所有的風控人員應該思考的一個問題：汽車消費金融（含融資租賃）企業的風控策略如何驗證有效性？
通常來說，風控策略在正式進件之前已經形成，而此時的風控策略，某種意義上來說，只是風控總監對風險情形和風險管理的一種假設。這種假設是否客觀真實，需要實際業務數據的驗證。一個不閉環驗證的風控策略，是一個靜止的無法進步的策略，這樣的策略，要么損失收場，要么遲早淘汰。但是，即使我們想閉環驗證風控策略的有效性，在傳統的風險管理中，只能等問題實際發生之后才能驗證，這時候真實的損失已經產生，不能不說這是一種代價高昂的學習。那么，這種代價能否避免或至少盡可能地降低呢？在數字化技術不斷發展進化的今天，借助物聯網和人工智能技術，是可以找到解決方案的。讓我們先看看當前的風控策略是如何設計的。通常來說，汽車消費金融風控策略圍繞以下因素來設計：
二、 反欺詐策略：決定用什么策略識別出準入客群的欺詐人群；三、 信用評估模型：決定如何確定客戶的信用違約風險或成本，是定價的基礎；五、 利率策略：決定了業務的盈利水平與價格競爭力。
風控策略設計中的每一因素在目前的汽車消費金融中的操作實務，可以總結如下：通常通過產品的場景設計、屬性設計、渠道設計和客戶屬性要求來做基礎準入黑名單：通常金融客戶會有自己維護的內容黑名單，同時可能也會和同行等其他金融機構進行分享，這是很重要的一部分。申請行為：申請行為異常，這個通常是根據自己內容積累的數據，也有與其他機構共享的數據。實名信息：指客戶在歷史的申請中是否使用了多個身份信息。消費行為：有的公司在要求客戶提交資料的時候，附上銀行流水和消費的相關資料。團伙欺詐：以上幾個環節是對用戶行為進行評估，團伙欺詐是對關系進行評估，通常會通過三要素等維度，進行關聯，發現與他有關聯的高風險客戶或者在短時間內有相似行為的客戶。信用評估是為了評估用戶還款能力和還款意愿，通常通過建立信用評估模型計算信用得分來實現。信用評估來自于用戶信息，信息的緯度大致可以分為基本信息、行為信息、信用信息、社交信息和消費信息等。建立模型規則就是確定信用評估變量和變量權重， 將用戶信息輸入信用評估模型之后，就能得出用戶的信用分。額度與利率策略既是控制風險和覆蓋風險的重要因素，但同時也決定了產品在市場的競爭力。實際操作中，額度和利率設計受市場競爭影響比較大，進而給風控策略中的準入、欺詐、信用評估策略提出了更高的要求，額度和利率在激烈的市場競爭下，需要風控策略更加的嚴謹和準確。傳統的風控策略設計，主要依賴有限的資料和風控人員的經驗，而近來興起的大數據風控，豐富了風險識別的維度和數據，同時云計算和人工智能技術也有效避免風控人員陷入了數據的包圍，給風控人員帶來新的洞察和理性的數據結果，可以說風控能力得到了很大的提升。但風控策略的核心點始終在于，即使在大數據和人工智能技術的幫助下，風控人員也無法做到全知全能，不管人的判斷還是機器的判斷，都是在有限信息的情況做出的推測，這個推測可以無限接近事實，但終究不是現實，需要現實的檢驗。現在我們清楚了風控策略設計的基本原理和實務做法，也知道了風控策略是在風控人員的風險認知和風險控制假設下通過收集數據推測、判斷和控制風險的一套做法，假設、推測和判斷都需要驗證，那我們怎么做到在風險實際發生前就做到驗證呢？
風控策略的核心本質是基于客戶的信息，對客戶的風險和信用做出預判，而其中最大的問題，在于很多的資料由客戶自身提供，而汽車金融公司基于人力和成本的原因，無法對客戶提供的資料一一進行準確細致的核實，從而導致風險的發生，如虛假的資料、欺騙來的身份證、缺失的信用數據等等，而這類風險，可以通過對貸款或租賃車輛的數字化管理來進行識別和驗證。
萬位科技通過使用物聯網、云計算和機器學習的技術，實現對汽車消費金融（含融資租賃）企業的在貸車輛資產的數字化管理，車輛資產的在線化、可視化、實時交互與全旅程大數據可以動態驗證風控策略的有效性與準確性，推動風控模型的優化，降低風險的真實發生。其原理如下：
數字化的汽車金融資產管理方案可以對風控策略在風險未實際發生前進行驗證和預警，如下圖：
從單重視貸前的風控策略到并重貸后的資產管理，引入先進的數字化技術對資產進行數字化的管理，可以讓風控策略在風險實際發生前就得到驗證和調整，這將是數字化技術在汽車金融領域縱深發展的必然。
【余奎：萬位科技COO，汽車消費金融資產管理數字化轉型和智能化升級的早期推動者與實踐者?！?/span>
