用卡需求，巩固了客户忠诚度，另一方面信用卡公司也可以借此提高客户消费额而获取更多的消费回佣，提高循环信贷额而获取更多的利息收入；反过来说，对于不诚实不守信、坏账风险较高的客户，则应该在其未造成最大损失之前，降低其信用额度，限制其所能消费和欠款的上限，以此来控制和降低风险。

2.超额透支授信
每个信用卡账户有一定的信用额度，如果未清偿欠款余额加上本次刷卡消费额超过了信用额度，则构成了超额透支。根据客户的动态的资信和行为信息，信用卡公司可以制定灵活的超额透支策略：对于风险较小的客户，可以允许其有一定限度的超额透支，这等于是临时提高了其信用额度，既方便了客户，又可获得更多的消费回佣和利息，还可以获得可观的超额透支罚款；对于风险较大的客户，则可拒绝其超额透支，以避免更大的坏账损失。

3.反欺诈
对于欺诈风险很高的刷卡行为，信用卡公司可以拒绝授信或要求核对持卡人身份信息，从而在一定程度上避免或减少欺诈损失。

4.重新定价
信用卡开户时，用户契约规定了循环信贷利息率、年费、迟付费、现金提取费、超额透支费等。尤其是利息率，往往是根据开户时客户资信状况所显示的风险程度和资本市场利率水平制定的。随着时间的推移，客户的资信状况和风险等级可能会改变，或者其用卡行为揭示出新的风险特征，原定利率在新的情况下可能过高或过低，需要根据新情况进行调整，对于风险高的客户可适当提高利息率，使回报和风险相匹配；对于风险低的客户，特别是流失倾向高的客户，可适当调低利息率，以提高价格竞争力，巩固客户忠诚度。在我国目前的金融管制之下，利息率没有提高的余地，所以重新定价可以通过调整收费额来进行。

5.激活/挽留
客户开设信用卡账户后，并不一定会自然而然地反复使用它，特别是资信好的客户可能拥有多张信用卡。如果某种信用卡不具备竞争力，持卡可能不会积极使用该卡，甚至使该卡长期处于睡眠状态；或者在竞争对手推出带有更多优惠的信用卡时，持卡人改而使用竞争对手的卡，从而出现优质客户流失。制定适当的策略、提供适当的激励来激活睡眠卡，提高卡的使用率并巩固优质客户的忠诚度，避免或减少客户流失，是账户管理的一个重要决策领域。

6.坏账催收
信用卡风险管理的一个重要目标是尽可能地减少坏账损失，但现实生活中却难以完全避免。用户或者由于缺乏诚信而无还款意愿，或者由于短期的财务困窘而无还款能力，从而造成坏账损失。但是，逾期拖欠的账款并不必然地全部变成坏账损失，能否收回部分或全部坏账，在相当程度上取决于信用卡公司的坏账催收能力和催收策略。正确的催收策略应该是以合理的人力、物力最大限度地收回坏账，减少损失，提高效益。

7.续发信用卡
在信用卡的有效期结束之前，银行将决定是否续发新的信用卡，保证特定的客户能够继续享受持卡消费和循环信贷服务。续发决策的目标是继续保证对绝大部分客户的服务，而终止对少数信用不良、风险较高客户的服务。

银行应该选择怎样的评分模型来科学地制定上述种种账户管理策略？首选的应是行为评分模型。信用卡账户开通后，随着时间的推移，银行掌握了该账户刷卡消费、交易、欠款、还款等各方面的丰富的信息，动态地跟踪客户信用表现，不断更新用户的行为信息，在数据积累到一定程度以后(如开户1年以上) ，运用数据挖掘和数理统计技术，可以提炼出丰富的具备强大预测力的各种变量，依此对客户的风险、收益、流失倾向等进行预测，从而做出相应的管理决策。由于这些模型的数据来自信用卡开户后的行为信息，所以称之为行为评分模型。其次是各种信用局评分模型，它们提供了全面评估客户信用的补充信息。行为评分模型与信用局评分模型的不同之处在于数据来源，信用局评分模型反映了消费者资信的全面情况，行为评分模型反映的是该信用卡账户的信用情况。前者更全面，而后者更深入、及时，二者互为补充。大多数美国银行均同时运用这两种模型进行信用卡账户管理，以最大限度地做出正确的风险收益选择。最后，还有一种比较特殊的交易欺诈预测模型，一般运用神经网络模型技术来预测发生欺诈交易行为的概率，并作为反欺诈策略最主要的决策依据。
从上面的阐述中我们可以看到，在信用卡生命周期的三大阶段中，各个阶段均面临着一系列重要的管理决策。为了制定正确、科学的管理策略，需要发展、应用各种信用评分模型，对与决策效益密切相关的各方面的未来信用表现进行科学、准确地预测。以信用评分模型作为管理决策的主要依据，是贯穿信用卡生命周期管理的核心技术手段。


