乐视员工信用卡额度被降合理吗

　　文/新浪财经意见领袖专栏（微信公众号kopleader）专栏作家 夏心愉

　　如果客户的公司真会出现大问题，那就直接影响了两个大项，银行有所动作或反映，从方法论的角度本身无可厚非，但反映过于激烈未必有必要。

　　乐视员工在建行信用卡额度被降至1元事件，站在外部视角看，似乎离奇。但如果将视角切换为银行信用卡部门的“人群画像”风控逻辑、以及逐渐讲求的事前预警机制后，一切是否会变得可以理解？

　　事实上，除了“1元额度”过于抓眼球以外，基于所属组织或群体的风险评判变化而“殃及”本身信用状况变化不大的个人，这样的事件，在业内已不是秘密。建行并非首创。

　　“殃及池鱼”恰是风控逻辑

　　数年前，无锡某太阳能公司出现经营危机，他们当时在内部对该家公司员工信用卡也悄然上了针对性风控措施，只不过处理方式偏于温和而未被外界发现：比如封死这批信用卡的额度只降不升（包括拒绝本可获批的客户正常提额申请），并密切关注这批卡片的大额消费情况。

　　这也不是个案。在另一家股份制银行，对于一些身处产能过剩行业的员工、尤其是一些流水线操作工种，已办信用卡者续卡、未办信用卡者申卡，银行评审起来都会出现一定“扣分”、甚至拒批。

　　除了所属公司会波及个人，所属行业、身份证划归地域、甚至所属人群的自然属性（比如“未婚、女性”）等，都会因此群体整体信用表现而波及“无辜”个人，这种波及可能是利好也可能是利空。

　　比如一张“3522”开头的身份证（属福建宁德地区：钢贸商籍贯集中地），在2011年银行体系对钢贸业务进行风险预警前，持证人在多家银行办信用卡都比普通人便利、以及有更高概率获得更大的信用卡授信额度；但在2012年钢贸危机爆发后的一两年间，即便持证人从未染指钢贸业务，在钢贸危机深重的长三角地区部分银行，他们甚至很难正常办出信用卡、就更不谈额度高低了。

　　在这些真实发生过的案例里，如果纯粹以客户个体视角植入一根绝对公平的准轴，恐怕该“叫冤”者不止所涉乐视员工。

　　一众信用卡部门人士在媒体采访乐视员工“1元卡”事件时选择缄默，没有人愿意因表示理解他行风控策略“躺枪”。但在“愉见财经”以匿名形式的访谈中，多名卡业务人士均对建行的风控“大方向”和“方法论”——识别该人群风险信号——表示了“认同”或“理解”，不过在手段运用的激进程度上，他们表示了异议。

　　其中某银行信用卡中心风险分管人事表示，他们其实也及时捕获到了乐视的风险信号，但仍补充考量了乐视员工本身的情况而未提前采取措施。但他进而表示，如果出现问题的企业不是乐视而是某些中低端制造业企业，企业已或有可能发不出薪水，员工多从事偏于弱技术资质的操作型工作，“恐怕采取建行类似的手段是必要的”。

　　其实在风控尺度把握上，建行对乐视持卡员工也是有基于个体的补充考量的，因而采取了“先堵后疏”：建行方面回应称，对乐视员工信用卡额度进哦行调整，只是暂时的举措，各支行会根据名单情况，对这些信用卡持有人进行一一排查，如果还款正常，就会恢复额度。

　　信用卡风控变量的“四大维度”

　　越是小额、分散的授信，除了对客户个人一对一的资信评估以外，就越是需要辅助进行以大数据为基础对客户所属群体进行诸如“人群画像”的风险评估，并不断就新的风险因子表现再修正风控模型及对此群体的策略。

　　这样，在“大数法则”运算之下，不良率就可控在一定标准之内。

　　而这正是银行信用卡业务风控的题中之意。

　　有一句玩笑话，所谓“大额贷款做得好，拼客户关系；小额授信做得好，看模型建设。”

　　信用卡风控建模具体看哪些变量？最传统的操作是看“四大维度”：自然属性、收入情况、财富情况、在其它金融机构的风险表现。这些数据绝大多数在客户的央行征信报告、该行内部账户信息、及客户办卡提交材料中都有体现。

　　自然属性是指客户的性别、年龄、学历、户籍地域等。

　　收入情况则是看公司行业、公司规模、职位、年收入等，这一点在风控的逻辑里被视为客户负债后的“还款来源”。

　　财富情况是看客户的拥车、拥房、以及在该家银行的存款、理财等。

　　客户在其它金融机构的负债情况、信用表现、有无逾期也是一大考量。此外，多家风控严格的银行信用卡中心还会对客户实行“刚性扣减”，亦即对卡片申请人的总负债额度进行评估，并减去客户已在其它银行获得的非抵押类授信额度。

　　除了这些传统操作，随着金融科技及大数据运用的发展，信用卡风控的评审模型中又添加了来自移动运营商、互联网公司等提供的客户行为数据，当然调取这些数据需在客户充分授权的前提下。这些行为数据可包括客户的移动设备定位、线上支付结算和流水等，也可据此推测部分客户的消费能力和习惯，为银行更精准的营销及风控提供辅助参考。

　　以上维度，在银行建模考量中的优先等级不同，从最优开始排列，依次为客户已有用卡行为数据、客户总负债水平、客户自然属性基本面、客户工作受薪及财富情况、客户工作行业前景等。其中无征信参考、或没有丰富历史用卡行为数据的客户，银行会更多依赖此排序中的后三类信息；而对于该行存量客户，则更依赖前两项及客户在该行既有业务使用信息。

　　在这一框架里，“如果客户的公司真会出现大问题，那就直接影响了两个大项，银行有所动作或反映，从方法论的角度本身无可厚非，但反映过于激烈未必有必要，因为还要综合评估其它几大项，那些变量并没有受到影响。”上述风险分管人士告诉“愉见财经”，他们行也会综合考虑乐视员工的个人资质属性基本面是偏中高的。

　　一般而言持卡人个人基本面越好，银行风控逻辑里，其受企业、行业等外部指标连累的程度就越低。

　　值得多提一笔的是，客户个人资信行为变化，比如在任意一家系统内银行的用卡发生频繁或中度延滞缴款，明显的消费金额、频次或用途不合理产生套现嫌疑等，都会高级别地触发银行风控的敏感神经，引发信用卡被降额或停卡。

　　此外，也有银行人士提及对信用卡风险的事前预警机制。顾名思义，这是指不等群体风险指标出现异常而进行的事先干预，一般用作针对宏观经济变化及局部行业地区性变化，动态风险监测与预警机制也通常会配套事后恢复机制。

　　(本文作者介绍：第一财经全媒体专栏作者、主持人，上海金融青联委员。微信公众号：愉见财经。)