贷中管理的3个关键性指标解读

消费贷和现金贷均是近几年发展速度非常迅速的产品，随着业务的发展，在这类产品的贷中管理业务越发重要，出现许多指标的深层挖掘需求。如关键性的三个指标：额度使用率指标、还款指标、埋点指标。

额度使用率指标

在金融机构贷中管理环节，授信客户对于自己信用额度的使用率不仅可以作为额度调整的参考维度，还可以作为老客户交叉营销的重要依据，又或是建立贷中行为评分模型时，历史额度使用率也是常构建的指标之一。

额度使用率，是客观反映持卡人使用信用卡透支的重要数据。额度使用率是个双向指标，过低可能意味着审批额度远超过客户实际需求，可能带来资本金的无效闲置；过高则有两种可能性，或是额度给得太少、影响优质客户的用卡体验，另一种可能性则是客群风险太高，所以额度不够用。

如小金办理的信用卡A，有1000元信用额度，1月对账单上显示她使用信用卡A消费500元，那么信用额度使用率就是500/1000=50%。

若小金同时办理了信用卡B，额度是2000元，对账单显示她需要还款600元，那么信用卡B的额度使用率则是600/2000=30%。

同时信用卡机构还会给小金统计所有信用卡的总额度使用率，值得注意的是：单个卡机构对一个人发多张卡，需要额度共用，计算时取最高额度做分母，由此得出，小金的总额度使用率为（500+600）/2000=55%。

通常信用机构会依据信用额度使用率，应用在策略和模型中，来评估用户的信用分。由于这两类产品基本上在贷中业务缺少客群的消费行为，额度使用率需要更精细化的分析。除最基本的额度使用率，还会进一步衍生其他指标，如额度使用率的变化率、额度使用率超过80%的次数等。

通过将额度使用率区间化，可以按照违约概率，营销成本，新额度使用预测概率等维度矩阵测算出较优质客群，在贷中老客户交叉授信时给予优先级策略。

还款指标

在缺少交易数据的情况下，还款数据将是最重要的指标。良好的还款习惯能进一步量化还款能力和还款意愿，还款类指标衍生思路建议从两类方向思考，如提前还款、还款率以及最低还款发生次数等。

提前还款：是指用户在借款完成之后可以申请提前将该笔还款结清，也可以进行部分还款，即提前结清或提前部分还款。

①提前结清，用户主动将整笔借款结清；

②提前部分还款，提前归还一部分本金，然后按新的还款计划还款。

还款率：简单的理解就是当期实际还款额与应还款额的比例，反映了借贷人的还款意愿和还款能力。

最低还款发生次数：通常记录未逾期客户在该张贷记卡在结算月往前数的最近12个月内未还最低还款额的次数。“贷记卡12个月内未还最低还款额次数”，数字是几，就代表了客户近12个月有几个月客户没有还最低还款额。这个指标也能侧面评估客户的还款能力。

埋点指标

埋点是指在某些特定的流程收集到的用户的数据，用来跟踪应用的数据情况的。作用于设备欺诈的识别、设备信息获取、设备内容客户信息的获取、客户挽回策略、客户营销等方面。

由于目前APP贷款较普遍，客户在贷款使用过程中会记录非常多的行为数据，通过数据埋点提供可解释性，帮助我们对问题归因，提升整个模型的预测能力，因此该类型指标在模型应用中较普遍。

一般在实际风控中，我们将埋点收集的数据分为三类：业务数据，环境设备数据，用户行为数据。

业务数据：包括账户登录、账户注册、修改密码、修改账户信息等场景。

环境设备数据：平台，版本、时间，设备ID，用户ID，访问IP，网络环境、浏览器版本，经纬度，基站。

用户行为数据：屏幕点击位置，点击，展现，停留时长，上次操作，业务事件的上下文，结合时间序列，抱团聚集行为等等。

除了在以上进行设备埋点后，除了获取设备唯一码，还可以获取设备相关的其他变量，下图为大家罗列的是一些常用的设备信息相关变量：

本文主旨是为了帮助大家开阔贷中业务指标理解，若想深入了解具体贷中管理流程、具体指标设计方法，那么一定不要错过《量化风控全面策略提高班2.0》，关注【金科应用研院】，回复“CSDN”领取学习资料！

想要做好贷中管理工作，需要将原始数据加工成一个个应用在策略和模型的风控指标，通过数据驱动助力企业进行贷中管理。这便是我们经常提的线上化风控思路，要做好线上化风控基础建设必不可缺，尤其是指标工程。