这天，笔者的电话铃声响得有一点晚。
“哟，是小丽呀！”
“Hello，现在有时间吗？想和你聊会儿。”
“好呀，你看《战狼2》了吗？真是太燃了——”
“哪有时间看电影啊，最近好忙，一直加班，各种绩效考核，我感觉压力好大呀。”
“诶，我还以为你跳槽之后工作很轻松呢，银行也这么累？”
“轻松？你听谁说的？我现在只想哭……”
“到底什么烦恼，给哥讲讲，哥给你排忧解难。”
“是这样的，最近不是网络金融越来越火吗，我们行也想推广消费贷、小额现金贷这样的产品，所以我们部门多了一个考核任务，行长要求在一年内发放几千万元的消费贷，算下来部门平均每个人要营销几百万。要是完不成考核指标，今年算是白混了，要喝西北风啦！”
“你们没采用什么手段去营销吗？”
“当然用了，但是效果不明显的。我们上个月整理了一些业务筛选规则，然后让科技人员帮忙从存量客户数据库中抽取了一批客户，再下发给客户经理去营销。”
“这……不是我说你，营销这种事情最难以把控了，怎么能全靠客户经理？现在都大数据时代了，要创新思维，深度挖掘数据的价值！”
“你说得倒容易，可是我们老总还有额外的要求呢，不但要营销消费贷，还要保证贷款客户的质量，如果不良资产太多，这就是事故了，比营销不力还严重呢！”
“哟，这下问题复杂了，不但要营销，还要衡量风险。”
“那你帮我想想方法吧，刚才你都答应帮我的。”
“好吧！我只能说是尽力……”（感觉给自己挖了一个大坑）
挂断电话后，我陷入了深思，怎样才能更好地帮助朋友完成考核任务呢？
我把自己假想成消费贷的营销对象，究竟什么样的营销方式更容易被人接受呢？
消费贷是基于消费的贷款。首先，我希望能获得更高的额度，这是消费的前提，毕竟如果某银行给我的消费贷额度只有几千块，这点钱也不够买什么吧？其次，我希望申请流程简单、放款迅速，要是一笔消费贷需要审批一个月，那黄花菜都凉了。
那么，能否用我擅长的机器学习技术解决这两个问题呢？银行有大量存量零售客户，消费贷的潜在客户想必要从这里来了，我觉得不妨选取由零售客户转为消费贷客户的历史数据，开发风险模型、结合资产能力，计算出适合该客户的额度。这样，我们将额度授信的时点提前，在营销时告知客户可能授予的贷款额度，而非单纯地营销产品，一定可以提高营销的成功率。
同时，因为已经用模型筛选掉了高风险客户，也计算出了预授信额度，审批贷款的流程当然就可以大幅缩短了，客户体验也得到了保证。
方向定好了，接下来就是如何做啦！
多方查阅书籍、文献、报告后，开始画流程图……
一脸得意地将流程图发到朋友的邮箱，过一会儿，小丽打电话来了。
“喂，你这个流程图也太简单了吧，我看了都不知道要怎么做的。”
“浓缩才是精华嘛~哈哈，开玩笑的。我这不是为了营销你吗，之前你一直都不肯关注我们团队的公众号，快去关注一下，公众号后台回复‘流程图’三个字，就可以获得我亲手制作的超详细流程图哦。”
一个小时后，笔者的手机又响了起来。
“怎么啦？”
“我已经下载了完整的流程图，但还是有两个点不太懂。”
“哪两个点呀？”
“一个是GBIE，客户是怎么分类的？还有一个是时间窗口，如何确定客户的观察期和表现期？”
“这两点呀，别着急！我详细讲给你。”
1. GBIE定义
关于GBIE，根据银行特色有各种各样的定义，一般应综合考虑业务经验和数据现状，以下是我的一种定义方式：
客户分类 |
描述 |
G（好客户） |
没有逾期或者逾期不足N天客户 |
B（坏客户） |
逾期N天客户（N一般取30天、60天、90天、180天……） |
E（排除类客户） |
管理资产太低或太高的客户；没有联系方式的客户（营销需要）；业务需求排除的客户 |
I（中间不确定客户） |
其他 |
那么，逾期天数这个N又怎么确定呢？除了业务考量之外，也可以采取Roll rate分析从数据角度研究：
比如上图中可以看出，逾期30天以上的客户转化为正常客户的比例已经很低了，说明他们最终把贷款还清的概率不高，可以考虑认为他们是坏客户。
2. 时间窗口定义
观察期是指在客户获得贷款前取多长时间的客户信息数据，一般来说时间越长越能清晰地刻画每个客户的特征，但限于银行数据平台建设程度和时间成本考虑，通常取1年。
表现期是指在客户贷款后取多长时间判断客户的分类，可通过采用Vintage分析确定。
例如在上图中，随着表现窗口的增加，累计坏客户率趋于一个平缓的趋势，到第12个月时基本已经没有多大波动了，这种情况下就可以取12个月作为表现期。
给朋友解释完相关细节之后，感觉自己对整个解决方案也理解得更加深入了。
一周后，朋友电话来：
“亲，你真是帮了我大忙啦！我和老总汇报设计方案后，老总很满意，表扬我逐渐进入了工作状态。”
“别客气，下次来北京千万别忘了请我吃饭。”
“没问题，到时候联系！”
注：由于篇幅限制，笔者没有详细叙述方案中每个环节，如果有感兴趣的朋友，可联系笔者一起研究学习。
长按二维码即可关注！也请随手推荐我们给你的小伙伴 ↓↓↓↓ 