我国汽车市场巨大的保有量，结合汽车金融的平稳性，使得金融机构对汽车资产的需求日益旺盛，汽车金融表现出巨大的发展空间和增长潜力。然而，在美好的行业前景背后，汽车金融风险行为也频出，甚至已成为汽车金融行业不容忽视的痛点；随着汽车金融行业的监管不断加码，以客户的央行征信判定还款能力的传统金融风控模式已经不能满足新时代的需求。而科技与金融的结合，对解决汽车金融风控问题起到了至关重要的作用。

严监管下的汽车金融风控

在国家对整体金融市场监管趋严的背景下，汽车金融的风控也迎来挑战。要做好汽车金融风控业务，关键点是什么？

汽车消费金融属于强场景金融业务，整体风险可控。风险管理的关键点在于：一是改变被动的风险管理模式，调整为以客户准入和贷中跟踪为主的主动风险管理，从客户选择的源头规避“高风险”客户，从客户还款的过程中及早识别潜在风险，有效化解风险；

二是执行营销、审批、催收分离，相互制衡，实施一线营销、集中审批和集中催收的流水线式客户管理;三是利用大数据进行贷后管理，运用大数据建立风险分层模型，及时识别化解潜在风险可能带来的损失。

汽车金融风控的难点是什么？

第一个风控难点在于数据的准确性和完整性。贷前审核、贷后管理都基于大数据分析，准确、完整的数据才能进行精准客户画像，才能合理授信。目前央行征信对自然人的覆盖有限，从第三方或互联网取得的数据，其数据准确性、产权方面也会有问题。另一个风控难点在于贷后催收，车属于动产，流动性强，人车失联时催收难度较大。

汽车金融用户不断下沉，很多金融机构和平台都在强调放款效率。如何快速而精准地剔除欺诈用户，成为金融机构和平台面临的巨大挑战。甚至有一种观点认为：“风控和业务是互斥的”。对此怎么看？

风控和业务是互斥的”是一种片面的认识，风控并不是业务发展的对立面，二者之间是一种相辅相成的关系。

一方面，风险控制是为业务发展服务的，不能因为有风险就去阻碍业务发展，风险控制的前提是为了业务的发展，为了创造利润。另一方面，业务发展要适合银行风控的需求，业务发展只能保持适当的规模和速度，使业务发展与风险相匹配。

大数据时代的汽车金融风控

大数据时代，汽车金融风控要怎么做？传统风控和大数据风控哪个是方向？

传统风控主要是审批人根据客户提供的材料，凭借经验来核定客户授信额度，审批结果受审批人个体影响较大，审批政策执行的稳定性不足，评判客户的维度有限。而大数据时代，金融机构可以通过大数据的接入，掌握多元化、多维度的客户信息，结合机器学习、贝叶斯算法等人工智能技术，建立以数据为驱动、模型为核心的自动化、智能化、全方位的风控模型，提升风控效率，改善客户体验。

怎么看待目前汽车金融风控呈现出了“智能大数据+专业第三方风控”的新特征？

一方面，目前国内对用户数据采集的渠道主要有央行征信中心、银联的银行卡消费数据、学历认证等。个人征信系统发展尚未成熟，这部分数据难以客户画像。智能大数据可以深入借款人的实际生活场景，多元化、多维度评估借款人的还款意愿和还款能力，发挥日益重要的作用。

另一方面，第三方专业风控在当下市场环境中扮演着非常重要的角色，适用于现在市场节奏快、市场竞争压力大的现状。目前汽车金融正处于群雄逐鹿的阶段，参与者除了商业银行外，还有汽车金融公司、互联网平台、融资租赁公司、担保公司等，如果自建风控体系，人才、技术的储备和积累，都不是一朝一夕的事情，并且各个区域市场的地方特色都需要适应，专业第三方风控可以有效弥补此块短板。