【金融贷后】贷后运营精细化管理

文章目录

一、贷后专业术语讲解

① 什么是贷后,贷后部是干什么的?

贷后是针对贷前的一个后置,借款公司将资金放贷给私人客户或企业即贷前放款。资金放出去了,有些客户因为各种原因不还款,就需要流入到贷后进行管理。

贷后团队将公司逾期的客户划分成不同的风险等级,采用短信提醒、电话外呼、委外、上门拜访、以及法律诉讼等不同的方式将借出去的资金在最短时间内尽可能的收回,贷后也是风险管理中控制公司资金风险的最后一个环节。

② 贷后部门常见组织架构?

贷后部的组织架构如下图所示,其中:

电催部:面对未逾期或逾期不长的用户,M0~M1一般采用电话稍微提醒用户还款;

委外管理部:面对逾期时间较长,比较难缠的用户,M3+~Mn可能会采取委外给外部公司进行处理;

催收策略部:属于贷后公司的大脑,主要负责案件的划分分析、用户群体的特征分析、数据分析、绩效制定、规则指定等;

质检投诉部:质检部是监督一线业务人员在作业时是否合法合规。投诉部是处于客户投诉的部门;

培训部:主要给一线业务人员进行催收手段、合法合规、公司文化、规章制度等培训的部门,也会给其他部门附带培训;

IT部:在催收中会用到许多的催收软件,如语音外呼系统、资管系统、微信监控系统等常用软件开发的部门;

③ 贷后专业术语有哪些?

二、贷后常用作业手段介绍

① 贷后产品形态介绍?

② 催收常用的方法?

三、贷后策略岗位介绍

四、贷后处置方法、策略介绍

如上图,差异化催收队列:将客户根据不同账龄、不同风险等级、产品后使用不同催收工具、催收话术、催收坐席等差异化,使回款最大化、成本最小化

如上图,在M1阶段又可以划分多个阶段,多种不同的情况,并采取不同的方法进行处理

如上图,在不同逾期阶段根据客户特征如是否征信白户、是否有房贷、是否有还款能力 and 还款意愿是否强烈等情况,来设计差异化针对性的话术

五、贷后处置策略优化方法论

① 催收优化方法论

如上图,催收策略优化要根据市场环境变化、客群变化、催收目标等不断迭代策略,从而达到提升回收率

如上图,催收策略优化要根据市场环境变化、客群变化、催收目标等不断迭代策略,从而达到提升回收率

② 催收对应阶段方法

如上图,贷后管理为贷款发生后,尽早的发现风险:

一、在还款日前需要进行提醒,降低逾期率

二、在还款日后对逾期客户,根据不同的逾期账龄及风险等级,采取合适的催收手段尽早的挽回损失

相关推荐
DataGear6 小时前
如何在DataGear 5.4.1 中快速制作SQL服务端分页的数据表格看板
javascript·数据库·sql·信息可视化·数据分析·echarts·数据可视化
王小王-1238 小时前
基于Hadoop的京东厨具商品数据分析及商品价格预测系统的设计与实现
hadoop·数据分析·京东厨具·厨具分析·商品分析
可观测性用观测云9 小时前
Cloudflare 日志采集和分析最佳实践
数据分析
真智AI10 小时前
AI智能体时代来临:数据分析的变革与自动化之路
人工智能·数据分析·自动化
程序员阿超的博客12 小时前
Python 数据分析与机器学习入门 (五):Matplotlib 数据可视化基础
python·信息可视化·数据分析·matplotlib·数据可视化·python教程·pyplot
小Lu的开源日常14 小时前
是时候开始 Build in Public「公开构建」了
产品·全栈·运营
蓝婷儿17 小时前
Python 数据分析与可视化 Day 14 - 建模复盘 + 多模型评估对比(逻辑回归 vs 决策树)
python·数据分析·逻辑回归
好开心啊没烦恼19 小时前
Python:线性代数,向量内积谐音记忆。
开发语言·python·线性代数·数据挖掘·数据分析
过期的秋刀鱼!19 小时前
用“做饭”理解数据分析流程(Excel三件套实战)
数据挖掘·数据分析·excel·powerbi·数据分析入门
大数据CLUB1 天前
基于spark的航班价格分析预测及可视化
大数据·hadoop·分布式·数据分析·spark·数据可视化