京公网安备 11010802034615号
经营许可证编号:京B2-20210330
汽车金融获客多元化:大数据应用要瞄准变现
近年来,汽车金融已经成为新金融领域内风头最劲的细分领域,而随着大数据时代的到来,越来越多的数据获取渠道和数据分析方式为汽车金融业务提供了新的销售方法和风控手段。
面对新风口,企业应该如何利用大数据使汽车金融销售更加精准有效?大数据在风控中又有哪些创新运用?
11月18日,在由《21世纪经济报道》、《中国汽车金融》主办的2017(第八届)中国汽车金融年会上,广汽汇理汽车金融有限公司副总经理罗宜东、广西通盛融资租赁有限公司常务副总经理杜江波、赛格导航车联网事业部副总经理盛超、青岛中瑞金服科技股份有限公司董事长孙立东、天易科技副总经理宋飞飞演绎了一场思想和观点碰撞的圆桌对话。
提高前端效率、优化资产配置
《21世纪经济报道》(下称《21世纪》):汽车金融的爆发是这几年的一个大的风潮,大数据也同样是这几年的一个风口。关于大数据,目前在汽车金融行业的具体应用如何?
罗宜东:广汽汇理是广汽集团旗下的一个中外合资的汽车金融公司,实际上我们使用大数据在汽车金融方面的应用,可以说是全方位的,不单只是在零售业务方面,也包括在库存业务方面。举例来说,广汽汇理在2015年提出了智慧风控的概念,通过大数据提高效率,归根到底其实和传统风控是一样的,首先是了解你的客户,第二是管好你的车。总体而言,我们在大数据汽车金融方面的应用,一个是优化我们的资源配置,第二是加强流程监控并提前采取措施。
杜江波:大数据给我们带来的是前端的效率越来越快,后端的资产质量越来越高,主要体现在促进贷钱快速的审批。在还没有运用大数据手段以前,公司每天每人的处理量是五六十单,如今一人一天可以处理100多单。
盛超:赛格导航从1994年就开始从事车联网的一些技术的应用、开发以及提供相应配套的服务。在围绕大数据这部分,我们在2014年成立了一家专门应用大数据的应用开发公司,把私家车数据进行应用开发,从而实现真正的变现。我们从美国学习了UBI分析的模型系统,通过这个模型系统能够有效地提供驾驶行为分析,然后就能精准了解到客户的保险需求,提供给保险公司,从而提高续保率,降低他们的赔付率。
孙立东:在金融贷款按揭领域里,当车辆贷款完成之后,其实金融公司和用户之间的联系是一种弱联系。我们通过微信端做了一个用户黏性服务,包括用车、加油的服务,用户的月活度从原来的10%,提高到90%左右。金融机构和用户端之间的联系,可以通过数据、通过系统软件来实现交互,这种交互同时也带来另外一个好处,那就是当我们在用户催收的时候,客户的失联率是非常低的。其次,在数据挖掘上,我们为贷后流程开发的循环分拣策略机器人,把整个催收时效提高了8倍以上。
其实GPS大风控数据在放款前期的作用主要是什么?就是一个风险的预测、提前的预警。我们通过数据建模,从用户汽车的长停点,还有他的上班时间、停留位置等数据来分析他的家庭住址、工作住址是否和资料上的地址匹配,如果不匹配,企业则需要及时地更新信息,以保证后期的资产安全。在贷款后期则主要是履约风险,通过GPS能获取的用户关联就很高了,最大程度避免失联发生。
我们现在在做的事情,就是解决B端客户的痛点,这不仅仅包括贷后的风控,还包括贷前的一些应用策略,有效提供机构用户的进件量,放大渗透率。也包括试乘试驾、库存融资的策略。
宋飞飞:天易科技一直专注于汽车金融风控领域,通过8年的发展逐步形成以GPS硬件、LBS平台、保险、数据分析等服务的一套风控体系,并且通过“天易保”成功帮助汽车金融企业完成了上下游的整合。截止到今年10月份,天易平台每个月的有效数据是240亿条,年底有望月均突破300亿条。今年1-10月,天易科技累计协助汽车金融公司找车12000台,累计找回4900台。
有效数据的收集是关键
《21世纪》:未来,大数据技术在汽车金融业务还能发挥什么样的业务?
罗宜东:我觉得数据只是数据而已,怎么去应用它才是关键。当然我们对客户的产品设计、定价、评分卡、决策引擎、贷后管理和催收,都要通过大量数据来做决策。与此同时,太多的数据意味着可能在业务流程、效率或者说客户满意度方面,会得到负面的评价。因此有针对性地根据目标收集有用数据,这个才是关键。
大数据的另一个趋势,是可以让我们不断尝试和创新。在我们提倡的“智慧风控”的领域里面,大数据和经验结合,可以推出创新模式。但是,一些创新观点由于没有数据的支撑,可能会导致无法实现。这个时候,我们采用“冠军挑战者方法”,把同类客户分成两个不同的群体来进行试点比较,一个采用原有模式,一个采用创新模式,一段时间后进行对比,选择效果好的进行推广。
总结一句,大数据的应用是为了提升我们的生产力,提升有质量的生产力。
孙立东:我认为所有新技术公司,都应该在效率和效果上有所改善。所以第一我们要通过技术和运维服务来把这个事情做好,第二现场的服务要和后端的技术有机结合,令这种数据反馈是真实的。
盛超:我觉得大数据目前从获客渠道上吸引了更多元化的、不同消费层次的人群,引入了很多消费习惯数据。当然大数据首先是需要数量来支撑的,第二就是要看流量,第三未来更关注的就是定制。
我觉得未来是因人而异的,大数据应该能提供更精准的一些产品和服务。最后我更关注的就是变现回来的价值,很多大数据公司现在做大数据的开发、应用、分享,但是最终并不清楚能通过什么样的方式来变现。作为服务型企业也好,或者是带有汽车互联网基因的企业也好,未来是要着重去做创新的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22