目录
贷中风控策略与客户运营体系
贷中风控日标
贷中风控数据源
贷中风控策略与客户运营体系
贷中是风控的第二道防线，贷中阶段风控的重点工作就是存量客户风控及运营。在当下，新客市场趋于饱和且获客成本越来越高，所以，在做好存量客户风控的同时，对存量客户进行运营，可以更大程度地增加客户黏性、挖掘存量客户的价值。
相较贷前，除要继续做好风控，贷中还多了存量客户运营的工作。贷中风控在循环额度类信贷产品中涉及较多，这类信贷产品的授信有效期较长且客户在授信有效期内可以多次用信，但是，随着时间的推移，很多客户的资质往往会发生较大的变化，这时，通过贷中风控管控存量客户风险就变得很有必要了。而单笔单贷类信贷产品虽然也涉及贷中风控，但是涉及较少，因为这类信贷产品的授信有效期通常较短，在很短的授信有效期内，客户的资质往往变化不大。贷中存量客户运营主要是通过一系列的动作，促使客户更多地使用金融服务，以达到在增加客户黏性的同时获取更多收益的目的，与贷中风控一样，循环额度类信贷产品涉及的客户运营场景会多一些。在贷中阶段，除非有特殊说明，否则风控和客户运营默认是基于循环额度类信贷产品进行讲解的。
在贷中阶段，风控和存量客户运营主要是基于相关风控策略实现的，风控策略的好坏是实现贷中阶段相关目标的关键。
贷中风控日标
贷中主要包括用信审批、贷中预警、调额、调价、客户营销、续授信等风控场景，基于上述场景，贷中风控要实现的目标主要有三个，具体描述如下。
控制好存量客户风险
做好存量客户风控是实现贷中风控目标的基础和前提，只有控制好存量客户风险，才不至于因为风险过高而出现不可承受的损失，才能无后顾之忧地对存量客户开展运营工作，更好地挖掘客户价值，在服务好客户的同时获取更大的收益。
通过对存量客户的运营，增加客户黏性，提升客户价值
在现阶段，随着获取新客的难度不断加大，很多金融机构都把重心逐渐向存量客户运营工作上倾斜。存量客户通常规模比较大，通过对这些客户进行精细化运营，往往能为业绩带来新的增长点。存量客户运营能力是金融机构需要努力提升的能力，若客户运营做得好，则有助于增加客户黏性，不断提升客户价值，为金融机构带来更多的收益；若客户运营做得不好，则可能会导致存量优质客户的大量流失，进而导致金融机构存量资产越来越差，通过存量客户运营获取收益越来越难。
推动实现利润最大化
与贷前推动实现利润最大化类似，贷中推动实现利润最大化既需要从自身出发，实现局部利润最大化，又需要从全局出发，协同贷前和贷后共同实现整体利润最大化。实现整体利润最大化是一个比较宽泛的概念，在贷前部分已经讲过，此处不再赘述。
贷中利润最大化主要通过调整用信审批、贷中预警、调额、调价、客户营销等策略来实现。在确保贷中风险可控的前提下，提升用信审批通过率、及时对风险客户进行预警和处置、对贷中优质客户提额、对贷中差客户提价、对优质客户营销等都能提升贷中的收益，但是如何使贷中的收益最大化却是一个比较复杂的问题，只有基于实际情况及时、动态地调整上述策略，才有可能使最终的利润接近最大化。
贷中风控数据源
在风控过程中，数据对风控的好坏起决定性的作用。在贷前，已经按数据源将风控数据分为四大类，分别是客户贷款时提供的数据、金融机构自身拥有的数据、征信数据和第三方数据，整个风控过程中使用的数据均来自这四类数据，只不过在贷前、贷中和贷后使用这些数据时会有些许出入。
在贷中，除了可以使用贷前用到的风控数据，还会额外用到金融机构自身拥有的数据中的客户交易行为（主要指用信行为）数据，主要包括客户在一定时间内的交易异常行为、交易量、交易趋势、交易集中度、交易离散程度等，在贷中主要基于这些数据拦截风险较高的异常交易、构建贷中行为评分卡模型进行风险管控、进行贷中预警和客户营销等。表罗列了一些贷中相较贷前会额外用到的金融机构自身拥有的数据，仅供参考。
| 数据主体 | 数据类型 | 数据内容 | 数据示例 | 数据应用举例 |
| 个人或企业 | 交易异常行为 | 交易异常行为 | 授信成功后极短时间满额交易、间隔短的两次交易GPS距离非常远、短时间出现多次敏感交易金额、短时间多次等额交易 | 1）基于敏感时间段（如凌晨2~5点）客户的异常交易行为拦截高风险交易； 2）基于客户的短时高频的异常交易行为拦截高风险交易； |
| 交易量 | 交易笔数或金额的绝对值 | 敏感时间段（如凌晨2~5点）交易笔数或金额、近一段时间交易笔数或金额、近一段时间交易失败笔数或金额、近一段时间交易成功笔数或金额 | ||
| 交易趋势 | 交易笔数或金额的趋势 | 近1个月交易笔数或金额与近3个月交易笔数或金额均值之比、近1个月交易笔数或金额环比、近3个月交易笔数或金额与近3 至6个月交易笔数或金额之比、 近一段时间交易金额连续递增或 递减次数 | ||
| 交易集中度 | 交易笔数或金额的集中程度 | 近一段时间交易笔数或金额均值、近一段时间交易金额众数、近一段时间交易金额分位数、近一段时间交易金额均值与中位数之差 | ||
| 交易离散程度 | 交易笔数或金额的离散程度 | 近一段时间交易金额的离散系数、近一段时间交易金额的四分位差、近一段时间交易金额的标准差、近12个月每个月交易笔数的离散系数 |
print('要天天开心呀')