评论1

一些思考：

信用评分模型的应用，让贷款人的决策更快捷、成本更低，而且更精确、更连贯，它的好处是不容置疑的。

但是，在使用的过程中，暴露出了评分模型使用数据的适用性和现实实践不可靠的问题，现有的模型是在一个连续10年经济快速增长的前提下设计出来的，那么，在经济衰退的情况下使用，则无法准确预测借款人的表现。

网络时代的到来，加重了这个问题，网络对速度的要求，以及遍及各地的贷款人对资产组合和降低成本的要求，使得银行使用信用评分模型的频率更高，贷款人为了谋求速度、规模和减低成本而牺牲贷款审批工作的质量。

尽管贷款的质量不是很理想，但对信用评分模型的盲目信赖的趋势却越来越明显，而且资信管理机构都在尽力吹捧它们的模型如何优秀、快捷，这是一个很危险的信号，银行需要清醒地意识到，需要一种平衡，既获得自动化的无限好处又使自己的机构尽量避开它所带来的潜在危险。如果使用恰当，信用评分模型可以在促进贷款额增长的同时使不良贷款的量减为最小。遗憾的是，现在银行对于信用评分模型的认识，都处于一知半解的状态，银行使用的绝大多数资信评估模型是通用的，而且它适用的信息基础只有它的提供商知道。

要想使这些模型真正发挥作用，它们必须和完整的银行内部控制体系结合在一起，以作为整个经验战略的一部分。这些模型还必须被经常性地验证和检验，这个工作应该由那些了解它们的长处和局限的人来做。

总之，一定要检验、检验、再检验！


评论2

其实在中国的银行业界大部分都有一定程度的模型系统，只是简单和繁杂的问题，但是现在没有一个银行在用。

为什么不用那？

很简单
1、没有基础分析数据（要想用好模型，必须要有一定的客户量，好客户/坏客户，用这些基本数据来做初期判断分析。）
2、受理倒入数据匮乏（很简单在国外进入模型的数据包括申请表和信用局，可以在中国是没有信用局的，只有央行和银联，他们的数据库中只有黑名单，没有更多可用的东西了。）
3、人才的匮乏（模型不是WIN，是一个庞大的需要不断在开发的系统，不是买来后就可以不用改用一辈子的，是需要按照阶段性来做修正的，可以银行不愿意花钱来养人，只是让科技部的人来维护，可是维护和开发是2个概念。）

从模型的本质看发展
假设前提是中国有完善的信用报告

1、审批卡片的时间会减少（以前14~30天，以后2~5天）
2、审批风险会减少（如果是信用库中有的，且没有风险或风险小的，很快会发卡，如果没有的会风险高的会很快被拒绝的）
3、银行的成本减少（没有的时候一个银行审批部门少了百来人，多了千人，其实是资源的浪费，如果不这些费用花在为持卡人买服务上多好）
4、减少人为错误（全部电子化，可以减少银行员工的道德风险）

