(微信同号)课程背景：
【银行管理层痛点】
特别是城商行、农商行、农信社及村镇银行等地方性中小银行，其数字化能力普遍明显低于银行平均水平。因此，中小银行必须及时转型数字金融，数字化风控体系建设是重中之重。
【银行执行层痛点】
缺乏有效的线上风控工具，导致业务萎缩，风险上升……
获客能力、风控能力以及运营能力，均存在较大局限性……
中小银行与大型银行之间的风控差距越来越大…
课程收益：
核心收益01：掌握中小银行数字化转型发展现状与趋势
核心收益02：熟悉大数据风控体系建设思路与实施方法
核心收益03：明确本行定位及转型数字金融的工作思路
核心收益04：了解国外商业银行数字化转型经验借鉴
核心收益05：洞悉中小银行数字化转型痛点及解决办法
核心收益06：学习信用评分模型建立与应用
核心收益07：学习SCORECARD建模方法论
核心收益08：学习当今最前沿的大数据风控技术
核心收益09：深入研究数字化风控策略与实践
核心收益10：学习互联网金融反欺诈策略解析
核心收益11：学习评分卡六大开发步骤
核心收益12：中小银行数字化转型落地五大方案、四大系统、一大平台
第一模块 网贷平台现状与未来发展趋势
第一节：清退潮下的P2P网贷平台现状
一、国内网贷行业现状
1、正常运营平台数量持续下降
2、网贷行业成交量大幅度下降
3、网贷存量规模开始加速下降
4、行业综合收益率明显下降
5、平均借款期限窄幅波动
6、出借人、借款人数量同样出现加速下滑
二、国内网贷平台退出与转型
1、2019年以来行业月均退出约60家平台，相比2018年减半
2、2019年至少有143家平台完成良性清退
3、平台转型主要方向为资产端业务，占比高达32.73%
4、多家平台助贷数据表明机构资金占比大增
5、转型理财超市成为部分平台转型的另一条出路
三、行业前路展望
1、中小平台被引导退出，部分大平台加速转型
（1）转型小贷。
（2）转型网络小贷。
（3）转型消费金融。
2、网贷平台或仍将有整合案例发生
3、不少平台将完成征信接入
第二节、从日本消金行业兴衰看国内网贷发展
一、日本消费金融发展历史
二、最大消金公司“武富士破产”
三、日本消费金融公司的地位
四、日本消费金融成败借鉴
第二模块 网贷一体化数字风控体系搭建
第一节：与传统风控思维迥异的数字化风控
一、传统金融机构风控体系
1、北银消费风控体系
2、海尔消金风控体系
二、线上网贷风控体系
1、一家专注线上业务消金公司的风控
2、一家非持牌机构的线上风控
三、风控理念的颠覆性差异
1、业务模式差异
2、客户群体差异
3、盈利模式差异
四、信用风险管理要点
1、覆盖全系列产品的系统平台
2、客户全生命周期管理
3、运用3000+鲜活征信大数据
第二节、网贷风控的命门——互联网金融反欺诈
一、全面防范欺诈风险
1、搭建全流程反欺诈管理制度
2、数据监控和欺诈分析相结合
3、欺诈流程和欺诈模型相结合
4、大数据与风控系统现结合
二、什么样的数据可以应用到反欺诈
1、按照数据来源区分
2、按照数据类型区分
3、按照数据使用场景
4、注意事项
三、反欺诈模型和信用模型区别
1、目标变量
2、模型特征
3、实时性
4、技术实施
四、反欺诈之手机设备指纹实施
1、设备识别
——IP 地址、cookie以及移动互联网特有的设备ID
——设备指纹（设备ID）
2、被动式设备指纹
3、主动式设备指纹
4、常见五类欺诈形式（略）
五、如何构建全流程反欺诈风控系统
1、数据接入、决策引擎、管理系统相结合
2、数据分析和反欺诈模型相结合
六、反欺诈工作落地实施方案
1、准备工作
2、部署要点
3、实施步骤
七、反欺诈方案调整解析
1、业务运营监控
2、策略模型监控
3、异常情况监控
第三节：信用评分模型建立与应用
一、 背景
1、二战后，消费信贷产业在欧美蓬勃发展
2、数据库技术、数理统计技术和计算机技术的发展
3、欧美社会征信体系的形成和健全
二、三个历史阶段
1、以客户分类为核心的信用分析
2、以预测模型为核心的信用评分模型
3、以决策模型为核心的信用评分模型
三、模型分类
1、按模型预测的未来表现
2、按模型的数据来源
3、按模型的实证化
4、按模型的对象
四、SCORECARD建模方法论
—— S = SAMPLING 数据选取与抽样
—— C = CLEANSING 数据检测、数据清洗、数据链接与合并
—— O = OPTIMIZATION 数据优化处理过程，包括客户分群(SEGMENTATION）、变量分析与加工、粗分组等
—— R = REGRESSION 利用统计学回归技术构建模型
—— E = EQUALIZATION 将模型转化为评分卡形式
—— C = ConFIRMATION 评分卡评估与确认
—— A = ADMINISTRATION 评分卡实施上线与管理，包括指定管理人，记录评分卡使用情况等
—— R = REVIEW 评分卡跟踪验证
—— D = documentATION 整理记录，完成项目技术文档
第四节：大数据风控技术
一、生物特征识别
二、加速度传感。
三、机器学习与模型训练
四、大数据应用场景
第五节、数字化风控策略
一、失信、黑名单策略
1、常见的38种黑名单策略
2、多级关联后得到的黑名单策略
二、联系人风控策略
1、联系人策略比较不那么容易，相对数据比较小。
2、15类场景联系人策略
三、其他常用风控策略
1、异常贷款策略；
2、恶意贷款策略；
…… ……
第六节：评分卡六大开发步骤
一、量化评分卡定义（A卡B卡C卡）
二、量化评分卡与专家评分卡
三、区别量化评分卡流程开发步骤
四、浅谈验证评分卡指标
五、评分卡衡量指标-ks值
六、专家评分卡流程开发步骤
第三模块 网贷不良催收策略与催收实践
第一节、网贷催收管理方法论
一、催收管理的核心竞争优势
二、确定金融机构的风险偏好
三、数据分析的策略艺术
四、自动化催收工具提高生产力
五、平衡催收策略对信贷规模及成本收益率的影响
第二节、催收管理的生命周期
一、国际最佳实践中，催收各阶段原则与策略
二、催收管理时间轴
三、策略性催收的核心关注要点
四、催收的基本原则
第三节、催收管理的体系架构
一、将催收被设计成一个综合管理处置体系
二、催收及回款的组织架构
三、催收的流程、策略及差异化管理
第四节、催收管理的策略实践
一、模型开发方法论——基于决策树模型的策略开发
二、策略设计方法论——结合数据驱动与评分卡
三、滚动率模型与冠军挑战者策略
四、智能催收机器人在催收中的应用
第五节、网贷不良资产处置的其他方式
一、自主核销实践与探索
二、持牌AMC的天然优势