可是现在中国的情况是，不太需要风险模型，而是需要测字先生，看到名字不好的有风险的就拒，看到大致没有问题的就批，看到是8大类或是优先的额度就高。

我的断言是，人行在2年内完善信用数据库，银行在1年内改善试运行，中国有望在2010年前实现信用卡科技化。

shiyiming

对施兄的很多观点都非常赞同，但也有商榷之处：
1. 中国银行业由于现在仍未完全的商业导向，因此出于很多非商业的原因，并不愿意真正发挥数据的作用，即或“没有基础分析数据”，也有相关数据可供采用。“数据匮乏”实则托辞。
2. 国外由于ECOA之类法规之限，很多申请类数据都不得采用，因此更多依赖征信局数据，但在中国，目前还无此限制，因此，有丰富的申请相关数据可供采用。据此所开发申请评分的效果并不比国外申请评分的效果差多少。因此，PBOC征信系统的建设是锦上添花之举，现阶段并非少他不行。

shiyiming

看来在银行的兄弟还真不少啊.
不过我认为,没有竞争和利润的压力,就没有评分模型和其他模型在银行的使用.,更谈不上模型在银行应用的目标:最优决策.其他的所谓问题都不是问题.

shiyiming

我也说说

我目前就在信用卡中心开发模型 实际上最主要的模型是申请风险评分模型和客户贡献率模型。但目前的问题是

1。 对于信用卡中心为什么不重视模型的问题

实际上所有的卡中心都重视模型 即使没见过模型也听说过吧  但为什么应用的不好， 不是领导的问题 是模型开发团队的问题。 首先是怎么应用模型， 大家都知道， 得出一个不错的模型 不是十分困难 ， 但怎么在15分钟的presentation中能够说服高层， 往往是很难的事， 除非领导对模型十分了解， 数据挖掘就是个咨询行业， 所以报告水平太重要了 ， 这就是为什么好多银行的首席分析师或者经济学家不是数据挖掘出身的。
      
  次， 对于信用卡中心 得出申请风险评分模型， 没太大实际用途。 信用卡不像电信， 手机卡人人都可以买， 但信用卡是要有准入分数的， 就要求有评分卡。从模型转化为评分卡可不是十分容易的事， 但又是必须做的事。否则营销人员总不能带个电脑随时评分吧 ， 而且总不能对领导说， 模型在系统里 ， 自己看去吧。
      
2、对现在的公司的看法

  接触了几家开发信用卡模型的公司， 总体感觉是， 真正的专家少啊。 好多是在玩弄技术呢， 更有甚者， 敢直接卖模型或是标榜内置的挖掘工具。 我的个人观点是目前还没有成熟的BI 工具， 或者说自动挖掘还不成熟， 只能说向自动挖掘的方向前进。真正懂技术又懂业务的人少啊。

3、 不是竞争不激烈啊， 是模型转化成生产力方面做的不好啊。 好多模型或数据分析得出来的结论是常识性的， 可以说是废话。 比如公务员风险低， 低多少呢 怎么量化表示呢，不会了吧。花钱搞一套模型， 还不如搞个促销活动收益大呢， 怎么让领导舍得花钱开发模型呢？


我是这方面的新手， 呵呵  欢迎拍砖啊 可加我MSN

shiyiming

所以我的结论是 模型在国内信用卡方面应用得不是很好， 不是经济环境或者是地球引力小的问题， 是模型开发人员的问题啊。 而且国外模型拿来直接就可以废了， 比如

所有制问题
地区经济差异问题
行业差异问题

国内信用卡模型复杂啊

shiyiming

俺再扔几块砖：
1）从模型转化为评分卡其实并非想象中那么难 <!-- s:D --><img src="{SMILIES_PATH}/icon_biggrin.gif" alt=":D" title="Very Happy" /><!-- s:D -->
2）自动挖掘还是算了，开发模型既需要技术也需要业务
3）想让领导在15分钟内明白模型，就要象卖大白菜那样，千万不要往玄乎里吹，所以：给领导汇报的时候不能太具体、拘泥于具体分值，而要用业务的语言来解释其含义，最好用量化的语言告知模型的具体效果。

shiyiming

一是国内已经有了一些区域性的信用局，如上海资信公司
二是人民银行已经成立了征信管理局，正着手建立全国性的征信体系
三是很多银行或其联名卡伙伴内部具备有相当丰富的客户资料，可以作为发展评分模型的信息来源

shiyiming

KXEN可以做到两点：
1　把信用评分模型转化为评分卡
2　实现自动化数据挖掘